有个问题我始终没有弄明白，如 claude 这样的模型，中国大陆 IP 不能访问

google 的大部分业务中国大陆也用不了，为什么还要做简体中文的本地化呢？

用中文预料训练啊

1.境外华人华侨，使用中文，并且使用简中的比重在逐渐增大；
2.境内，用中转站喂养大模型的中文能力；
3.没法用是双向奔赴，对面既不想给中国用，中国也不想让这个东西因为不受控而在国内用途广泛，参考 Google 。

大模型的训练资料包括整个互联网，理所当然包括各种语言的互联网资料，没必要特别去排除吧。

你这是小看海外华人数量了
你可以问问 claude 海外有多少人使用简体中文

还有新加坡，马来西亚也是用简体

只能说 claude 模型强，并不是对于中文的回答强
市场这里的话，感觉就是中国市场大都想试试，不想斩钉截铁的直接放弃，但是不知道 A\ 的 CEO 怎么想的，自己的猜测拙见

因为需求的人少就不用理会，这种思想是很可怕的，或许这也是国内软件无障碍如此糟糕的原因之一吧。

感觉楼主就是揣着明白装糊涂，这种帖子都月经了

两个冷知识：

1. 「简体中文」不仅仅在我国被广泛使用。

2. 「简体中文」/「简化字」不是你裆的创造发明。

@nc 真不是装糊涂，虽然上面大家的回答我也能猜出一二三--不然不配在 v2 混了，但是主要还是想印证一下。并且 google 有中文版，也是历史原因， 一开始中国大陆是允许 google 运营的。但是 A\的东西明显不是，一开始就有“歧视”中国大陆的意味在。

中国不能用是政策问题，模型支持中文语料是技术问题。 哪天政策变了，重头训练模型？

@intoext 国外 AI 公司都被 GFW 墙了，普通人压根用不了，能在国内直连的都不是普通人，主动屏蔽中国 IP 防的就是这些奉旨翻墙的，我觉得这是件好事。

如果你真的是想讨论大模型训练
那结论是 多支持一个语言并不需要太多语料

虽然海外华人多，但是我感觉中文比当地语言好的人比例不大吧。

@nc #13 这说法就有点不客观了，美国的 AI ，受限于美国法律，就是不能为中国，包括香港提供服务，香港总没有 gfw 吧，不也一样不能直接用。

你说百八十万 我都想笑 真是没念啊

任何技术都要在党的指导下开展工作，大模型也不例外。没有内容过滤的大模型岂不是洪水猛兽，使不得使不得。

就是拿你的数据训练，然后不给你用，你能咋地 doge 。

A\还切了不少实体书用来训练，我相信其中肯定有珍贵的版本无了。

从表面上看，毕竟和军方有着合同关系，不给用也是正常操作。

他的网站还有 app 始终没有简体中文，人家不给用

以我浅薄的基础，LLM 对于语言的支持并不困难，主要还是在 Tokenization 阶段，训练阶段语料少的语种需要更多的 token 才能达到相同的效果。

@ndxxx 既然楼主号称自己不是在装糊涂，那么我就稍微认真的回答一下。简单来说就是机器/AI 翻译的能力或者说模型的能力进化了：

1. 早期的统计机器翻译和早期神经机器翻译，很多时候是按语言对训练的：A 语言 ->B 语言； B 语言 -> C 语言； A 语言 -> C 语言。此时如果没有足够的“泰语 ->冰岛语”双语平行语料，那么就会引入 pivot language：泰语 -> 英语(pivot) -> 冰岛语

2. 现代 LLM 早已不需要显式 pivot ，是因为它不是简单的 A 语言词句映射到 B 语言词句，而是在一个统一模型里学到了很多语言和知识之间的关联。这个“跨语言迁移”的能力，底层机制就是常说的共享语意空间 shared semantic space 。

盲道、无障碍设施根本就没几个人用，干嘛还要建设呢

因为大（语言）模型最擅长的就是搞语言，不管是中文英文这样的自然语言，还是 java python 这样的编程语言，都是 LLM 最擅长的内容，也是对翻译和编程这两个领域带来最大的革命性的原因

谷歌有全世界的数据，中文语料实际上比中国绝大多数团队都强，而且真洗数据不会分那么细的，到底洗不洗某个语言的数据，尤其网页数据很多就是中英混杂的

你先明确一下，他们实际上不是针对中国人，是针对中国地区...

