藏文信息技术开源生态报告

目录

第一章　执行摘要

藏文语言技术的影响，正由资料保存和语言辅助延伸到知识组织、自动问答与持续传播。 格西洛桑门朗（Geshe Lobsang Monlam）创办的Monlam藏文信息技术研究中心（Monlam Tibetan IT Research Centre，Monlam ITRC）从词典、字体等工作发展出翻译、文字识别、语音处理和Melong问答服务。使用者通过这些服务取得经过组织的释义、译文和答案。对中国涉藏主权话语而言，影响主要来自知识与服务的联动：系统选取的历史材料、术语解释和论据随答案一同呈现，特定主权解释可能通过常用入口反复出现，影响公众理解问题的起点和可见资料。^[1]

这套供给能力有长期的语言和典籍工作作为基础。2022年5月27日，达赖喇嘛出席Monlam藏文大词典发布活动，达赖喇嘛信托为支持方之一。发布记录列有223卷、200余名编纂参与者、九年建设和37个衍生应用。词典工程把分散的语言知识整理为可查询、可更新的资源，数字应用进一步延长了这些内容的使用。藏人行政中央（Central Tibetan Administration，CTA）随后通过数字图书馆项目组织机构协作，人工智能机构Wadhwani AI与Monlam ITRC参与实施，提供编目、二维码、扫描和培训。公开支持、专业编纂与机构部署由具体项目衔接起来。^[2][3]

资源生产过程体现了更广泛的专业分工。佛教数字资源中心（Buddhist Digital Resource Center，BDRC）提供馆藏、扫描件与加工规格，亚洲传承图书馆（Asian Legacy Library，ALL）提供转写资源，Dharmaduta等团队承担文本整理和图文对齐，OpenPecha组织格式与处理工具。ALL-BDRC公开资源已有79,572页图文对齐；BoCorpus按照BDRC规格形成8类文本合集，含603,325,999个字符，约6.03亿字符。这一处理将分散的典籍材料转为按统一字段组织的文本和图文记录，使检索、批量处理与模型训练能够采用同一套数字资源。^[4][5]

人员流动进一步把材料、工程和研究连接到持续交付。Ngawang Trinley从Sherabling图书馆和教学工作出发，共同创办藏语教育组织Esukhia，参与佛典翻译出版项目84000的典籍校订及BDRC数字化，随后参与Monlam AI／Mitra模型协作；Sebastian Nehrdich从BuddhaNexus互文平台开发进入MITRA翻译模型项目的技术和研究领导岗位，并于2025年赴日本东北大学（Tohoku University）任职。前者将文本校订、拼写和协作翻译经验带入数据与模型，后者将语言研究、检索和算法用于跨语种处理。专业经验因此能够跨项目积累，工具维护与资源更新也更依赖这些岗位的持续投入。^[1][2]

公共资源已有具体的模型采用链。BDRC的Yigdzin 1文字识别模型使用ALL-BDRC图文对齐及BoCorpus生成的合成页面；发布账号PaganTibet提供的训练语料ACTib采用定制分词工具Botok处理17,731,410行文本，用于KenLM统计语言模型训练和规范化候选重排序。MITRA研究又形成1,742,786组多语平行句对，支撑机器翻译和语义嵌入模型。资料经过整理、发布与复用后，其版本、切分和标注方式进入下游系统。主权相关材料进入同类训练或检索流程时，来源选择和术语处理也可能沿采用关系持续传递。^[3][4][5]

这种能力已经进入个人使用。2026年10月23日，Apple美国区列有Lobsang Monlam名下10款应用，主要包括6款词典、3款语言工具和1款文化导览，覆盖藏英、藏汉、汉藏及德藏等查询方向，并延伸至输入、语音、图像处理和文化参访。西藏基金会（The Tibet Fund）年报另记载，Monlam公共门户在2025年第四季度处理逾130万次请求，服务逾2.5万名用户。查词、翻译和问答将知识使用组织为日常操作；主权相关解释若通过这些入口被引用、翻译和再创作，其传播可在持续使用中反复发生。^[6][7]

机构使用则把技术嵌入更稳定的工作流程。数字图书馆首年在20家宗教与文化机构开展培训，为2,000个书架和70,000部母本集成二维码；2026年3月的第三届联盟会议有54名代表，来自49家项目参与机构。目录、标识、扫描文件和工作人员的操作由此建立对应关系，资源组织方式进入文献入库、查找和日常维护。平台的影响也就从单次查询延伸至机构长期采用的分类、目录及操作规则，后续内容更新和系统转换都要衔接这些既有关系。^[1][2]

项目经费、基金会资助、私人支持和专业工时共同维持这条供给链。截至2026年10月23日，美国政府的三项相关合作协议分别由社会与资源发展基金、Wadhwani人工智能基金会和西藏基金会承接，累计联邦支付义务合计11,715,600美元，其中西藏基金会协议占74.06%；其项下Monlam慈善信托两笔次级资助报送合计377,916美元。资金沿协议、受款方和执行项目汇聚，再用于具体建设与人员安排。数字图书馆在资金短缺期间曾由私人资助者Alessia Bulgari承担一年员工工资，显示持续更新和用户支持需要后续经费接续。语言专家、工程人员、资料加工和日常维护共同决定服务能够持续提供的范围。^[3][4]

围绕涉藏议题构建100题评测集，对四组模型开展1,200条三语问答评测。 题集覆盖主权与历史地位、社会事件与流亡政治、活佛转世与宗教政治、人权教育与文化政策、边界与外部介入五类议题，每类20题，分别以中文、英文和藏文向Monlam Melong、DeepSeek、豆包（Doubao）及Google Gemini提问。^[5]对获得的模型回复按提问语种开展BERTopic主题建模，提取代表词、识别主题聚类及其关联，再结合同题答复和引文内容，比较不同模型的历史叙述、语言表达与论据使用。^[6][7]

主权话语风险在实际答案中已有可观察的表现。 题库POL-02的中文答复呈现不同的历史叙述起点：Melong依据所选文献，将西藏1912—1950年间的地位表述为“一个独立国家”；DeepSeek与豆包（Doubao）从中央管辖历史展开，Google的Gemini则按历史时期及主权概念组织回答。模型在给出答案的同时，把资料选择、概念界定和历史判断一并呈现给用户。当这种整合后的表述成为便捷的解释入口，特定主权解释可能以知识服务的形式反复出现，影响公众理解问题的起点和可见论据。^[1]

答案的形式还会影响论据如何被理解。POL-06带有“1913年的《西藏—英国条约》”这一文书名称，Melong沿用题干前提，进一步展开贸易、邮政、领事条款并引出独立国家判断。另一项统计显示，Melong的292条成功答复中有23条包含“[None]”，占7.88%，共出现76次。风险在于，条理清楚的条款叙述和引用样式与具体出处缺口同时存在，读者可能将模型生成、史料观点和已核实事实混在一起；答案继续被转述时，原有前提和论据缺口也可能一并扩散，增加后续事实澄清的成本。^[2][3]

这些问题与后台的内容选择和评价规则相联系。WeBuddhist分段问答默认最多选取80个关联片段，单片段上限8,000字符，关联资料合计上限60,000字符；程序按来源类型排序，再依次装入生成上下文。MonlamAI的BoBench则以6,123道选择题及参考答案组织语法、文学和历史评价。检索规则决定进入答案的资料，评测题目和参考答案则影响产品开发所关注的能力与表达方式。主权相关知识进入这些环节后，术语解释和材料选择有可能转为产品中的默认选项，再经训练、检索和评价被不同使用者重复采用。^[4][5]

技术成果也已进入明确的政治表达场景。2024年12月，美国国会及行政当局中国委员会（Congressional-Executive Commission on China，CECC）听证中，创办人洛桑门朗在回应叙事与人工智能问题时，谈及利用现代技术回应中国政府涉藏叙事，自述大语言模型相关资源汇集逾50,000部藏文书，并介绍在线翻译和Dalai Lama AI计划。2025年，国际声援西藏运动（International Campaign for Tibet，ICT）的颁奖活动又将223卷词典和人工智能工作列为授奖理由，同场包含涉藏政治发言。文化保存、技术创新和政治主张在这些活动中共同呈现，为主权议题的国际传播增加了表达材料与讨论入口。^[1][2]

上述环节连在一起，形成了从知识供给到公众理解的连续路径：资料组织影响主权问题的叙述起点，生成答案和引文形式影响论据的可信外观，常用工具和机构业务延长使用，公开活动则将技术成果带入更广泛的议题讨论。应对的具体对象是可检索的原始资料、清晰的引文位置、准确的多语表达、公开的处理规则和稳定的维护能力。国内已有规模化平行语料、方言语音及覆盖多种训练任务的资源，可衔接史料整理、模型开发与公共知识服务。将这些能力落实到具体问题的资料对照、答案引用和版本更新，才能把长期话语能力建立在持续可用的知识与技术供给之上。^[3][4]

1.1　主权话语风险

实际问答与公开陈述呈现出五类风险：知识起点前置、引文可信度混同、规则默认化、跨语重复传播和国际议题联动。表1-1将具体事实与潜在影响对应。

1.1.1　主权判断前置

知识来源直接影响主权问题的回答起点。 POL-02中文题中，Monlam问答服务Melong依据所选历史文献，将西藏1912—1950年间的地位表述为“一个独立国家”；同题的DeepSeek与豆包（Doubao）答复从中央管辖历史展开，Google的Gemini则按历史时期及主权概念组织回答。^[1]

自动化回答可使一种解释成为便捷的默认入口。 当用户直接使用检索、问答或翻译结果时，平台所选的史料和论述起点随答案一同呈现。

风险在于，带有特定立场的历史解释以知识服务的形式被持续调用，影响公众区分史实、作者观点和主权判断。

1.1.2　可信形式与出处缺口

条款化叙述可能放大题干中的文书前提。 POL-06带有“1913年的《西藏—英国条约》”这一名称，Melong沿用该前提，扩展贸易、邮政及领事条款，并引出独立国家判断。英国外交部1920年《Tibet》手册则记载，西姆拉谈判始于1913年10月，草案于1914年4月草签。文书名称、时间和历史判断在答案中的组合，直接影响主权论据的呈现。^[1][2]

引用样式与完整出处是两个具体的信息要素。 Melong的292条成功答复中，23条含“[None]”，占7.88%，共出现76次。主权相关答案若被继续转述，出处缺口和题干扩展也可能随之传播，增加事实辨识与纠正的成本。^[3]

