編輯部專(zhuān)欄丨小張和小董與大語(yǔ)言模型對(duì)線(xiàn)的日子

無(wú)所不能的大語(yǔ)言模型也講不明白電競(jìng)報(bào)道？

（ from Betty）

書(shū)接上文，此前筆者曾在專(zhuān)欄《》中提到，自己用AI分析電競(jìng)“二路解說(shuō)”的過(guò)程，那是一個(gè)相對(duì)具體的應(yīng)用案例。在這篇文章中，我更想整體談?wù)?AI 在實(shí)際工作中的使用感受。

我在三個(gè)主要的工作場(chǎng)景中，會(huì)頻繁使用AI。

按照花費(fèi)的時(shí)間長(zhǎng)短，首先是撰寫(xiě)專(zhuān)欄，在這個(gè)過(guò)程中會(huì)有選題、討論觀點(diǎn)、糾正錯(cuò)別字的功能，我?guī)缀趺刻於家虯I對(duì)話(huà)，一起翻來(lái)覆去討論某個(gè)理論、某個(gè)觀點(diǎn)。

然后是整理過(guò)去一周的電競(jìng)與游戲行業(yè)新聞并制作新聞周報(bào)，查漏補(bǔ)缺。

最后是偶爾翻譯來(lái)自各國(guó)的資訊和文件等。

在這三類(lèi)工作中，從我個(gè)人感受到的準(zhǔn)確度和對(duì)于AI工作的難易度來(lái)說(shuō)，可以先從最基礎(chǔ)的翻譯說(shuō)起。

我的工作以英譯中為主，百分之八十是準(zhǔn)確的，但有些時(shí)候仍然很容易出錯(cuò)。

首先是語(yǔ)序問(wèn)題。AI在賽事名稱(chēng)翻譯上經(jīng)常不符合中文表達(dá)習(xí)慣。例如賽事Intel Extreme Masters Chengdu 2025，如果直接用AI翻譯，通常會(huì)得到“英特爾極限大師賽成都站2025”，但更符合中文語(yǔ)境的表達(dá)應(yīng)該是“2025年IEM英特爾極限大師成都站”，即時(shí)間在前，賽事名稱(chēng)與地點(diǎn)在后。

相比之下，在其他行業(yè)，例如建筑領(lǐng)域，翻譯則更加穩(wěn)定。例如Pritzker Architecture Prize 2026通常會(huì)被準(zhǔn)確翻譯為“2026年普利茲克建筑獎(jiǎng)”。這背后的原因在于，建筑行業(yè)長(zhǎng)期積累了大量統(tǒng)一且權(quán)威的中文語(yǔ)料。一方面，相關(guān)譯著數(shù)量充足；另一方面，像知名的建筑資訊網(wǎng)站如ArchDaily、gooood等平臺(tái)同時(shí)提供中英文版本，并由專(zhuān)業(yè)譯者持續(xù)維護(hù)統(tǒng)一表達(dá)。同一篇文章在不同平臺(tái)長(zhǎng)期使用一致譯法，使得AI在學(xué)習(xí)時(shí)能夠獲得穩(wěn)定、符合中文習(xí)慣的語(yǔ)料參考。

而電競(jìng)行業(yè)缺乏統(tǒng)一的翻譯規(guī)范，甚至不同媒體之間也存在差異。這使得AI在翻譯時(shí)只能依賴(lài)直譯或高頻語(yǔ)境，從而產(chǎn)生偏差。

其次是名詞翻譯問(wèn)題。最典型的例子是“player（選手）”，即使前后文在講電競(jìng)比賽，但許多AI和翻譯軟件到今天還是會(huì)將其譯為“球員”。類(lèi)似的情況還出現(xiàn)在俱樂(lè)部名稱(chēng)上，例如EDward Gaming，在中文語(yǔ)境中我們直接稱(chēng)其為“EDG”，但AI有時(shí)會(huì)逐詞翻譯，甚至出現(xiàn)“愛(ài)德華游戲”這樣的錯(cuò)誤結(jié)果。