@intoext #11 ，那就从你这个角度出发延展。虽然 A\ 有点魔怔，但也只是因为当前政治环境下 PRC 是对立面。可以理解为是“敌意”，并不是“歧视”。如果政治环境变化了就不一定还是对立面了。

非中国大陆，会讲中文的华人应该就有 5000 万以上，台湾 2300 万，香港 700 万，马来西亚 700 万，新加坡 300 万，美国 300 万+，再加上其他国家零零散散的移民，市场已经挺大了吧…

@dyvdy 美国人中心主义是认为文明国家人人都会讲美式英语

中国人中心主义是世界上只有中国使用简体中文

可以看看 Anthropic 首席科学家的采访，对中国或者“共产主义”的看法

Cladue 本来就没支持中文，你可以去 web 设置里看有哪些语言。至于语料是中文，这是另外一回事。

Anthropic （ Claude 开发团队）的核心技术与研究团队中，华人或华裔比例大约在 16.4% 至 20% 之间。

@intoext #11 论歧视而言 A\真不如早期的 OpenAI ，+86 不能注册并且必须要你验证手机号不，plus 还不允许国内卡支付，A\刚推出那会儿都不会强制要你验证手机号。从一开始这两家跟国内就是双向墙。

@Bad0Guy “号”后面的“不”多打了

你搞混了一个概念
中文不是中国人的专属，A 社只是不想让中国大陆地区使用，而不是中文使用者使用
你就是英语母语者，在中国的环境下 A 社同样不欢迎使用

马来西亚+新加坡也有 1000 万用简体中文的华人啊，然后还有繁中的几千万，这中文用户也不少啊

@bzkmsjy 这才是市场经济

@deplives 香港也不行

楼主 你知道一个事情吗？大概就是，前段时间，他们的一个 CEO 发表了言论，大致意思是，卖给中国显卡发展 AI ， 跟卖核武器跟朝鲜差不多。作为一个盈利目的的私企，这态度，只要是个正常人，都能看出来，是有点主观反华的意味的，根本就不是普通的配合政府法规要求。
国内环境：“爹 您 claude 能卖我会员吗” anthropic: 滚！捞汁就是不卖！偷摸也不行！逮一个封一个！

我不是想故意制造对立渲染什么爱国情绪，作为消费者不要这么卑微，替代品又不是断崖式领先。实在不行用 copilot codex 之类的都行啊

你可以直接搜索下海外华人华侨的数量，快和韩国人口相当

claude ceo 是个意识形态入脑的反华斗士，或者说，他可能只有这样才能拿到米国军方订单，以便获得巨量的融资来训练模型

楼上一个个这么自信的回答中文不是大陆专属，就是不敢正面回答一个问题。

A/到底用没用大陆的语料库训练？他自己敢说没有吗

Simplified Chinese != zh-CN

就算排除中国大陆，用简体中文的人口也有几千万的量级（新加坡/马来/其他移民）
按这个量级算，相当于韩语/荷兰语/越南语人口
你要考虑国际化，你肯定需要考虑这所有些语言
换句话说就算用荷兰语/越南语去聊天，模型能力也不会差到哪去

1. 公司是有国界的
2. 海外有华人，汉语使用很多
3. 哪天政策调整，中美关系超缓和，可以在中国做生意呢？那没做的现做啊。自己孩子都要上小学了，你问孩子名字叫啥么