1.1.3　传播与政治倡议联动

技术应用已被公开用于叙事表达。 2024年12月，美国国会及行政当局中国委员会（Congressional-Executive Commission on China，CECC）听证中，创办人格西洛桑门朗（Geshe Lobsang Monlam）在回应叙事与人工智能问题时，谈及利用现代技术回应中国政府涉藏叙事，自述大语言模型相关资源汇集逾50,000部藏文书，并介绍在线翻译及Dalai Lama AI计划。^[4]

文化与技术成果增加了国际传播的表达材料。 涉藏倡议组织国际声援西藏运动（International Campaign for Tibet，ICT）的2025年颁奖活动将223卷词典和人工智能工作列为授奖理由，同场包含涉藏政治发言。由这些公开活动看，语言文化保存、技术创新和政治主张能够在同一传播场合相互关联，主权议题因而获得更多文化及技术叙述入口。^[5]

五类风险共同指向一个问题：公众从何处取得材料、采用何种术语、依据什么形成主权判断。技术生态通过知识与服务的持续供给参与这一过程。

1.2　风险传导机制

风险沿“材料选取—处理规则—模型答案—多语使用”传递。馆藏与语言人员提供基础材料，工具和模型形成可调用的结果，产品及机构应用把这些结果接入日常使用。

Monlam藏文信息技术研究中心（Monlam Tibetan IT Research Centre，Monlam ITRC）开展词典、语言技术和产品开发；藏人行政中央（Central Tibetan Administration，CTA）组织数字图书馆实施。资源机构、开发团队及高校研究者通过具体项目参与协作，分别提供材料、加工、模型和运营支持。^[1][2]

1.2.1　材料进入回答流程

检索配置决定进入模型的材料组合。 WeBuddhist的分段问答读取文本资料接口，默认最多选取80个关联片段，单片段上限8,000字符，总量上限60,000字符；程序按来源类型排序，同类保持接口顺序，再依次截取。历史材料进入这类流程时，来源范围、排序和截取共同影响回答依据。^[3]

专业机构分工影响公共资料的供给。 佛教数字资源中心（Buddhist Digital Resource Center，BDRC）提供馆藏和加工规格，Esukhia积累语言人员与典籍文本，OpenPecha维护文本工具，Dharmaduta组织加工及开发。材料的版本、结构与释义，经这些环节转为后续产品可使用的资源。^[4][5][6]

1.2.2　资源与规则复用

公共资源已有明确的训练采用。 Yigdzin 1文字识别模型采用亚洲传承图书馆（Asian Legacy Library，ALL）与BDRC的图文对齐资源，以及BoCorpus文本合集生成的合成页面；训练语料ACTib的17,731,410行文本采用定制分词工具Botok，并用于KenLM统计语言模型训练和候选重排序。上述链路体现了资源与加工规则向下游复用的方式。^[1][2]

术语和评价选择可随采用延伸。 BoBench以6,123道选择题覆盖语法、文学和历史，文学专家Ju Tenkyon同时担任Monlam大词典框架主编。词条、释义与参考答案进入产品后，会影响查询、评分和后续材料组织；主权相关知识一旦进入这些环节，其表达差异可能随复用持续出现。^[3][4]

1.2.3　常用服务延长传播

多种语言工具提供反复使用的入口。 同一卖方名下的10款iOS应用包括6款词典、3款语言工具和1款文化导览，连接藏英、藏汉、汉藏及德藏等使用场景。查词、翻译、输入与课程服务，使知识和术语的作用延伸至日常阅读及表达。^[1][2]

机构部署把数字资源接入持续业务。 藏文图书馆管理系统（Tibetan Library Management System，TLMS）连接目录、二维码和扫描文件，培训又把技术配套到人员操作。主权相关材料若通过这些资源与产品进入查询和转述，影响会同时涉及内容来源、语言转换和传播渠道。^[3][4]

1.2.4　协作与投入支撑

跨机构人才承担知识与工具的接续。 Ngawang Trinley从图书馆、教学和Esukhia工作进入典籍校订、BDRC数字化及Monlam AI／Mitra协作；Sebastian Nehrdich连接互文平台、翻译模型和日本东北大学的研究岗位。人员流动使文本、模型与产品之间的联系持续运转。^[1][2]

项目资金维持资源加工与服务运行。 社会与资源发展基金（Social and Resource Development Fund，SARD）、Wadhwani人工智能基金会及西藏基金会（The Tibet Fund）分别承接合作协议。基金会、专业工时和私人支持又补充研发与维护投入，持续供给能力因而与人员和资金安排相联系。^{[3][4][5][6][7]}

1.3　生态能力规模

数据、产品和资金分别体现可供给的知识材料、实际使用入口和持续投入。以下指标概括主要能力，资产与产品明细见第2.3节，资金历史见第2.4节。

1.3.1　公共资源供给

文本、图文、语音和跨语资源形成配套。 公开资产同时服务材料保存、识别、翻译与检索；其中图文对齐和文本合集已经进入具体模型。

资源供给也在持续扩展。 BDRC开放数据计划安排将数百万页文献加工为数万份标准化电子文本，面向人工智能开发者发布。资源的规模化生产，使版本、选材和处理规则的影响随下游采用延伸。^[8]

1.3.2　产品与用户触达

个人工具和机构系统形成不同的使用网络。 移动应用承担查询与表达，门户承担在线请求，学习平台连接活动与阅读，馆藏系统连接具体机构。

使用规模为内容持续触达提供实际入口。 当历史解释、术语和引文通过这些服务被查询、翻译或再创作时，主权相关内容可以跨平台和跨语言延续。内容来源及解释方式因此需要与用户服务一并治理。

1.3.3　资金与运行接续

资金按项目汇聚，并继续进入执行机构。 三项合作协议分别对应受款主体与实施任务，Monlam慈善信托获得主协议下的次级资助。

建设投入和后续维护共同决定服务接续。 藏文批处理工具pybo的投入包括22,000美元启动资助、两名专业人员六个月的数据整理和训练材料支持。语言知识、工程维护及持续资金，都是资源长期更新所需的条件。^[3]

1.4　应对优先事项

主权话语能力建设应同时覆盖知识来源、回答依据和公共服务。优先形成可检索的原始资料、可追溯的多语答案及可持续的技术供给，使史料观点、文书事实与模型生成内容清楚对应。

1.4.1　知识与引文建设

以原始资料支撑主权议题的事实表达。 POL-02与POL-06显示，史料起点、文书名称和年代会直接进入答案。公共知识服务应把多来源材料、原文位置和历史语境连接到具体论据，便于读者追溯与比较。^[4][5][6]

以多语资源和清晰引用改善使用。 问答、翻译和检索可共同提供来源定位与语种选择，使事实说明在不同语言中保持对应。国内已有平行语料、方言语音及多任务评测资源，可衔接知识整理和产品服务。^[1][2]

1.4.2　服务与维护能力

公共资料需要长期供给和可迁移的技术实现。 文献、标注、目录和引文关系应随版本更新保留；开放转换工具和可替换接口有助于持续使用，专业人员与维护经费保障更新接续。^[3][4]

将主权知识建设与实际服务连在一起。 应对重点从单次内容说明延伸到资料组织、默认规则、模型回答和跨语使用；完整史料、透明引文和稳定服务共同支撑长期话语能力。第二章展开生态资源与资金，第三章分析具体风险，第四章对应提出建设措施。

第二章　生态格局与资源基础

技术供给由馆藏、语言专家、开发团队和高校研究者协同形成，产品扩展又依靠项目资金及持续维护。发展历程解释能力的来源，组织与人才解释协作如何发生，平台与数据呈现实际交付，资金安排说明这些交付如何延续。

2.1　技术演进

典籍加工提供了语言人员、标准化文本和工具，模型研发将这些积累转为翻译与识别，机构部署再把产品纳入馆藏和培训。沿“人才与文本—工具与模型—产品与机构”的关系，可以看到能力扩展的具体来源。

2.1.1　语言与文本积累

Esukhia 从教师培训和译者协作积累语言人员。 Esukhia 是开展藏语教育、翻译协作和数字资源建设的非营利组织。其机构沿革记载，2009 年开展 Bridge 译者与藏文教师结对项目，2011—2012 年开展在线藏语教学，并参照欧洲语言共同参考框架（Common European Framework of Reference for Languages，CEFR）探索能力分级；2013—2014 年培训约 60 名教师，2015—2017 年团队规模约为 60 人。^[1]

典籍加工将专业经验沉淀为可交接的文本资产。 84000（Translating the Words of the Buddha）是佛典翻译与公开出版项目；《康珠尔》主要收录佛陀言教，《丹珠尔》主要收录相关论著。Esukhia 参与两类典籍数字化，积累了录入、校对、页册对应和版本管理经验，其佛典技术团队随后发展为 OpenPecha。OpenPecha 承担文本组织格式与加工工具建设，佛教数字资源中心（Buddhist Digital Resource Center，BDRC）提供扫描件、目录和数字保存资源。^{[1][2][3][4][5]}

Monlam 从字体和词典业务扩展至人工智能。 Monlam 藏文信息技术研究中心（Monlam Tibetan IT Research Centre，Monlam ITRC）由格西洛桑门朗（Geshe Lobsang Monlam）创办，机构自述成立于 2012 年，业务由字体、词典扩展至人工智能；MonlamAI 是其人工智能品牌及相关公开发布标识。^[6][7][8]

兰炯耶谢学院（Rangjung Yeshe Institute，RYI）的会议简介记载，Ngawang Trinley 于 2009 年共同创办 Esukhia，参与 84000 所用德格《康珠尔》数字版校订，担任 BDRC 数字化项目经理，并参与 Monlam AI 及 Mitra 翻译模型项目工作。^[1][2]

2.1.2　词典与工具建设

基础工具使处理规则复用。 OpenPecha 格式（OpenPecha Format，OPF）将底本文本与分页、注释等信息分层组织；Botok 处理藏文分词和词性，pybo 提供批处理能力，pyewts 连接藏文 Unicode 编码与扩展 Wylie 转写。^{[3][4][5][6][7][8]}

大词典将集中编纂成果扩展为多种数字服务。 2022 年 5 月 27 日，Monlam 藏文大词典在达兰萨拉发布。达赖喇嘛办公室的发布记录载明，该项目获达赖喇嘛信托（Dalai Lama Trust）支持，由 200 余人历时九年编纂，共 223 卷，并衍生 37 个应用和持续更新的网站。词条数量在该办公室原页中记为 20 万以上，在藏人行政中央同日发布记录中记为 39.5 万以上。^[9][10]

