日期: 2026年8月17日
-
在完成 A Tour of Go 简体中文 103 个课程页面后,我继续验证如何把现有约 94 分的工程性翻译质量进一步提升到 96~97 分。最初重点研究 minimal-protect,希望通过减少 protected token、保留更多原始上下文改善 GLM-5.2 译文,但后续对 157 个 protected token 的信息损失审计、Static Context 实验以及重复请求测试均未显示稳定质量优势,因此优化重点从 Protection Policy 转向 Translation Engine。本轮选取 methods/24、concurrency/7、concurrency/11 三个代表页,由 ChatGPT、Codex Sol 和 GLM-5.2 独立生成最终译文,再交给 ChatGPT、DeepSeek、GLM-5.2 和豆包进行 12 次匿名质量评审。ChatGPT 获得 8/12 第一名,即使排除自身作为评审模型后仍获得 5/9 第一名。现阶段不会立即覆盖已有 103 页,而是准备进一步验证自动化 ChatGPT retranslation staging,在统一 validator 和页面验证基础上评估是否值得全量重译。
-
在 A Tour of Go 简体中文翻译流程中,我一直担心大量 protected token 会遮挡模型上下文,从而影响 GLM-5.2 的翻译质量。为验证这一点,我先将保护策略缩减到 minimal-v1,又进一步设计了只额外暴露静态代码的 Static Context 单变量实验。结果却逐渐指向另一个问题:7 个代表页中的 157 个保护标记并没有隐藏任何可翻译英文自然语言,而完全相同的 API Request 在 5 个页面上全部生成了不同的 Response。随后通过 5 页、2 种模式、3 次独立运行共 30 个计划样本,并对所有通过结构校验的译文进行匿名多候选排名,最终发现模型自身的运行间波动明显大于目前能够观察到的 Static Context 质量收益。基于这一结果,正式翻译流程继续保留成熟的 Default protected-token 方案,而 minimal-v1 与 Static Context 保留为开发实验能力。
