「他讓我很窩心」這句話，你會怎麼翻譯？用 Meta Llama 2 的語言模型來翻，會翻成「He made me feel very nervous.」

「窩心」在臺灣的用法是令人感到溫暖、感動，而「nervous」的英文意思是焦慮、緊張，兩者意思完全相反。

但如果是我國的 TAIDE 模型，就會準確翻譯成「He made me feel very touched.」

AI 評測中心的十個項目，其中有一項是「準確性」。AI 模型如果缺乏準確性，就有可能造成誤解，甚至影響到工作和生活。

例如，在醫療領域，翻譯不準確可能會導致誤診或延誤治療；在金融領域，可能會造成交易損失；在法律領域，則可能導致訴訟糾紛。

其次，如果我們沒有符合文化環境的語言模型，或是在國外的語言模型，要進入我們市場的時候，沒有準確性的評測能力，那就有可能讓他國的語言模型，用最便宜的方式，隨意應付過去、進入市場被大眾使用，造成不利影響。

最後，「準確性」的標準，究竟要以誰為準呢？這也是許多人的疑惑。AI 評測中心並不會自己憑空發明標準答案，而是依據有規範效力的來源，例如國家教育研究院等權威教育機構，作為準確性的依據。

回到一開始的例子，Llama 2 一開始訓練的資料裡面，顯然「窩心」是不舒服的意思的原始資料比較多，它才會選擇這樣翻譯。要說它錯誤嗎？也不能說錯誤，只是沒有符合臺灣的準確性要求。

因此選擇準確性要對標的單位很重要，再往下延伸的話，準確性也必須考慮各行各業的需求，在應用語言模型時，也必須根據行業的溝通規則，給予二次的調校與對齊。

比方在各行各業裡，都有我們俗稱的「行話」，意即行業內的「自訂」詞彙，而這些詞彙在同產業的人都一聽就能夠理解，但在行外的人，可就不一定知道；也可能因為行業別的關係，產生同樣的詞語，卻代表著天差地遠的意思。

舉例來說，律師事務所、公部門所寫的公文，都有非常明確的行話用法，而這些專有詞彙，外人不一定都看得懂。這時，我們就需要在行業內建構資料集，來微調先前訓練過的 AI 模型，進一步對齊。

當各行各業都能自由微調翻譯模型時，文字翻譯工作者，就轉變為擔任最後校稿，以及調教模型的任務，這可能是這兩三年內就會發生的事情。