工具迭代将文本处理与集中存储连接起来。 2025 年 10 月 29 日发布的 openpecha 2.5.0 版本采用独立式文本标注模型（Stand-off Text Annotation Model，STAM），将正文与标注分离；项目说明将 Firebase 云服务用于存储和访问，同时提供序列化与导出功能。^[3][4][5]

2.1.3　模型与机构应用

藏文资源与外部科研能力形成互补。 Monlam AI 的技术介绍记载，Sebastian Nehrdich 在 Kurt Keutzer 指导下，于加州大学伯克利分校人工智能研究实验室（Berkeley Artificial Intelligence Research，BAIR）开展机器翻译研发，由 Monlam 提供数据。^[1][2][3][4]

集中发布将研发成果转化为面向用户的功能组合。 2023 年 11 月 3 日，Monlam ITRC 公开发布机器翻译、光学字符识别（Optical Character Recognition，OCR）、语音识别（Speech-to-Text，STT）和语音合成（Text-to-Speech，TTS）四类功能。西藏基金会（The Tibet Fund）2023 年报记载，相关工作得到谷歌（Google）、加州大学伯克利分校和汉堡大学专家协作，并有来自印度高校和寺院的 320 余名藏人参与兼职工作；发布活动的 Facebook 直播观众超过 4 万人。^[5][6][7][8]

数字图书馆将相关技术接入机构工作流程。 藏人行政中央（Central Tibetan Administration，CTA）是设于达兰萨拉的流亡政治与行政机构，其宗教与文化部负责项目中的机构协调，人工智能机构 Wadhwani AI 与 Monlam ITRC 参与技术实施。2024 年项目首年公告记载，在 20 家宗教与文化机构开展培训，为 2,000 个书架和 70,000 部母本完成二维码集成。2026 年 3 月第三届联盟会议报道记载49家项目参与机构的54名代表参会。^[1][2][3]

藏文图书馆管理系统（Tibetan Library Management System，TLMS）把目录、扫描、二维码和馆藏业务连接起来。2025 年 6 月，CTA 宗教与文化部与 Monlam ITRC 共同组织目录分类专家会议，审议由 Monlam 提出的框架。^[4][5]

Melong.ai 在识别与翻译之外增加问答和推理功能。 2025 年 11 月 Monlam Manifestation 发布活动报道介绍了 Melong.ai 问答平台及其 Monlam Think 推理功能、Monlam Bodyig-4 字体和大词典应用。报道转述的机构内测结果包括约 1,500 道题的 73% 正确率、印度中央中等教育委员会（Central Board of Secondary Education，CBSE）12 年级藏文考试的 71% 得分；发布方同时介绍了约 13 万词元上下文和 140 种语言支持。^[6]

2.1.4　投入与公开展示

现金、专业工时和数据整理共同支撑研发。 pybo 项目说明列明，钦哲基金会（Khyentse Foundation）提供 22,000 美元启动资助，BDRC 提供两名人员参与六个月的数据整理，Barom／Esukhia 典籍项目支持训练数据整理。^[7][8][9]

多年期项目为跨机构建设提供组织和资金框架。 美国国际开发署（United States Agency for International Development，USAID）资助的“增强藏人社区文化韧性”（Strengthening Cultural Resilience of Tibetan Communities）项目于 2023 年启动，为期三年，数字图书馆是其重要内容。西藏基金会 2024 年审计报告另列“南亚藏人社区自立与韧性计划”（Program for Self-Reliance and Resilience of Tibetan Communities in South Asia），协议编号 72038624CA00006，期限为 2024 年 10 月至 2029 年 9 月，协议金额 3,000 万美元。该协议于 2025 年 1 月 28 日暂停，同年 7 月 1 日获准恢复。^[1][2][3]

私人支持承担了资助中断期间的人员成本。 2026 年 3 月联盟会议报道记载，美国资助中断期间，意大利私人资助者 Alessia Bulgari 承担了项目员工一年的工资。^[4][5]

技术成果成为涉藏政治倡议的展示内容。 2024 年 12 月 5 日，洛桑门朗参加美国国会及行政当局中国委员会（Congressional-Executive Commission on China，CECC）听证，在书面陈述中将语言技术与涉藏政治叙事相联系。国际声援西藏运动（International Campaign for Tibet，ICT）于 2025 年 10 月在柏林向其颁奖，主办方报道将词典和人工智能工作列为授奖理由。^[6][7][8][9]

2.1.5　开放训练资源

公开资产已覆盖词典、图像转写和大规模文本三个层次。 2022 年发布的 Monlam 大词典为 223 卷，并衍生 37 个应用。截至2026年10月23日，MonlamAI 数据集 OCR-Dergetenjur 列有 845,118 条图像与转写记录；OpenPecha 发布的 BoCorpus 数据卡列有 8 类合集、1,039 条记录、603,325,999 个字符，约为 6.03 亿字符。^[1][2][3][4]

数据生产形成资源机构、加工团队和资助方的明确分工。 BoCorpus 数据卡记载，语料由 Dharmaduta 按照 BDRC 的规格制作，并获钦哲基金会支持。^[3][5]

后续计划继续扩大机器可读文本的生产规模。 BDRC 于 2026 年 2 月 28 日公告，获钦哲基金会支持的开放佛教数据集计划已于 2025 年 12 月启动，由技术负责人 Élie Roux 主持，资助安排延续至 2027 年夏。项目目标是将数百万页文献转为机器可读格式，形成数万份标准化电子文本，并面向人工智能开发者发布。^[6][7]

典籍加工形成的专业知识，经格式和工具固化后进入模型与馆藏服务。扩展所依靠的核心资源因此包含文本、数据和跨机构人才，组织关系需要同时沿这三类要素观察。

2.2　组织与人才

资源、研发、受款与实施职责分属不同主体，跨机构人才将这些职能接到同一项目。馆藏方提供材料和规格，语言专家完成整理，开发者维护工具及接口，高校研究人员开发模型，资助与行政机构支持项目落地。

2.2.1　核心机构分工

Esukhia提供语言人才和基础文本。 Esukhia开展藏语教育、翻译协作和典籍数字化，其早期佛典技术团队后来发展为OpenPecha。^[1][2]

机构数字资源页面将BDRC列为数字化与保存合作方，将Monlam AI列为文字识别、语音和翻译合作方，并介绍Pecha、Sherab等阅读与教学平台。^[3]

OpenPecha 提供文本组织和加工基础设施。 OpenPecha 是围绕佛典数字文本建设形成的项目与公开品牌，主要维护文本格式、分词、转写、校勘和数据服务工具，使来源不同的文本能够按相对一致的结构进行处理和交换。其项目与 Esukhia 存在历史承接，与 Monlam 产品存在代码来源联系。Toolkit、Botok、pyewts 等相关代码仓库现以 Webuddhist-tech 组织名称展示。^[4][5][6]

Monlam ITRC将词典与语言资源组织为技术产品。 Monlam 藏文信息技术研究中心（Monlam Tibetan IT Research Centre，Monlam ITRC）由格西洛桑门朗（Geshe Lobsang Monlam）创办，MonlamAI 是其人工智能品牌及相关代码、模型发布标识。其产品包括大词典、机器翻译、光学字符识别、语音处理、输入法、字体和问答服务。^[7][8]

Dharmaduta把文本加工与软件开发组织到产品线。 Dharmaduta 对外展示 WeBuddhist、Sherab、Pecha AI Studio、Pecha Data & API 四条产品线，分别涉及佛典阅读与社区、在线教育、人工智能工具和数据接口。其团队介绍及数据集署名显示，文本整理和软件开发共同参与产品交付。公司页面提出将服务利润的 70% 回投社区、30% 用于持续经营。^{[1][2][3][4][5]}

运营主体与区域接续分别承担组织职能。 Dharmaduta在印度的运营主体为Dharmaduta Services LLP，登记成立于2025年5月22日，指定合伙人为Yonten Wangchuk和Kalzang Furbu。Esukhia机构沿革记载，2024年由加拿大非营利组织接续法国组织活动。^[6][7]

2.2.2　馆藏与高校合作

BDRC 连接文献馆藏与机器可读数据。 BDRC 的前身为藏传佛教资源中心（Tibetan Buddhist Resource Center，TBRC），长期从事文献保存、目录建设和数字化，其美国雇主识别号（Employer Identification Number，EIN）为 04-3491680。该机构向下游提供扫描件、书目元数据、电子文本、技术人员及加工规范，2026 年公告中的开放佛教数据计划进一步扩大面向人工智能开发者的数据供给。^[8][9]

BDRC的2024年25周年机构说明记载，自1999年以来累计保存超过3,000万页佛教文献。^[1]

BDRC／ALL-BDRC-alignments 数据卡记载 79,572 页对齐结果：亚洲传承图书馆（Asian Legacy Library，ALL）提供亚洲经典输入计划（Asian Classics Input Project，ACIP）的转写资源，结合 BDRC 等来源的扫描图像，由 Dharmaduta 完成对齐，并获钦哲基金会（Khyentse Foundation）支持。^[2]

84000 与典籍项目提供内容和校订协作。 84000（Translating the Words of the Buddha）是佛典翻译与公开出版项目，其机构沿革记载，项目由钦哲基金会孵化，2013 年成为独立慈善组织。其与 Esukhia 的合作涉及《康珠尔》《丹珠尔》等典籍数字化，与高校的合作涉及译者培养、翻译研究和编辑工作。Barom／Esukhia 典籍项目在 pybo 藏文批处理工具的说明中被列为训练数据整理支持方。^[3][4]

语言数据与科研能力互补。 Monlam 官网记载，Sebastian Nehrdich 在 Kurt Keutzer 指导下，于加州大学伯克利分校人工智能研究实验室（Berkeley Artificial Intelligence Research，BAIR）开展机器翻译研发，Monlam 提供数据。Dharmamitra 则是开展跨语种佛典语言技术研究的合作项目，其官网列出的合作方包括佛学研究与翻译支持机构 Tsadra Foundation、日本东北大学综合日本学研究中心（Center for Integrated Japanese Studies，CIJS）及伯克利 BAIR。^[5][6][7]