和中文有毛关系，数据都是跑在语义空间里，你用任何所知的语言都一样

它只是让工作在中国的人用不了，不区分哪里人。

有些人还是不知道 claude 和 Google 被墙不是一回事

claude 是中国政府不准你用，claude 公司也不准你用

正好，作为法律工作者，我最近有个相对复杂的案子，分别对比了几个 AI ，就是把所有资料扔进去，看它对我的辩论意见和思路有什么想法。结论：豆包还行，但过于简单，分析思路不够开阔，没有主动发现其他思路提醒我的能力； gemini ，讨好型人格，我说啥它都跨一阵，然后分析的内容比豆包详细，结论都差不多，比豆包略强，但法律引用极容易错误，甚至给我伪造法条……； Claude 最强大！没有废话，各种思路和依据给我分析的好好的，在我的不断追问补充下，它得出的结论和建议我认为已经接近完美！

anthropic 这种不纯血的资本家真让人挠头，无视 CN 这块巨大的蛋糕层层设限。说他是理想主义者又根本配不上，说他资本家又是半吊子。

@TimPeake 除了民族主义高潮，你还应该想想他说的是不是对的。

能把一个人的看法逼到如此极端，另一方应该也不是省油的灯

生活在中国大陆海外的中文母语者也不少，数量甚至比其他的小众语言的使用者人数都多，没有理由不支持中文。而且 ceo 歧视并不是真多所有的中国人，只不过歧视生活在中国大陆的中国人而已。

@TimPeake “卖给中国显卡发展 AI ， 跟卖核武器跟朝鲜差不多。” 那他说的对吗

1 ，中美冷战,意识形态问题. 2 ，尽可能防止被国内厂家蒸馏

有没有一种可能：模型训练的重点不是语言，而是 **知识**。

Transformer 架构天然能抹平语言差异，还记得 ATTENTION IS ALL YOU NEED 吗？只要中文语料存在大量知识这个客观事实存在，任何可预测的仍采用 GPT 架构的模型代际就一定会拿中文语料训练，也就一定能完美支持中文。就算 A\这家公司足够反华到上了一个 censorship 模型专门屏蔽中文输出，底层模型也是必须用全语种训练泛化能力的。i.e.「支持中文」

@meteora0tkvo 歧视用百毒的中国人

看着这帖子里的评论，现在 V2 的环境，真是用恶臭形容也不为过了。

在大模型时代，翻译已成为一项基本能力。其他语言同样可能借鉴中文语料翻译后的信息，且对于如此大参数量的模型而言，中文语料是必不可缺的。

@bzkmsjy 你混淆了少数群体和弱势群体的概念

@ss2730 事实就是相当多国内开发者认为弱势群体数量太少，甚至一辈子都没见过一个，所以软件有没有无障碍无所谓，而不是弱势群体需要关爱，开发过程一定要注重无障碍的适配工作，另外不是我混淆了，我自己就是被混淆的那一类人

LLM 最擅长的就是翻译

@mytsing520 大模型也要讲政治嘛，你不讲政治就不要来我们这里了

美国高级程序员半壁江山不都是华人吗
是国内产品 i18n 做的太差，害了你

等下真不支持中文，你又不乐意了

你上 V2EX 不也是翻墙了么，局域网墙什么，不墙什么，你还思考上了，这是你该关心的事情么

我日常使用 chatgpt 是用英文指令的，同时用 chatgpt 等 ai 学习其他语言，诸如日语、西班牙语、法语，那么如果一个只会英语的美国人学习中文，难道 ai 只能回答英语？