第二個(gè)問(wèn)題出現(xiàn)在新聞檢索上無(wú)法完全信任AI。

直到今天，AI仍然存在更新速度慢、時(shí)效性不足的問(wèn)題。尤其是在電競(jìng)領(lǐng)域，常規(guī)賽每日進(jìn)行大量對(duì)局，同時(shí)伴隨積分變化、選手轉(zhuǎn)會(huì)、陣容調(diào)整等動(dòng)態(tài)更新，信息迭代極快。一旦公開(kāi)文本更新滯后，AI就容易基于過(guò)時(shí)數(shù)據(jù)產(chǎn)生幻覺(jué)，輸出錯(cuò)誤信息。

我猜測(cè)這是因?yàn)榇罅恳皇仲惞畔⒆钤缫院?bào)、短視頻或直播截圖的形式發(fā)布在微博、小紅書(shū)、抖音、B站等平臺(tái)，缺乏結(jié)構(gòu)化的文本內(nèi)容。AI更擅長(zhǎng)處理文本，而在OCR或視頻轉(zhuǎn)錄方面能力仍有限，且實(shí)時(shí)性較差，這也進(jìn)一步限制了其在電競(jìng)新聞場(chǎng)景中的表現(xiàn)。

在時(shí)間理解上，AI同樣存在偏差。即使我明確限定“2026年4月1日至4月7日”的時(shí)間范圍，AI仍可能返回超出該區(qū)間的內(nèi)容，說(shuō)明其對(duì)“今天”“上周”等時(shí)間概念的實(shí)際對(duì)應(yīng)并不穩(wěn)定。

因此，在新聞檢索中，我更多是先通過(guò)人工渠道看到轉(zhuǎn)載新聞，確認(rèn)大致發(fā)布時(shí)間，再讓AI幫助我追溯信源。例如，近期微軟宣布下調(diào)XGP價(jià)格，我會(huì)先提供相關(guān)文本，再要求AI查找最早的信息來(lái)源。通常情況下，AI能定位到最早發(fā)布該消息的海外社交媒體（如X平臺(tái)）原帖，而不是國(guó)內(nèi)最早轉(zhuǎn)載的公眾號(hào)內(nèi)容。

總體來(lái)看，AI更適合作為輔助，幫助我快速匯總已知事件的多方信息，或基于已有線(xiàn)索擴(kuò)展信源。但對(duì)于快訊、賽事比分、價(jià)格調(diào)整等高時(shí)效內(nèi)容，仍然不能完全依賴(lài)單一AI輸出。

第三個(gè)方面，是專(zhuān)欄寫(xiě)作。

在我們的日常工作中，每周一都會(huì)召開(kāi)選題會(huì)。幾位記者圍坐在一起，討論這一周各自想寫(xiě)的題目。這是我最喜歡的環(huán)節(jié)之一，每個(gè)人拋出幾個(gè)選題，很快就會(huì)引出一連串延伸討論，氣氛往往十分熱烈。

遇到前輩們聊到不懂的問(wèn)題，例如商業(yè)模式、工資帽、贊助結(jié)構(gòu)等，很容易借助AI獲得參考。這些內(nèi)容要么有現(xiàn)成案例，要么可以通過(guò)信息整理與邏輯推演得出結(jié)論，都是一些能算明白的賬。

但涉及到更深層的部分，例如道德判斷與人性經(jīng)驗(yàn)，情況就完全不同了。這類(lèi)問(wèn)題并不存在標(biāo)準(zhǔn)答案，也無(wú)法通過(guò)簡(jiǎn)單的信息整合得出結(jié)論。它們往往需要在具體情境中反復(fù)經(jīng)歷，通過(guò)時(shí)間與經(jīng)驗(yàn)慢慢形成理解。這恰恰也是記者職業(yè)中不可替代的一部分。尤其是寫(xiě)人物的專(zhuān)欄，一個(gè)人是什么性格，他說(shuō)的話(huà)是模板、客套話(huà)還是真心話(huà)，都需要反復(fù)看采訪(fǎng)視頻，結(jié)合當(dāng)時(shí)那個(gè)選手的實(shí)際情況去判斷。