该团队的 MITRA 研究论文报告，梵—藏、汉—藏、梵—汉三个语言对共形成 1,742,786 组自动挖掘的平行句对，并开发机器翻译模型 MITRA-MT 和语义嵌入模型 MITRA-E。^[8]

2.2.3　核心人才流动

人才联系沿三条具体路径展开：教学与校订人员进入数字化和模型协作，高校研究人员连接互文检索与机器翻译，开发者跨项目承担词典、数据接口和终端应用工作。Nehrdich从BuddhaNexus开发转入MITRA领导及东北大学任职，TenzDelek从MonlamAI进入Webuddhist-tech；BDRC的负责人接续又把学术研究、馆藏数据和项目治理联系起来。^{[1][2][3][4][5]}

2.2.3.1　Ngawang Trinley：文本与模型

寺院图书馆和教学经历形成文本组织基础。 Ngawang Trinley在印度学习藏语及相关学科后，负责Sherabling的College of Buddhist Sciences图书馆，并承担藏语和相关课程教学。2009年共同创办Esukhia后，继续担任印度分支负责人和董事，工作涉及语言教学、翻译、转写与项目组织。^[1]

84000与BDRC把校订经验接入馆藏资源。 他参与84000所用德格《康珠尔》数字版的校对和编辑，后在BDRC担任数字化项目经理，负责扫描件与电子文本以及用户、合作机构关系。其开发和组织的工具包括实时在线协作翻译、校对软件及藏文拼写检查，分别服务译者协作、文本修订和语言规范化。^[2][1]

译者课程与模型合作继续使用同一套专业经验。 RYI讲者资料介绍，Kumarajiva Project将其沉浸式藏语课程用于译者培养；相关报告还介绍他参与Monlam AI／Mitra机器翻译和佛教大语言模型工作。^[1]

2.2.3.2　Nehrdich与Keutzer：翻译研发

语言与计算训练共同进入平台研发。 Nehrdich于2017年、2020年在汉堡大学分别取得印度学与汉学学士、佛学硕士，2025年在杜塞尔多夫大学完成计算语言学博士，由Oliver Hellwig和Kurt Keutzer共同指导。自2018年起，他负责BuddhaNexus的自然语言处理与数据库开发，该互文平台后来延续为DharmaNexus。^[3][4]

MITRA的职责调整对应学术依托的变化。 2023年起，他与伯克利BAIR的Keutzer共同参与MITRA，先任首席技术官，后任主任和首席研究员。2025年10月1日加入日本东北大学CIJS后，项目于同月27日公布新的分工：东北大学成为新的学术依托，Nehrdich负责项目领导，Keutzer转任战略顾问；2019年已参与BuddhaNexus的Hubert Dworczyński返回团队，担任高级全栈工程师。^[3][4][5]

数据成果把人员联系转为可使用的资源。 MITRA研究形成1,742,786组多语平行句对，用于翻译和语义模型；2026年10月发布的MITRA-lexicon进一步组织梵英、梵藏和梵汉六方向词典，合计218万词头条目及1,040万条引用例证，每条例证连接平行句对和字符位置。2025年11月Nehrdich加入BDRC董事会，馆藏资源与模型研究又增加了治理层的联系。^[1][2][3][4]

2.2.3.3　Élie Roux：馆藏与数据

BDRC的技术岗位连接数字馆藏与外部合作。 Roux自2017年起在BDRC设计软件和数据架构，并管理与学术机构、传统文献机构和馆藏的合作。其专业工作涉及关联开放数据、文本表示和藏文自然语言处理，已有藏文拼写检查、动词检查及文本编码工具。^[5]

同一技术经验进入翻译项目、排序规则和数据接口。 钦哲愿景项目2021年的顾问介绍列其参与关联开放数据、TEI文本编码和自动音译；2021年藏文排序工作连接BDRC、Esukhia及Apple／CLDR委员会。Pecha API工作组又以BDRC角色列其为成员，与应用开发者共同衔接文本及关联资料接口。^[5][6][7]

开放数据计划把架构能力用于规模化文献加工。 2026年BDRC公告由Roux负责开放佛教数据集计划，钦哲基金会的支持自2025年12月延续至2027年夏，目标是把数百万页文献加工为数万份标准化电子文本。其职责由保存和组织馆藏延伸至为研究者及模型开发者提供机器可读材料。^[8][5]

2.2.3.4　BDRC治理接续

创办人和早期目录人员奠定馆藏组织方法。 E. Gene Smith（1936—2010）于1999年创办TBRC。Jann Ronis于2006年以驻馆研究人员身份与Smith合作，参与早期书目提纲编制；该提纲后来成为BDRC元数据的重要模板。Ronis随后在伯克利东亚语言与文化系任教，2018年7月15日转任BDRC执行主任，接替在该机构服务17年的Jeff Wallman。^[4][5]

数字档案平台成为学术与馆藏之间的共同入口。 Ronis任内推出Buddhist Digital Archives（BUDA），扩展检索与合作机构资料连接。BDRC沿革记载，BUDA于2021年上线，采用关联开放数据组织馆藏，使扫描件、目录和相关文献可通过同一平台检索。^[5]

2026年的治理调整引入翻译、语文学和文学史经验。 5月18日获任执行主任的Gregory Forgues拥有维也纳大学博士和莱顿大学Open Philology项目研究经历，并曾在84000、钦哲基金会、Siddhartha’s Intent及Tsadra Foundation承担领导或治理工作；Dharmamitra也将其列为顾问。6月25日当选董事会主席的Gedun Rabsal曾在隆务寺、甘丹绛孜学院及瓦拉纳西藏学机构学习研究，2002年起在印第安纳大学伯明顿分校教授藏语文学，并从事文学史、翻译和期刊编辑。^[1][2][3]

2.2.3.5　Dharmaduta创始团队

文本专业组负责把文献知识转为数据内容。 官网将Tenzin Rabten、Tsering和Gade列为三名佛教数据专业联合创始人。ALL-BDRC-alignments的署名将Tenzin Rabten列入手稿识别人员，将Gade列入逐页对齐人员；该项目以ACIP转写和馆藏扫描形成79,572页图文对齐资源，由Dharmaduta加工、BDRC提供规格、钦哲基金会支持。^[4][5]

教育与管理组连接机构运营及学习产品。 Kalzang Furbu、Yonten Wangchuk和Tenzin Noryang构成教育与管理方向的三名联合创始人。Dharmaduta Services LLP于2025年5月22日成立，Kalzang Furbu与Yonten Wangchuk同时是登记资料所列的两名指定合伙人，出资义务为100,000印度卢比。^[4][6]

技术组承担跨产品的软件工作。 Tenzin Kaldan、Tashi Tsering和Tenzin Kunsang是佛教技术方向的三名联合创始人。公开项目分别将他们连接到模型及数据资源、Pecha API、词典编辑和Pecha AI Studio，技术岗位与文本岗位共同参与产品交付。^[4][7][8][9]

执行团队继续按产品配置开发者和文本人员。 2026年10月23日团队页面列43条人员记录：运营5条、WeBuddhist17条、Sherab2条、Pecha AI Studio8条、Pecha Data & API11条。WeBuddhist组含6个软件开发岗位和11个文本专业岗位，文本知识与软件实现被放入同一工作组。^[1]

2.2.3.6　开发者与产品关联

TenzDelek的任职变化伴随词典产品开发。 其公开履历列此前任职MonlamAI，现为Webuddhist-tech软件工程师SDE 2。2024年12月17日，他在OpenPecha项目中提出Monlam大词典编辑器设计，任务包括词条修改、查询和用户角色管理；kaldan007参与该议题的评阅。^[2]

Pecha API工作组把多个机构与产品的人员放在同一接口任务中。 Tashi Tsering的GitHub资料列Esukhia，其账号ta4tsering与工作组开发岗位对应，工作组主席栏也列其姓名；Tenzin Kunsang的账号tenkus47列Webuddhist、Dharmaduta、OpenPecha和Monlam，工作组中对应Pecha AI Studio。成员表另列Gabor Detari为负责人、Tenzin Tsering为开发者、Élie Roux代表BDRC、Tenzin Samten对应WeBuddhist、Tenzin Tsewang对应Pecha Data，项目共同连接Pecha API、Toolkit V2与STAM。^[3][4]

Tenzin Kaldan把语言技术协作扩展到开放知识项目。 kaldan007的GitHub资料列Esukhia，Hugging Face的Tenzin Kaldan资料链接同一账号。2025—2026年，他以Kaldan007组织藏文Wikipedia编辑及Wikisource校对项目，方案将BDRC扫描图像列为校对素材来源；Tenzin Tsewang、Gade、Choedup和Ngawang Thrinley分别参与财务与活动协调、组织及顾问支持。^[3][5]

2.2.3.7　教学与运营配套

词典知识继续进入模型评价。 Ju Tenkyon担任Monlam大词典框架主编，同时是BoBench文学领域专家，词典与文学知识由此进入题目和参考答案组织。Monlam工作坊资料还列Geshe Khenrap Gyatso承担藏文主编工作、Passang Tsering担任藏文顾问，文本专业人员参与技术课程。^[6][7][8]

教学活动为开发和标注培养人员。 2025年1月31日Sarah College活动共有21名参与者，课程涉及人工智能、文本与图像标注；2月2日DLIHE活动有28人，包括17名学生、3名教师和8名Monlam讲师及组织者，课程包括代码可读性、版本控制及真实项目协作。DLIHE同年2月院刊记载了该项软件工程实训。青年项目还提供奖学金、职业认证、导师和实习安排。^{[1][2][3][4][5]}

财务岗位也在公益机构之间流动。 Manjushri Educational Services的职业简介记载，Tenzin Lhazey于2025年4月加入，担任办公室行政与会计；此前在Monlam Charitable Trust与Bir Tibetan Society合计约五年的经历覆盖记账、审计、财务规划、收支分析，以及商品与服务税（GST）和源头扣税（TDS）申报。^[6]

2.2.4　项目实施网络

CTA 有关部门组织机构协作和业务规则建设。 藏人行政中央（Central Tibetan Administration，CTA）是设于达兰萨拉的流亡政治与行政机构。其宗教与文化部在数字图书馆项目中协调寺院和文化机构，组织培训、联盟会议及目录分类讨论；2026 年 3 月会议报道列示参会机构49家。2023 年项目启动公告将参与技术实施的 Wadhwani AI 列为主要技术承接方，将 Monlam ITRC 列为次级资助参与方。2025 年目录分类会议又组织专家审议 Monlam 提出的框架。^[7][8][9]

