AI 寫的繁體中文為什麼會混進簡體字

大模型產出繁體的機制

目前主流大模型在處理中文時，底層的訓練資料以簡體中文佔大宗。這代表模型在「學會」中文的過程中，主要接觸的是簡體字形與簡體語料。當使用者要求繁體中文輸出時，模型做的事情不是「用繁體思考」，而是在生成之後進行一次字形映射——把簡體字形轉換成對應的繁體字形。

這個過程本身就不穩定。映射依賴的是模型內化的一套對照表，而非一套有明確規則的轉換引擎。當模型對某個字的映射信心不足，或上下文沒有提供足夠線索時，它可能直接保留簡體字形，不做轉換。

單字滲入：最常見的失敗模式

大模型混入簡體的方式，通常不是整段變成簡體，而是單字滲入。一段正確的繁體散文裡，偶爾會出現一兩個簡體字形，像是 这（對應「這」）、个（對應「個」）、说（對應「說」）。這種錯誤很難用肉眼掃過就發現，因為讀者的眼睛會自動補全。

真正的簡體混入很少只有一個字。一旦模型在某處滑進簡體模式，这、个、时、说、国 這些沒有繁體身分的字形會接連出現。它們是純粹的簡體字，在任何繁體辭典裡都找不到。

身分模糊的字：轉換器的陷阱

更棘手的問題不在於那些「一看就是簡體」的字，而在於那些身分模糊的字。有些字形同時是簡體字，也是獨立的繁體正字。這些字不能用「轉成繁體之後會不會變」來判斷，因為它們不需要變——它們本來就是正確的。

常見的例子包括：

• 云：簡體是 云，繁體「雲」的簡化。但「人云亦云」裡的 云 是正字，不是簡體。
• 丑：簡體是 丑，繁體「醜」的簡化。但地支的「丑」是正字，不應轉成 醜。
• 干：簡體是 干，繁體「乾」或「幹」的簡化。但天干的「干」是正字。
• 台、后、里：這些字在特定語境下是繁體正字，不能一律轉成 臺、後、裡。

如果用「這個字轉繁體之後會不會變」當判準，這些正字全部會被誤判成簡體。這是一個很常見的邏輯錯誤。

轉換器的反向問題

字形轉換的麻煩不止一個方向。以 OpenCC 為例，它的字典有時會把臺灣地區的正字映到異體字。例如：

• 床 被映到 牀
• 灶 被映到 竈
• 群 被映到 羣
• 雇 被映到 僱

在臺灣教育部《國語辭典》裡，床、灶、群、雇 都是收錄的正字。照字典判的話，這些正字反而被當成簡體處理了。這說明一件事：判斷一個字形對不對，最終要看該地區辭典收的是哪一個，不能只看轉換器的輸出。

怎麼處理這個問題

對於繁體中文網站而言，大模型產出的內容需要經過人工或工具校對。校對的重點不是「有沒有簡體字」，而是分辨三種情況：

1. 純粹的簡體字（如 这、个、说）：這些字在繁體語境裡沒有正字身分，出現就是錯。
2. 身分模糊的正字（如 云、丑、干）：需要看上下文才能判斷，不能用簡單的字形對照表處理。
3. 轉換器的過度修正（如 床 被改成 牀）：反過來，原本正確的字形被轉成異體字，也需要攔截。

本站的易錯字條目整理了一簡多繁的常見案例（例如地支的丑、天干的干），每一條附辭典出處。⚠️ 至於「轉換器把正字映到異體字」那一類（床、灶、群、雇），目前還沒有收進條目 —— 那是另一種成因，需要逐條查辭典才能定。檢測工具的設計邏輯也是圍繞這三種情況展開，而不是單純比對簡繁字形。