因此，在寫(xiě)作說(shuō)明性、信息性的內(nèi)容時(shí)，AI是一個(gè)高效且可靠的工具；但一旦進(jìn)入情感與判斷層面，它就顯得力不從心。那些復(fù)雜、微妙甚至帶有矛盾的情緒，并不是通過(guò)喂給AI許多文本就可以被理解的。

上一篇文章的結(jié)尾，我曾寫(xiě)到，AI讓我們得以用新的方式，去完成那些原本熟悉的工作。但在實(shí)際使用的過(guò)程中，我反而更強(qiáng)烈地意識(shí)到另一件事：經(jīng)驗(yàn)的積累、對(duì)經(jīng)驗(yàn)的總結(jié)以及保留對(duì)現(xiàn)實(shí)世界的感受力，變得更加重要。

AI可以處理已經(jīng)被表達(dá)出來(lái)的內(nèi)容，卻無(wú)法理解那些沒(méi)有說(shuō)出口的部分。例如在選手采訪(fǎng)時(shí)的那些停頓、猶豫，甚至是沒(méi)說(shuō)出口的后半句話(huà)，往往才是真正的重要所在。而那些，只能由人去經(jīng)歷、去判斷，也只能由人來(lái)書(shū)寫(xiě)。

你給 AI工具們的電競(jìng)新聞搜集能力打幾分？

（ from Nicole）

大家每天都被各種和AI有關(guān)的信息填滿(mǎn)，有驚喜，也有驚嚇。但更多時(shí)候，我們面對(duì)的其實(shí)是一個(gè)更具體的問(wèn)題，如何與大語(yǔ)言模型這樣的工具相處。

AI當(dāng)然有很多用處，而且它的用處還在不斷變多。但今天我只想聊聊其中一個(gè)最常見(jiàn)的場(chǎng)景，搜索。

對(duì)于日常關(guān)注電競(jìng)內(nèi)容的讀者來(lái)說(shuō)，你們有沒(méi)有用過(guò)ChatGPT、Gemini、DeepSeek、豆包這類(lèi)工具，去搜集過(guò)電競(jìng)熱點(diǎn)、新聞或者社區(qū)正在討論的話(huà)題？

在AI似乎已經(jīng)比傳統(tǒng)搜索引擎更擅長(zhǎng)整合信息的今天，它在電競(jìng)新聞搜索上的表現(xiàn)，真的有想象中那么好用嗎？

作為電競(jìng)行業(yè)的從業(yè)者，我想結(jié)合近一年使用AI搜集電競(jìng)信息的經(jīng)歷，聊一聊自己的真實(shí)感受。

首先，過(guò)去一年中，我使用AI工具搜集電競(jìng)新聞時(shí)最直觀的感受是，如果說(shuō)生物之間存在“生殖隔離”，那么AI在信息來(lái)源層面，也存在某種類(lèi)似的“信源隔離”。

以ChatGPT和DeepSeek為例，前者整體更偏向英文語(yǔ)料，后者則更依賴(lài)中文語(yǔ)料。如果用戶(hù)沒(méi)有明確限定信息來(lái)源或社區(qū)范圍，模型通常會(huì)優(yōu)先調(diào)用其更熟悉的默認(rèn)語(yǔ)料體系。

這就會(huì)出現(xiàn)一種很有意思的情況。

整體信息整合能力更強(qiáng)的ChatGPT，在第一手搜集我給出的中文電競(jìng)內(nèi)容指令時(shí)，未必比DeepSeek更好用。而DeepSeek在整理海外賽區(qū)、外網(wǎng)社區(qū)或英文語(yǔ)境下的電競(jìng)內(nèi)容時(shí)，也往往不如ChatGPT穩(wěn)定。