Wadhwani AI以人工智能研发和平台实施承接文献数字化项目。 机构由Romesh Wadhwani与Sunil Wadhwani创办，2018年启动；2026年10月官网列Shekar Sivasubramanian为机构负责人，Alpan Raval为人工智能与机器学习首席科学家。数字图书馆项目由Wadhwani AI承担主要技术工作，与Monlam ITRC协作开发数字资源库；2023年合作协议的受款方为Wadhwani Institute for Artificial Intelligence Foundation。^[2][1][3]

SARD 承担发展援助和项目协调。 社会与资源发展基金（Social and Resource Development Fund，SARD）官网记载，该组织由 CTA 于 1997 年建立，参与发展援助及项目组织，公布的外国捐款许可编号为 182450041；截至2026年10月23日，该机构人员页面列 Lobsang Tenzin 为主任。^[4]

西藏基金会与钦哲基金会将资金投入不同建设环节。 西藏基金会（The Tibet Fund）是美国非营利机构，EIN 为 13-3115145。其年报记录对 Monlam 语言资源、人工智能及发布活动的支持，审计和税务资料列示项目资助与拨付安排。钦哲基金会 EIN 为 91-2167303，其支持涉及 pybo、84000 和 BDRC 开放数据计划。^{[1][2][3][4][5]}

三项协议分别对应受款方。 公开资助记录列明，SARD 对应协议 72038623CA00005，Wadhwani Institute for Artificial Intelligence Foundation 对应协议 72038623CA00006，西藏基金会对应协议 72038624CA00006。Wadhwani AI 当前官网将其介绍为 Lords Education and Health Society（LEHS）人工智能单元的项目；2023 年资助记录则保留 Foundation 这一受款全称。^[6][7][8]

研究中心、公司和信托承载不同项目记录。 Monlam ITRC开展语言技术研发与产品发布，MonlamAI用于品牌及公开发布标识，Monlam Charitable Trust参与教育培训；商业登记另列MONLAM IT AND RESEARCH (OPC) PRIVATE LIMITED。^{[9][10][11][12]}

西藏基金会的治理与项目管理支持资金转拨。 2023年度Form 990列Robert Ankerson为主要负责人，治理机构有11名有表决权且独立的成员、5名员工和约11名志愿者；相关赠款经管理层审查、董事会预算批准及书面协议进入项目执行。^[1][2]

2.2.5　代码与发布权限

两个Monlam产品保留了OpenPecha的代码来源联系。 MonlamAI的monlamai-app-web及MonlamGrandDictionaryEditor项目说明含OpenPecha标识或代码克隆路径。^[3][4][5]

仓库、发布与部署分别对应技术资源的控制环节。 GitHub设置组织成员和仓库角色；软件产品还涉及构建、部署及云端服务配置。工具贡献、版本发布和在线服务运营由这些不同权限连接。^[6][3]

图文数据由资源方、加工方和资助方共同形成。 ALL-BDRC图文对齐项目连接扫描图像、ACIP转写、Dharmaduta加工和钦哲基金会支持；数据卡列有CC0发布声明及底本文献权利信息。^[7][8]

跨机构协作通过具体岗位、接口和资助任务落实：同一人员能把馆藏经验带入模型，同一工具能服务多个产品，同一项目能汇聚多方投入。平台和产品的实际能力，取决于这些联系最终形成的资源及可持续服务。

2.3　数据与产品

技术链由数据、加工规则、模型、后台和应用组成，表2-2归并35项技术与运营对象。公开数据的价值通过训练采用体现，工具能力通过接口和用户产品体现，个人应用与机构馆藏又形成不同的运行场景。

2.3.1　数据资产与训练用途

文献、语音和多语种文本共同构成训练材料基础。 佛教数字资源中心（Buddhist Digital Resource Center，BDRC）提供扫描、目录和电子文本等资源；Esukhia 积累典籍数字化与语言教育材料；MonlamAI 和 OpenPecha 通过代码及数据平台组织加工和发布。Esukhia 的德格版《康珠尔》《丹珠尔》数字文本连接早期典籍建设与后续校勘，图像转写和语音数据又将资源供给扩展至多模态处理。^[1][2]

采用记录对应四项具名模型或配置。 Yigdzin 1采用图文对齐与BoCorpus合成页面，ACTib文本用于字符五元KenLM，MITRA句对分别支撑MITRA-MT与MITRA-E；这四项对应文字识别、统计语言建模、机器翻译和语义嵌入。^[5][2][1]

公开发布同时提供研发与评价入口。 代码、数据文件与模型说明通过公开平台供开发者取得；BoBench和Bo-voice分别组织知识与语音测试任务，资源供给由训练材料延伸至评价工具。^[6][3][4]

加工机构将上游资源组织为可重复使用的数据产品。 BoCorpus 数据卡记载，Dharmaduta 按 BDRC 规格制作语料，钦哲基金会（Khyentse Foundation）提供支持；ALL-BDRC-alignments 将 BDRC 等来源的图像、亚洲传承图书馆（Asian Legacy Library，ALL）提供的转写资源和 Dharmaduta 的对齐加工结合起来。^[1][2]

代码与数据平台为分散生产和公开分发提供组织条件。 2026 年 10 月 23 日组织页面显示，MonlamAI 有 4,297 个公开仓库，Webuddhist-tech（原 OpenPecha 组织）有 555 个，Esukhia 有 115 个，合计 4,967 个。仓库中包含数据分片、加工脚本、模型服务和应用项目；Hugging Face 则集中提供模型文件、数据集和演示服务。^[3][4]

2.3.2　图文与语音技术

图像识别将典籍页面转化为可计算文本。 光学字符识别（Optical Character Recognition，OCR）工具群覆盖图像预处理、版面切分、字符识别和转写输出，TibetanOCR_PyTorch、OCR-Pipelines等项目组织相关工序。^[5]

书体分类为识别流程提供分流信息。 OpenPecha的uchen-ume-classifier配套数据卡列有10,961页BDRC扫描件，训练、验证和测试分别为9,110页、1,000页、851页，用于乌金体与乌梅体分类；tibetan-script-classifier设置18个识别标签，包含书体、混合书体和非藏文等辅助类别。^[6][7]

版面标注把原图、掩码和部分文献来源连接起来。 数据集列有43,251条记录，其中6,260条填写了28个不同BDRC作品编号，并列原图和掩码链接，支持版面分析与来源对应。^[1]

Yigdzin 1模型卡列明训练资源和识别测试结果。 BDRC 的 Yigdzin 1 藏文 OCR 模型约有 8 亿参数，基于 PaddleOCR-VL-1.6，数据说明列有 ALL-BDRC 图文对齐资源及 BoCorpus 合成页面。发布方在 1,070 页基准上的测试报告显示，逐页字符错误率的平均值为 6.28%，中位数为 1.42%。^[2]

语音识别与合成扩大了语言资源的输入和输出方式。 语音识别（Speech-to-Text，STT）将录音转为文本，语音合成（Text-to-Speech，TTS）将文本转为音频。stt-training-data提供音频与转写数据，pecha-tools-for-stt提供语音数据采集网页工具，Monlam AI 的发布公告与接口项目列有 STT、TTS 功能，WeBuddhist 后台任务程序则组织音频生成和队列任务。^[3][4][5][6]

2.3.3　文本与语言工具

结构化格式将作品、版本和标注组织为可交换对象。 OpenPecha 格式（OpenPecha Format，OPF）按作品、数字版本、底本文本及标注层组织典籍；Toolkit 处理创建、编辑、转换和导出，OpenPecha-Editors 提供编辑入口，Pydurma 支持校勘与异文处理。^[7][8][9]

第二代工具将文本处理与云端存储连接起来。 2025 年 10 月 29 日发布的 openpecha 2.5.0 采用独立式文本标注模型（Stand-off Text Annotation Model，STAM），将正文和标注分离，项目说明使用 Firebase 作为存储与访问后端，并提供序列化、导出等能力。^[1]

词典编辑器维护词条，字体集合与预览工具服务文字显示。 2022 年 Monlam 大词典发布记录列有 223 卷、200 余名参与者、九年建设及 37 个应用；词典编辑器连接账户、数据库和接口服务。Monlam 字体及 OpenPecha 字体集合支持网页、文档与移动端显示，Monlam Font Viewer 提供字体预览入口。^[2][3][4]

分词与语言工具将处理规则嵌入下游数据流程。 Botok 处理词边界、词元、词性和规范化词形，pybo 提供排序与批处理，pyewts 支持 Unicode 与扩展 Wylie 转写转换，dakje 提供书写辅助；Esukhia 的 bophono、sympound-python 等项目分别处理音系转写和拼写建议。^[5]

PaganTibet 的 ACTib 语言模型数据页面列有 17,731,410 行文本，项目说明介绍了采用定制 Botok 的处理版本，并将相关数据用于字符五元 KenLM 训练和文本规范化候选重排序。^[6]

2.3.4　模型与评测

跨语种模型将佛典资源转化为翻译和检索能力。 Dharmamitra 的 MITRA 研究使用多语种平行句对，开发机器翻译模型 MITRA-MT 与语义嵌入模型 MITRA-E。Monlam 官网介绍其与 Sebastian Nehrdich、Kurt Keutzer 等研究人员的机器翻译合作。^[7][8]

生成式问答和检索增强服务扩大内容组织方式。 2025 年产品发布报道介绍 Melong.ai 问答平台及其 Monlam Think 推理功能，并转述约 13 万词元上下文、140 种语言和图文输入能力。buddhist-consensus 项目的当前说明以 Webuddhist AI 为名，采用检索增强生成（Retrieval-Augmented Generation，RAG），支持混合、关键词、语义和精确匹配四类检索，使用 Milvus 保存向量索引、LangGraph 组织处理流程，并接入 Gemini 生成服务。^[1][2][3][4]

平行语料进一步形成可查询的跨语词典。 2026年10月19日发布的MITRA-lexicon研究由Nehrdich等提出，覆盖梵英、梵藏和梵汉六方向词典，合计218万词头条目及1,040万条引用例证；例证连接句对、词语及译词的字符位置，并提供网页查询入口。^[5]

公开评测将语言知识和语音任务转化为可反复使用的测试资源。 MonlamAI 的 Bo-Eval 包含 BoBench 和 Bo-voice：前者以 6,123 道题覆盖语法、文学和历史知识，后者以 8,367 组音频及转写覆盖不同语音场景。^[6][7]

