大语言模型盲文翻译能力堪忧，研究揭示AI无障碍服务短板

近期发表在arXiv上的一项研究揭示了当前大语言模型在无障碍服务领域的重大局限。研究团队针对韩语与盲文之间的双向翻译任务，对多个先进LLM进行了系统评估。

令人意外的是，尽管多语言、指令调优的大模型理论上应能通过文本表示泛化到盲文处理，但实验结果显示其输出质量持续低下且极不稳定，与人类标注者的判断存在显著差异。研究人员指出，这主要源于模型缺乏对盲文特有的分词处理能力，以及韩语与盲文模式之间的对齐薄弱。

对比实验中，研究团队在同一数据集上对小型模型T5-small进行监督微调，结果在SacreBLEU、ChrF++、CER、BLEU、ROUGE-L、METEOR、CIDEr等多个标准指标上，均显著超越了零样本和提示调优的LLM基线。

这项研究不仅暴露了当前大语言模型在无障碍技术领域的系统性缺陷，也证明了适度的任务特定监督能带来显著改进。随着AI技术日益融入社会生活，确保其服务对所有人群（包括视障人士）的包容性变得愈发重要。该发现为未来开发更具包容性的人工智能系统提供了重要参考。