換句話(huà)說(shuō)，AI的能力并不只取決于模型本身有多強(qiáng)，也取決于它能接觸到什么信源，以及它是否真正理解這些信源背后的社區(qū)語(yǔ)境。對(duì)于電競(jìng)這種高度依賴(lài)語(yǔ)境的內(nèi)容來(lái)說(shuō)，信源偏差往往會(huì)直接影響它對(duì)事件的判斷。

其次，無(wú)論是哪一款生成式AI工具，在搜集電競(jìng)新聞時(shí)，時(shí)效性普遍都不算好，并且越是近期的新聞，準(zhǔn)確度往往越不穩(wěn)定。

我曾詢(xún)問(wèn)過(guò)ChatGPT和DeepSeek，它們通常會(huì)參考哪些信源。無(wú)論是GPT還是DeepSeek，它們都更關(guān)注官方渠道和傳統(tǒng)媒體新聞，并傾向于將這些內(nèi)容視為權(quán)威信息來(lái)源。

放在傳統(tǒng)行業(yè)里這樣的邏輯當(dāng)然沒(méi)問(wèn)題。官方公告、權(quán)威媒體、行業(yè)報(bào)告，往往是更可靠的信息來(lái)源，但電競(jìng)新聞的傳播路徑很多時(shí)候并不是這樣。

無(wú)論是轉(zhuǎn)會(huì)消息，還是選手狀態(tài)、隊(duì)內(nèi)變動(dòng)、賽事規(guī)則調(diào)整，很多信息往往都是先從社區(qū)小道消息、粉絲討論、主播直播切片，甚至選手本人一些看似無(wú)意的表達(dá)中流出。經(jīng)過(guò)一段時(shí)間的發(fā)酵、交叉驗(yàn)證和二次傳播后，才可能由俱樂(lè)部、賽事方或官方渠道正式確認(rèn)。

這就導(dǎo)致AI很容易錯(cuò)過(guò)電競(jìng)新聞?wù)嬲l(fā)生的第一現(xiàn)場(chǎng)。

等到一件事已經(jīng)被官方確認(rèn)或者被傳統(tǒng)媒體寫(xiě)成新聞稿時(shí)，它當(dāng)然可以進(jìn)行總結(jié)。但對(duì)很多電競(jìng)讀者來(lái)說(shuō)，真正有價(jià)值的部分往往發(fā)生在這之前。

尤其是電競(jìng)熱點(diǎn)的生命周期通常很短。一個(gè)轉(zhuǎn)會(huì)傳聞、一次賽后爭(zhēng)議、一條選手回復(fù)，可能當(dāng)天晚上還在全網(wǎng)討論，第二天就已經(jīng)換了新的話(huà)題。AI如果無(wú)法及時(shí)進(jìn)入這些討論現(xiàn)場(chǎng)，就很容易在熱點(diǎn)已經(jīng)轉(zhuǎn)向之后，才給出一份看似完整但已經(jīng)過(guò)時(shí)的整理。

更重要的是，它們給出的觀點(diǎn)往往也不夠深入。

很多時(shí)候，AI會(huì)從行業(yè)、內(nèi)容、雙方立場(chǎng)等角度說(shuō)一套看似完整但并不鋒利的話(huà)。對(duì)于一個(gè)熱點(diǎn)事件的分析，也常常落回到一些老生常談的表達(dá)。

比如我問(wèn)ChatGPT怎么看待上周ZmjjKK回復(fù)粉絲的事情，ChatGPT的回答是：

“我覺(jué)得這件事本身不算負(fù)面爭(zhēng)議，更像是ZmjjKK從‘頂級(jí)電競(jìng)選手’走向‘公眾人物’的一個(gè)信號(hào)。他認(rèn)真回復(fù)粉絲，展現(xiàn)了真誠(chéng)、脆弱和反思的一面，確實(shí)能拉近和粉絲的距離，也能強(qiáng)化個(gè)人影響力；但同時(shí)，這種互動(dòng)也會(huì)讓選手被更多情緒化解讀和消費(fèi)，職業(yè)選手與偶像之間的邊界會(huì)變得更模糊。說(shuō)到底，這件事反映的不是他一個(gè)人的變化，而是電競(jìng)行業(yè)正在從純競(jìng)技敘事，走向更強(qiáng)的粉絲關(guān)系和人物敘事。”