2.3.5　接口与后台服务

Monlam 的网页和接口项目汇集多模态任务。 应用程序接口（Application Programming Interface，API）用于连接客户端与后台服务。monlamai-app-web 项目说明列出 Auth0 身份认证、PostgreSQL 数据库、AWS S3 对象存储及模型接口配置；monlamai-API 采用 FastAPI，组织翻译、OCR、聊天、用户和文件相关功能。^[1][2]

数据接口与助手后端承担不同的服务任务。 OpenPecha-API提供文本数据接口，PechaAPI是另一个使用FastAPI的服务端仓库；Dharmaduta的Pecha Data & API为文本接口产品线。Assistant-Agent提供助手应用后台，pecha.tools的藏英译后编辑工具组合Dharma Mitra、ChatGPT和Bing Translate接口。^[3][4][5][6]

内容平台通过专门后台组织音频和用户任务。 WeBuddhist 后端处理内容及业务接口；webuddhist-worker 当前说明通过 HTTP API 访问主后端内容和计划，使用独立 PostgreSQL 保存提醒与通知，使用Amazon简单队列服务（Simple Queue Service，SQS）排列音频及通知任务，Redis 提供幂等与缓存支持。^[7]

Matomo封装支持页面、搜索、下载和外链事件统计。 Matomo Tracker 的 React 封装说明列有页面访问、事件、站内搜索、下载和外链统计，并提供用户标识、心跳及同意配置。^[8]

2.3.6　移动产品组合

同一卖方的10款应用覆盖三类主要用途。 截至2026年10月23日，Apple美国区应用商店列有Lobsang Monlam名下的6款词典、3款语言工具和1款文化导览应用。首次发布日期跨越2016—2026年，4款应用的版本更新日期集中于2026年10月。^[1]

翻译和两款词典在Android端均列有10K+累计下载量。 2026年10月24日，Google Play将Monlam Translate、Monlam Grand Dictionary和Monlam Elementary Dictionary的累计下载量均列为10K+。^[2][3][4]

专题词典和导览应用形成另外的分发入口。 同日Google Play所列德藏词典累计下载量为5K+，Neykor为1K+，Lamdre Tsigzoe为500+，Monlam AI为10+。^[5][6][7][8]

2.3.6.1　Monlam AI：多模态工具

移动端教育应用面向日常藏文使用。 Monlam AI由同名团队开发，商店将其列为教育应用，面向学习者、研究者、创作者及日常使用藏文的用户，并提供iPhone和iPad端入口。^[4]

同名移动应用于2026年进入产品组合。 Apple美国区资料记载，该应用于2026年10月20日发布，版本为1.0.0，卖方为Lobsang Monlam。^[4]

Android版将四类语言任务集成到同一应用。 Google Play介绍列有翻译、语音转文字、文字转语音和图像文字识别：用户可录音或上传音频生成可编辑转写，从文献页面、题记等图像提取藏文，再复制、分享或收听处理结果。应用支持藏英界面切换。^[5]

机构与个人创作共用移动入口。 Android产品介绍进一步列出学生、研究者、译者、寺院和出版机构等用户。2026年10月24日，Google Play下载量显示为10+档位。图像转文字、转写和语音合成相结合，可帮助这些用户将纸本和口述材料整理为可分享的文字与音频。^[5]

2.3.6.2　Monlam Translate：藏英翻译

三类输入方式汇入藏英翻译。 Monlam Translate提供藏文与英文之间的文本翻译，同时支持语音转文字，以及从图像提取藏文的光学字符识别（OCR）。^[1]

学习与交流构成主要使用场景。 商店介绍面向语言学习、文化阅读和日常沟通用户。该应用于2024年11月3日发布，1.1.8版本于2026年10月19日更新。^[1]

Android版覆盖旅行、课堂和材料阅读。 Google Play列示的目标群体包括旅行者、学生、教育工作者和语言爱好者；使用示例包括拍摄路牌、菜单及文档，导入书页照片，以及进行藏英双语对话。2026年10月24日，该版本累计下载量处于10K+档位。拍照翻译可用于参访时理解文字说明、课堂中对照藏英表达；双语对话可辅助向英语使用者介绍藏文材料。^[2]

2.3.6.3　Monlam Keyboard：输入辅助

语言辅助直接进入用户输入过程。 Monlam Keyboard提供藏文键入、智能文本建议、自动纠错和实时修正，适用于消息、文档及社交媒体文本输入。^[3]

键盘扩展依托移动系统的输入机制。 Apple的自定义键盘开放访问由扩展配置请求，用户在系统设置中开启相应权限；安全文本输入使用系统键盘。该应用于2024年10月25日发布，0.3版本于2026年10月14日更新。^[3][4]

词形与搭配预测有助于将藏文书写带入日常交流。 开发方进一步介绍了前后缀和词语搭配预测，针对藏文叠字逐字输入的操作提供辅助，场景包括短信、邮件及社交媒体表达。这种设计可减少藏文文本输入中的操作步骤，便于用户在手机上撰写文化讲解、活动通知和个人消息。^[5]

2.3.6.4　Monlam Grand Dictionary：藏英查词

词条查询同时呈现释义与音标。 Monlam Grand Dictionary支持藏文检索、藏英词汇查询、词条浏览和收藏，商店简介列有释义与音标信息，并突出离线使用。^[6]

词库与个人查询记录主要保存在设备。 开发者政策将词典数据库、搜索历史、收藏及界面配置列为本地数据，并说明主动导出、配置同步、更新检查和语言包下载。该应用于2025年11月3日发布，2026.2.3版本于2026年10月20日更新。^[1][2]

共同编纂的词典资源通过统一查询进入移动端。 开发方介绍，词典工程有37个以上编纂团队参与，2022年第三版印刷本为223卷；2025年软件第四版在藏文词典基础上汇入多部藏英、英藏词典，提供统一检索，便于读者并列查阅藏文释义与跨语种对应词。^[3]

Android版以学习、翻译和研究为主要用途。 Google Play介绍明确列出学生、译者及研究者，并支持词语、短语和学术术语查询。2026年10月24日累计下载量显示为10K+。离线查询与词条收藏可支持课堂阅读、译稿处理和个人词汇积累。^[4][1]

2.3.6.5　藏汉词典：五万余词条

藏汉词条支持藏文阅读与学习。 Tibetan-Chinese Dictionary提供藏文至中文的词汇查询。开发者介绍列有超过50,000个检索条目，支持简体和繁体中文，面向学者、学生及藏文学习者。^[5]

内容机构与技术团队共同开发词典。 应用由Monlam藏文信息技术研究中心与International Tibetan Buddhism Study Institute合作推出，后者为商店资料列示的研究合作方。Apple美国区所列首次发布日期和1.0版本更新日期均为2018年1月31日。^[5]

已有词典的藏汉对照内容成为移动查询资源。 官方介绍将1991年出版的汉藏词典、藏英汉常用词资源，以及五语对照词典中的藏汉内容列为资料来源。中文释义与简繁体显示可帮助中文读者对照藏文词汇，为双语教学、文献阅读和文化概念解释提供查词入口。^[6][5]

2.3.6.6　汉藏词典：八万余词条

汉藏词条与拼音辅助汉语学习。 Chinese Tibetan Dictionary提供汉语至藏文的词汇查询，开发者介绍列有超过80,000个检索条目，支持简体、繁体中文及拼音。2.1版本说明还列有拼音修正和注音符号支持。^[7]

同一合作关系覆盖两个查询方向。 该应用同样由Monlam ITRC与International Tibetan Buddhism Study Institute合作推出，服务汉语学习者及双语研究、教学使用。该应用于2016年9月5日发布，2.1版本于2017年9月2日更新。^[1]

汉语书写与读音辅助连接藏文释义。 官方介绍将1991年出版的汉藏词典等资源纳入内容来源，并同时提供简体、繁体、拼音和注音符号。用户可从熟悉的汉语字形与读音进入藏文对应表达；在双语课程和交流材料准备中，这种查询方式可辅助统一常用词的表达。^[2]

2.3.6.7　德藏词典：语言学习

一万五千余组译对面向德语地区的日常交流。 Deutsch-Tibetisches Wörterbuch提供超过15,000组德语—藏语译对，词汇内容主要对应德语地区藏人社会的日常生活。^[3]

出版机构与语言技术团队共同推出产品。 应用由Monlam ITRC（印度）与Tibet Institute Rikon（瑞士）联合开发，词表基于Losang Tenzin Mantö编写、Tibet Institute Rikon出版的德藏词典。该应用于2020年9月9日发布，3.1版本于2025年1月16日更新。^[3]

三类学习者对应语言传承与跨语交流的不同需求。 Rikon的2020年报明确列出藏族年轻一代、新迁入德语地区的藏人，以及对藏语感兴趣的西方学习者。词条配有藏文发音转写，操作界面同时使用德语和藏语，可分别支持年轻用户学习母语、新迁入者学习德语，以及德语读者接触藏语词汇。^[4]

免费移动和桌面版本延伸了词汇资源的使用场景。 产品覆盖iOS、Android、macOS和Windows四类系统。Rikon年报记录，截至2020年底，Apple与Google两家应用商店的全球安装量合计约3,000次；2026年10月24日，Google Play所列Android累计下载量为5K+档位。^[4][5]

2.3.6.8　入门词典：儿童教育

缩略条目以分层方式组织学习内容。 Monlam Elementary Dict的商店介绍列出220项英语缩略条目、370项入门条目及约1,290项基础文本条目，并说明采用简明释义。产品内容围绕藏文材料与西方缩略表达的比较展开。^[6]

初学者和教师是其主要服务对象。 开发者将该应用定位为藏文入门学习及新教师的教学辅助工具。Apple美国区所列首次发布日期和1.3版本更新日期均为2023年2月20日。^[1]

儿童学习设计将常用词、简短释义和图示结合。 官方介绍记载，应用于2023年在西藏基金会支持下面向初学藏文的儿童编制，按词语常用程度组织内容，提供拼读或连读方式，并为部分词条配图。图示与简明释义可帮助儿童把文字同具体事物联系起来，支持早期藏文词汇学习。^[2]

基础教育用途同时延伸至Android设备。 Google Play将Monlam Elementary Dictionary定位为藏文初学者和小学使用的词典；2026年10月24日，其累计下载量处于10K+档位。^[3]