因为 AI 时代做个 i18n 太简单了

为什么要排出简体中文呢? 既然是大模型, 那知识不是越多越好吗? 只要语料充足,那就值得训练. 你的想法有点奇怪

@catazshadow 卧槽，没想到还有这样清奇的大殖子视角，受教了。

@iyaozhen 谷歌退出中国是它自己不遵守中国法律，并不是中国政府不允许它在中国运营。苹果退出了么？明显没有，并且市占率一直在攀升。

让某个 LLM 刻意不学会某种语言可能比支持更麻烦

不让大陆人用，没说不让华人用

@anmie 恶臭已经不是三两天的事情了，以前我是拉黑大法，现在是打标签大法，看他们表演

@leglo 有些人就是揣着明白装糊涂

中文 跟 中国，是两个概念

@rootOfAdmin 法律也要看是什么法，侵害普通公民的法律只能说谷歌做的对

@catazshadow #52 受害者有罪论，您纵观美国建国以来的三百年历史里，中国做了什么伤天害理的事情了吗？

不让中国人访问是他们的政治正确，
不支持中文的话就是自断一臂了，完全不是一类问题，

美国政府网站甚至有中文版本。https://www.state.gov/%E4%B8%AD%E6%96%87-%E4%B8%AD%E5%9B%BD

不让中国用和不让说某种语言的人用。是两个层面的事情。

不是，大伙是真不知道吗？

美国 GOV 早就出台了政策，禁止提供服务，他们开发中文是可以的，但是是真的不敢提供服务。

就是这么简单的事情，哦对了，曾经有个外企大吼一声然后自己主动不提供服务的属于例外。。

@bzkmsjy #8 这个就瞎扯淡了吧。国外游戏没有简中的一大把。而且国人要求也不是中文配音，有字幕就行。

我理解模型在训练的时候就已经学到中文语料了，再单独进行屏蔽没有意义。不过除模型本身外的一些服务，比如语音输入和输出都不支持中文，也能表明人家的态度了吧。

可能因为这些公司内部都有好多华裔吧

参考 Google

@vipfts 你说呢？

@idblife #5 海外简体华人+1

另外，模型训练怎么可能漏掉简体中文这么大一个语料库呢，就算只是为了模型的智力也不可能整个扔掉嘛。
更重要的是，对于模型来说，任何语言几乎都是一样的（除了 Token 效率）。之前看 Anthropic 的论文，不同语言的同一词汇在模型的向量层面是非常临近的，对于模型来说，无论是中文还是英文，都会被投射到同一个高维语义空间，然后再使用共同的底层抽象思考，他用英文学到的知识，无需翻译就可以直接输出为中文。所以并不是说专门学中文，中文才会变好。

@catazshadow #77 来来来，那你说说，要求谷歌遵循中国法律，不搞什么黄赌毒，数据放中国，侵害哪些普通公民法律了。张嘴就来，就你是正义人士，世界公民，道德高地的圣斗士么

几乎所有的国外大模型都适配了中文 说不定哪天中国就对外开放了 总不能没有准备吧

多语言不就是顺手的事？又没啥开发成本

@lmmlwen 有链接吗？

@rootOfAdmin 还是天真

@ndxxx #10
有一批人可是在把“简化字”叫做“残体字”之后攻击裆的


@Duolingo #19 @lscho #42
是的，就是吸血，用你的数据用你的语料，之后不给你用。
切掉实体书，这就是所谓的“四库全书”是吧。

@94 #27 @lujiaosama #51
是“敌意”和“歧视”全都有。

@TimPeake #40
叫的连“爹”都不是，而是“主子”。

@catazshadow #52 @rootOfAdmin #70
baidu 可不是民族主义。

@vipfts #78
做了：文化上在客观方面阻碍了中国自己的科学技术的发展，没有发展出现代科学技术，生产力不足，中国老百姓的生活得不到改善，也一直无法在上层建筑方面影响封建主义和官僚主义，这不是伤天害理是什么？

@Cu635 每种意识形态阵营都存在不友善言论，但只要不是无脑，我觉得都有讨论空间。

港澳台甚至大陆，都有群体把「简体字」叫成「残体字」，且确实也会因此「攻击档」，其中有一定的合理性。

他们其中的一部分确实错误认为「简体字」是裆发明的，于是「为反而反」，那么你对等回击，把他们看作「低能」，也不是不行。

但也有很多人是知道「简体字」并不来源自「裆」，而他们依然会因此攻击裆部，原因是：他们由于教育经历或地区习惯，乃至审美立场，就是认为「正体字」好看好用，而「裆」虽然没有发明「简体字」但极大力度的推广了「简体字」，所以他们不满从而攻击裆并贬低「残体字」，多少也是可以理解的

中文和中国大陆的关系是? 然后怎么定义“对中文支持还挺好”?

翻译顺手的事,也不麻烦

就在美华人你知道有多少么？

连中文都不会的 AI 那不是弱智吗

繁中人群使用的产品，也可以用简中语料训练，这不冲突