我花了500多小时标注LLM输出、评定AI翻译质量，并为主要AI实验室做RLHF（基于人类反馈的强化学习）。这不是理论文章——我坐在真实的输出面前，点击真实的"哪个更好"按钮，并撰写了帮助这些模型改进的评论。
AI翻译真正擅长的地方
大批量的通用内容。如果你需要将100,000字的电商产品描述翻译成越南语，一个经过良好提示且有人工后期编辑的LLM比单独工作的人更快更便宜。这是真实存在的，忽视这一点的译者正在犯错误。
在大型数据集上保持术语一致性是另一个真实的优势。有了正确的系统提示和术语注入，现代模型保持术语一致性的能力优于疲惫的人类译者在一天工作的第六小时。
AI悄悄失败的地方
医疗和法律精确性。在RLHF会话中，我审查了数百份AI生成的医疗翻译。这些错误并不戏剧化——它们很微妙。模型会自信地将"unremarkable"翻译成主观美学判断，而不是意为"正常"的临床术语。
模型以流利的方式犯错。那是危险的错误方式。
文化细微差别和语域。越南语有复杂的敬语系统——代词的选择改变了文本中暗示的整个关系。AI模型默认使用中性语域，错过了越南语母语读者立即能注意到的社会信号。
RLHF教会我的东西
标注工作揭示了一个有趣的现象：当人类反馈具体且有语境时，模型改进最快。我给出的最好反馈不是"选项A更准确"，而是："选项A对越南ICU护士受众使用了正确的临床语域；选项B适用于患者信息手册。"这种具体性正是区分专业译者输入与双语者输入的地方。
我不担心
我做的AI无法替代的工作：理解客户语境、知道何时验证术语、发现细微医疗错误、为特定受众调整语域、对输出承担专业责任。未来不是AI对抗人类，而是AI辅助的人类为理解差异的客户做更好的工作。