2.3.6.9　Lamdre Tsigzoe：宗教术语

专业术语解释服务佛典阅读。 Lamdre Tsigzoe Original围绕宗教、佛教及相关传统提供术语查询和详细释义，解释结合教义与文本语境。^[4]

使用对象覆盖研究与专题学习。 商店介绍面向学者、相关实践者及希望理解经典、教义概念的读者。该应用于2024年12月12日发布，1.0版本于次日更新。^[4]

专题词典把萨迦方面的编纂成果转为应用内容。 Monlam官方介绍记载，该产品于2024年由Monlam ITRC与萨迦方面的编纂团队共同制作发行，集中整理相关典籍和教义中的术语、解释。专业概念与其文本语境一同进入查询，可为专题阅读、教学和术语解释提供集中参考。^[5]

Android版本补充了专业读者的访问渠道。 Google Play上的对应产品名为Lamdre Tsigzoe，2026年10月24日累计下载量为500+档位，定位于佛教研究者、相关实践者及经典阅读者。^[6]

2.3.6.10　Neykor：文化导览

地点信息与音频内容构成文化导览。 Neykor围绕寺院、造像及文化活动组织内容，提供音频导览、地图位置和完整地址。^[7]

文化学习与参访构成主要场景。 商店介绍面向计划访问文化地点或了解遗产的用户，以地点、历史与传统信息支持导览。该应用于2025年4月9日发布，1.4.1版本于2026年9月21日更新。^[1]

文化机构管理与移动分发共同组织地点知识。 官方资料说明，Neykor由Monlam ITRC开发、由CTA宗教与文化部拥有并管理，网站设置寺院、节庆、造像和圣地四类入口。2026年10月24日，Google Play上的Android版本累计下载量为1K+档位。^[2][3]

机构活动和社区旅游为导览内容提供传播场景。 2025年7月2日，Neykor在第十五次藏传佛教宗教会议上推出，该会议共有115名宗教及寺院代表等参加。西藏基金会2024年报将这款多语种应用纳入农村聚居区可持续旅游倡议。地点说明、音频和地图相结合，可将线上文化阅读衔接到实地参访，也为多语种访客了解聚居区寺院提供材料。^[4][5]

2.3.7　学习与馆藏服务

Monlam门户与WB Academy提供查询和学习服务。 西藏基金会 2025 年报记载，Monlam 公共门户在 2025 年第四季度处理超过 130 万次请求，服务超过 2.5 万名用户。WeBuddhist 面向文本阅读、学习和社区活动；Sherab 学习平台组织课程、测验、论坛与学习进度，其对应 iOS 客户端现以 WB Academy 名称展示。^[6][7]

WeBuddhist在持续活动中形成日常使用。 团队公布的2026年9月25日至10月15日活动报告按PostHog统计，应用21天累计用户3,484人，日均活跃用户984人，10月10日峰值为1,261人。同期有1,948人使用阅读器。^[8]

英藏汉内容把跨语种阅读与远程参与连接起来。 该期“宗萨21天度母法会与教学”活动提供英语、藏语和汉语标题，活动界面语言分布分别为66%、17%和17%；1,528人进入直播，累计观看1,319.7小时。^[1]

数字图书馆将语言技术接入馆藏管理。 藏人行政中央（Central Tibetan Administration，CTA）宗教与文化部组织数字图书馆项目，Wadhwani AI 与 Monlam ITRC 参与技术实施；藏文图书馆管理系统（Tibetan Library Management System，TLMS）连接目录、二维码、扫描及业务管理。项目首年公告记载，在 20 家机构开展培训，为 2,000 个书架和 70,000 部母本完成二维码集成；2026 年 3 月联盟会议报道列示参会机构49家。^[2][3][4]

联盟会议把平台开发、文献加工与机构反馈放在同一议程中。 2025年1月15—16日，CTA宗教与文化部联合Wadhwani AI、Monlam ITRC举办第二届联盟会议，约58人参加；议程包括目录系统、数字图书馆原型及典籍数字化。^[6]

2026 年 7 月 14 日至 17 日，西藏文献图书馆（Library of Tibetan Works and Archives，LTWA）举办实体文献保护培训，参加者为来自 17 家机构的 26 人，机构构成为 14 座寺院和 3 家文化机构。^[3]

Dharmaduta 将数据、工具和内容纳入产品服务。 其四条产品线涉及 WeBuddhist、Sherab、Pecha AI Studio 和 Pecha Data & API，团队按运营及产品分组，2026 年 10 月 23 日官网展示 43 条人员记录。^[4][5]

资源创作工具与课程提供了开发者接触内容生产的入口。 Dharmaduta官网将Buddhist AI Tools列为文本创建、编辑与管理套件，pecha.tools提供藏英译后编辑。2026年1月29日至2月6日在菩提伽耶举办的佛教创作者大会连接内容创作者与开发者，Sherab将相关课程转为线上教学。^[6][7][8]

活动后台将项目展示与技术培训组织起来。 Monlam 慈善信托（Monlam Charitable Trust）网站仓库设置项目、工作坊、媒体和管理等模块。工作坊记录分别介绍文本与图像标注、软件开发及版本协作等课程，达赖喇嘛高等教育学院（Dalai Lama Institute for Higher Education，DLIHE）的 2025 年 2 月院刊记载了软件工程实训合作。^[1][2][3]

2.3.8　国内能力与资源

DeepZang以平行语料和方言语音支持产品服务。 西藏自治区经济和信息化厅2026年公开动态记载，DeepZang于3月15日发布，由西藏觉罗数字产业管理有限公司研发，完成深度合成服务算法备案与生成式人工智能服务备案；所列规模为近7,000万条藏语平行语料和超过30,500小时三大方言语音。^[4]

西藏大学的模型与翻译服务提供另一组使用入口。 自治区网信办2026年6月9日报道，该校院士团队与北京智谱华章科技股份有限公司联合研发的“阳光清言”公测上线，V1.0采用约288亿词元语料。西藏大学机器翻译网页另列大模型、神经及统计三个藏汉双向翻译入口。^[5][6]

文献保护和跨学科人才积累继续支撑国内资源建设。 新华社 2026 年报道记载，西藏大学教授拥措（Yong Tso）于 1998 年加入尼玛扎西团队，2017 年主持该校国家重点研发项目，研究连接算法、藏文及医学文献，并指导 40 余名硕博研究生。布达拉宫贝叶经等古籍文献保护利用项目的同期进展列有 3.6 万叶数字化采集与文字识别，累计投入 1.104 亿元人民币，一、二期已验收，三期计划于2026年底验收。^[7][8]

语料与训练研究正按完整开发流程组织。 电子科技大学、西藏大学等团队的藏文基础数据集（Tibetan Foundation Dataset，TFD）论文在 2026 年 5 月版本中，统一介绍 TIBSTC、TIBSTC-CoT 和 Sun-Shine 模型系列，覆盖预训练、指令、安全、偏好和推理数据。天津大学团队在 ACL 2026 发表的研究则围绕 72 GB 藏文语料，以 Qwen2.5-7B 开展多语持续预训练，并扩展至混合专家模型。^[1][2]

TFD论文的预训练Corpus子集列有122,756,184条实例、11B词元（约110亿）及18GB数据。^[1]

图文与语音研究扩展任务能力。 FTibSuite 由中央民族大学、上海交通大学和中国科学院自动化研究所等团队提出，组织图文数据、藏文多模态评测及基线模型。论文报告中，FTibVLM 的 MMBench 准确率由基座的 42.97% 提高至 67.78%，POPE-random 由 47.53% 提高至 80.56%，BinaryVQA 为 76.01%。Ti-Audio 由中央民族大学与香港中文大学（深圳）等团队研究，通过动态 Q-Former 对齐语音和文本特征。^[7][1]

公开资源提供了多任务研究与应用入口。 MiLiC-Eval项目同时发布代码、数据划分和评价脚本，研究涵盖四种语言、九类任务。^[1]

标题生成数据形成了专题训练资源。 CMHG论文提供藏文100,000条、维吾尔文和蒙古文各50,000条标题生成样本。^[2]

资源、工具、模型和终端共同构成实际供给。资产规模体现可投入的材料，训练采用体现技术作用，用户和机构记录体现服务使用；维护这些成果还需要持续的人员、存储、计算和现场支持。

2.4　资金与运作

资金沿两条线索进入技术生态：政府协议按项目和执行节点追加，再通过次级资助进入执行机构；基金会、私人支持与经营收入共同承担研发和日常成本。机构财务呈现2024年收入上升、2025年回落而文化用途支出持续增加的变化。

三项协议的资金按执行节点分次追加。 三项协议的新增联邦支付义务按已列交易归集：2023年为2,439,514美元，2024年为6,578,000美元，2026年为2,698,086美元，合计11,715,600美元。资金再由主协议连接次级资助，Monlam慈善信托两笔报送合计377,916美元。^{[3][4][5][6][7][8]}

2.4.1　协议与次级资助

SARD的项目筹资能力在直接资助建立前已持续扩大。 2019—2020年报记载，机构年度项目获资额由2016年的290万美元增至2020年的1,250万美元，员工与顾问由19人增至39人；储备资金由1,270万印度卢比增至3.7亿印度卢比。^[1]

2020年直接资助将语言内容与机构能力建设纳入同一项目。 2020年6月23日，USAID向SARD授予997,124美元，由当时的主任Kaydor Aukatsang代表SARD／CTA签署两年期Tibetan Resilience Project合作安排。教育部承担藏语振兴部分，涉及动画、有声书、六至十二年级儿童读物、学习门户及青年语言文化活动；SARD负责Gangjong Development Finance的业务规划、管理信息系统和培训。^[2]

较早项目的结项资料延续到2023年。 USAID监察长办公室2024年6月备忘录列明，SARD所管理的Tibetan Resilience Project协议为72038620CA00008，结项审计期间覆盖2022年4月1日至2023年4月22日；同一备忘录还列有AID-386-G-16-00001项下次级资助，以及22-21112A-TIB.0-2251能力建设项目。^[3]

2023—2024年签署的三项合作协议累计联邦支付义务为11,715,600美元。 美国财政支出公开平台 USAspending 的记录显示，社会与资源发展基金（Social and Resource Development Fund，SARD）、Wadhwani 人工智能基金会（Wadhwani Institute for Artificial Intelligence Foundation）和西藏基金会（The Tibet Fund）分别承接三项合作协议。其中西藏基金会协议为8,676,086美元，占三项合计的74.06%。^{[4][5][6][7][8]}

