Avoid matching named aliases against ordinary lowercase words

2026-10-08 08:55:13 +08:00
parent dd5a99dc23
commit 3ca7e09b71
4 changed files with 32 additions and 3 deletions
@@ -71,3 +71,5 @@ OCR、扫描页图文提取、版面中间结构与可点击目录的后续大
 追加验证：两本书完整模式共 6,782 个单元，原文格式往返失败 0、新增结构问题 0。《House of Huawei》的 Part I／II／III 只有编号，没有副标题，原绑定算法去掉编号后得到空标题，导致未绑定；现允许明确的 h1–h6 纯编号标题匹配，同文字的普通段落仍不匹配。目录和正文复用同一译文，并将“第一部分”规范为“第一部”。累计 51 项测试通过。

 术语复核发现，Sun Microsystems／David Sun、Fuji Bank／Fuji TV、Kazuo Noda／Yoshihiko Noda 分别共享 Sun、Fuji、Noda 短别名。现保留各完整名称及其译名，同时从双方删除歧义短别名，并持久化禁止再次自动加入这些别名。裸姓氏留给模型按上下文消歧，明确全名仍做术语校验。累计 52 项测试通过。House of Huawei 新绑定去掉了 3 个重复的独立 Part 导航标签，完整清单为 2,837 单元；缓存迁移核对了旧源摘要及已扫描批次文字完全相同后保留扫描进度。
+
+全文运行发现 WHO/who、Jobs/jobs、Arm/arm 被忽略大小写规则混淆，会对普通代词、就业或分部描述强制套用机构／人物译名。单个带大写字母的 Latin 名称标记现按大小写匹配，完整短语和普通术语继续兼容大小写；匹配策略加入缓存指纹版本。累计 54 项测试通过。两书共 17 个疑似受旧规则影响的单元被重新加入翻译队列，其余已验证缓存迁移到新规则。