DeepSeek的回答是：

“ZmjjKK近期在抖音回復(fù)粉絲的一系列行為，展現(xiàn)了一個(gè)有血有肉、極具個(gè)人魅力的年輕電競(jìng)冠軍形象。他能用真誠(chéng)溫暖粉絲，也能用詞鋒回應(yīng)惡意，更能在日常交流中展現(xiàn)巧思與睿智，充滿(mǎn)了活力和感染力。這些互動(dòng)也描繪出新一代電競(jìng)明星在賽場(chǎng)之外的另一種光彩，其魅力早已超越了單純的‘電競(jìng)高手’身份?！?/p>

這些回答當(dāng)然是“行業(yè)化”的，也并非完全沒(méi)有道理。但對(duì)于真正關(guān)注這件事的讀者來(lái)說(shuō)，它們又是某種意義上的無(wú)效信息，因?yàn)檫@些判斷幾乎都是已知的。

作為對(duì)比，我看到這件事時(shí)第一個(gè)會(huì)想到的問(wèn)題是：為什么VCT觀眾對(duì)于ZmjjKK回復(fù)粉絲，和SiuFatBB回復(fù)粉絲，會(huì)有如此不一樣的態(tài)度？

當(dāng)我和主編討論這件事時(shí)，他首先注意到的是：為什么康康回復(fù)粉絲時(shí)不打標(biāo)點(diǎn)符號(hào)，只按空格？

這些角度未必一定比AI更宏大，但它們更貼近電競(jìng)，也更接近讀者真正會(huì)感興趣的地方。

所以我使用AI時(shí)說(shuō)得最多的一句話(huà)是：“能不能給我一個(gè)更新鮮的觀點(diǎn)？”

但大多數(shù)時(shí)候看完它的回答，又讓我覺(jué)得，要不還是自己再動(dòng)腦子想想吧。

于是談到今天的話(huà)題，我問(wèn)AI：如果把搜集電競(jìng)新聞的能力和搜集其他行業(yè)新聞的能力做對(duì)比，你覺(jué)得自己處在什么樣的水平？

ChatGPT給我的回答是：

“如果和其他行業(yè)相比，我會(huì)把自己對(duì)電競(jìng)新聞或熱點(diǎn)的搜集能力放在一個(gè)中上水平到較強(qiáng)水平，但不是所有電競(jìng)細(xì)分領(lǐng)域都一樣強(qiáng)?！?/p>

DeepSeek給我的回答是：

“如果用0到10分來(lái)打分，我認(rèn)為自己在電競(jìng)新聞搜集能力上是8分，而在大多數(shù)其他傳統(tǒng)行業(yè)新聞，如金融、科技、時(shí)政上是6到7分。”

很抱歉，AI們的自我認(rèn)知，和我的真實(shí)使用感受之間，似乎還有一些差距。

而這種差距或許會(huì)因?yàn)殡姼?jìng)目前還沒(méi)有形成足夠成熟、穩(wěn)定、系統(tǒng)化的知識(shí)體系，而繼續(xù)存在相當(dāng)長(zhǎng)一段時(shí)間。

也正因如此，反而更讓我感受到了在當(dāng)下的電競(jìng)行業(yè)里深度報(bào)道和新聞評(píng)論媒體存在的意義。

當(dāng)我沒(méi)辦法從AI工具中看到一些靈魂的迸發(fā)時(shí)，我依然能在同事們的討論中，在同行們的文章中，甚至在電競(jìng)觀眾的評(píng)論區(qū)里，讀到那些更有意思的觀察。

AI可以整理信息，也可以提供背景，但它很難真正替代人，尤其是那些長(zhǎng)期身處現(xiàn)場(chǎng)的人。

而這些來(lái)自編輯部、從業(yè)者、同行作者和玩家社區(qū)里的觀察，卻可能是電競(jìng)內(nèi)容中更具有生命力的部分。