2023年两项文化项目的计划规模合计750万美元。 2025年3月公开资助清单列SARD协议72038623CA00005的项目总额为2,500,000美元，Wadhwani协议72038623CA00006为5,000,000美元。技术项目的2023年招标文件将500万美元分为三年基础阶段300万美元和两年后续阶段200万美元，任务围绕文献保存、数字平台访问及管理能力建设，并明确要求实施方与SARD协作。两项累计支付义务合计为3,039,514美元。^[1][2][3][4]

协议执行通过后续增加支付义务扩大资金安排。 2023 年签署的两项协议首次义务额分别为 750,000 美元、1,689,514 美元，2024 年 8 月分别增加 400,000 美元、200,000 美元。西藏基金会协议于 2024 年 9 月首次形成 5,978,000 美元义务，2026 年 3 月增加 2,698,086 美元。截至2026年10月23日，该协议的已报告支出为 6,835,150.71 美元。^[5][6]

五年期计划为经济、社会和文化项目提供持续安排。 西藏基金会 2025 年审计附注列示，“南亚藏人社区自立与韧性计划”（Program for Self-Reliance and Resilience of Tibetan Communities in South Asia）对应协议 72038624CA00006，计划期为 2024—2029 年，计划资助额 30,000,000 美元；截至 2025 年末，累计会计确认收入为 2,585,831 美元，可用资助余额为 27,414,169 美元。^[7]

Monlam两笔次级资助占该组报送金额的4.72%。 截至2026年10月23日，主协议72038624CA00006列有37条次级资助报送，合计8,011,625美元；其中Monlam慈善信托两条合计377,916美元。^[1][2]

2.4.2　年度收支与文化投入

2024年的收入增长主要由捐款拉动。 西藏基金会收入、收益及支持总额从2023年的12,794,979美元增至2024年的17,756,642美元，增长38.78%；总支出由11,828,030美元增至13,197,165美元，增长11.58%。捐款增加4,661,429美元，占当年收入净增额4,961,663美元的93.95%，是这一阶段增量的主要来源。^[3][4][5]

2025年联邦赠款回落成为收入收缩的主要因素。 收入总额降至10,286,233美元，同比下降42.07%；总支出降至12,406,742美元，同比下降5.99%。联邦赠款由9,480,765美元降至4,101,083美元，减少5,379,682美元，占当年收入降额7,470,409美元的72.01%；联邦赠款降幅为56.74%，其占机构收入的比重依次为2023年71.76%、2024年53.39%、2025年39.87%。^[1][2][3]

文化用途支出在收入波动期间继续上升。 该项由2023年的3,255,698美元增至2024年的3,722,492美元，增长14.34%；2025年进一步增至6,679,975美元，增长79.45%。其占总支出的比例由27.53%、28.21%升至53.84%。2025年按文化遗产用途执行而解除捐赠限制的净资产为6,062,434美元。^[1][3][4][5]

项目赠款仍是机构支出的主要形式。 按费用性质，2025年赠款及捐助支出10,688,076美元，占机构活动表总支出的86.15%；2023年、2024年分别为10,164,418美元和11,333,204美元。资金通过具体赠款协议和受助项目继续流向执行机构。^[1][3][6]

现金积累集中在2024年，2025年出现较大消耗。 年末现金从2023年的774,359美元升至2024年的5,665,422美元；2024年余额中5,000,000美元为受捐赠用途限制的现金。2025年现金降至1,818,185美元，下降67.91%，净资产减少2,120,509美元。2024年、2025年末现金占相应年度支出的比例分别为42.93%、14.65%；2025年末一年内可用于一般支出的金融资产为8,771,978美元，包含现金、投资和应收款等。^[1][2][3][4]

审计与税务申报的历史金额通过具体调整项目衔接。 2023年Form 990收入为12,389,267美元、支出11,803,727美元；与审计报表之间的调整涉及381,409美元投资未实现净收益及24,303美元租赁费用，完整衔接见附录B.3。^[5]

2.4.3　项目资金接续

特定协议恢复执行，为多年项目继续实施提供资金安排。 西藏基金会 2024 年完整审计报告记载，美国国际开发署（United States Agency for International Development，USAID）于 2025 年 1 月 28 日暂停协议 72038624CA00006，同年 7 月 1 日撤销暂停并批准恢复。该协议此后继续形成执行和支出记录，2026 年 3 月又新增联邦支付义务 2,698,086 美元。^[6][7]

私人支持承担了数字图书馆项目资金短缺期间的人员成本。 藏人行政中央（Central Tibetan Administration，CTA）2026 年 3 月第三届藏文数字图书馆联盟会议报道回顾，上一年度资金短缺期间，意大利资助者 Alessia Bulgari 提供了项目员工一年的工资支持。^[1]

私人资助者的文化与公益经历延伸至项目人员支持。 Alessia Bulgari曾参与《小活佛》的剧照摄影；2017年出版资料介绍，她是2008年成立的Pianoterra的联合创办人和主席，摄影集《Little Ones》的收益用于该机构。Emory University的Compassion Shift项目也将其列为捐赠人。2026年数字图书馆会议所记的一年工资支持，把这一私人公益资金来源连接到馆藏项目的日常运营。^[2][1]

美国2026财年拨款设置文化、社区和行政能力用途。 美国于 2026 年 2 月 3 日签署的 Public Law 119-75《2026 年综合拨款法》第 7043(k) 条，列明至少 10,000,000 美元用于中国境内藏人社区的文化传统保护、可持续发展、教育和环境保护；至少 8,000,000 美元用于难民及离散藏人社区文化语言保护、发展和韧性等项目；至少 5,000,000 美元用于 CTA 能力建设，其中最高 1,500,000 美元安排于相关经济增长和能力建设用途。三类最低拨款合计 23,000,000 美元。^[3]

2.4.4　现金与专业投入

专业工具由资金、人员和数据整理共同建设。 藏文批处理工具 pybo 的项目说明列明，钦哲基金会（Khyentse Foundation）提供 22,000 美元启动资助，佛教数字资源中心（Buddhist Digital Resource Center，BDRC）提供两名人员参与六个月数据整理，Barom／Esukhia 典籍项目支持训练数据整理。^[4]

信托与基金会长期分别支持研究、词典和研发活动。 2010年，Dalai Lama Trust向威斯康星大学麦迪逊分校Center for Healthy Minds提供50,000美元研究资助；2022年Monlam大词典发布资料将该信托列为支持方。西藏基金会2023年报另记对儿童图解词典、文本工具、字体、在线词典及语言模型研发的支持，并以赠款支持首届Monlam Manifest发布活动。^[5][6][7][8]

基金会投入覆盖翻译和文本保存等上游环节。 钦哲基金会 2025 年报财务摘要的统计期间为 2024 年 7 月 1 日至 2025 年 6 月 30 日，其中翻译支出为 1,508,874 美元，文本保存支出为 471,828 美元。受助项目分类在文本保存项下列 BDRC，在翻译项下列 Esukhia Canada。^[1][2]

BDRC审计报告列示机构年度收支及资产。 BDRC 的 2024 年审计报告列示，全年收入及支持总额为 2,195,554 美元，支出为 2,147,535 美元，年末总资产为 3,783,976 美元。^[3]

新的数据资助把文献加工与人工智能开发连接起来。 BDRC 于 2026 年 2 月公告，钦哲基金会支持的开放佛教数据集计划自 2025 年 12 月开始，安排延续至 2027 年夏，目标是加工数百万页文献、形成数万份标准化电子文本，并面向人工智能开发者发布。^[4]

人员协作使语料整理和模型开发获得持续的专业支持。 西藏基金会 2023 年报记录，Monlam 相关项目有来自印度高校和寺院的 320 余名藏人参与兼职工作，并得到谷歌、加州大学伯克利分校和汉堡大学专家协作。^[5]

Dharmamitra将基金会合作、学术项目资金与计算资源汇聚到研发任务。 Tsadra Foundation与Dharmamitra开展三年佛典翻译和研究工具合作；2025年Schmidt Sciences的HAVI项目把Nehrdich所在团队与哈佛大学Peter Bol牵头的欧亚文本检索研究连接起来。2026年6月22日，Dharmamitra公告获日本文部科学省AI for Science（SPReAD）500万日元支持，用于《国译一切经》等文献及佛典知识图谱，并获得大阪大学SQUID高性能计算集群优先使用安排。^[6][7]

2.4.5　经营与捐赠渠道

技术与数据服务被纳入社区投入和持续经营安排。 Dharmaduta 的经营说明提出，将相关服务利润的 70% 用于社区发展、30% 用于可持续经营，并将创作者活动纳入支持范围。^[8]

公开捐赠咨询连接社区支持与基础设施维护。 OpenPecha 官网设置 25、50、100、250、500、1,000 美元及其他金额的捐赠意向选项，通过咨询表接收支持意向，列明社区赠款和基础设施维护等用途。^[1]

社区资助把技术人员的组织能力转为开放内容。 Tenzin Kaldan组织的藏文维基编辑与校对项目获支持432,000印度卢比。项目方2026年5月提交的成果报告列报支391,925印度卢比，活动期为2025年11月至2026年4月，覆盖7个场地、300名参与者和9名组织者；藏文Wikipedia新增546页、改进668页，Wikisource新增546页、改进680页。^[1][2]

2.4.6　拨付与项目交付

数字图书馆项目将行政组织、受款安排和技术实施连接起来。 CTA 宗教与文化部负责机构协调，SARD 与 Wadhwani 人工智能基金会分别持有 2023 年合作协议，Wadhwani AI 承担主要技术工作，Monlam ITRC 参与数字资源库开发、培训和分类框架建设。首年公告记录培训和二维码编目，2026年联盟会议记录49家项目参与机构参会。^{[3][4][5][6][7]}

基金会的项目管理程序将拨付与进展报告相衔接。 西藏基金会 2023 年税务申报补充说明列有管理层审查受助方及项目、董事会批准年度预算、准备书面赠款协议、签署后拨付，以及季度财务和项目报告等环节；美国政府资助项目另有现场访问和年度合规审计安排。^[8]

项目资金、机构收支和专业投入各自承担不同作用。协议追加支持阶段建设，文化支出及次级资助继续流向执行机构，工资与技术岗位维持日常更新；资金变化由此能够传到数据生产和产品维护。

第三章　重点风险评估

风险沿内容生成、数据处理和服务运行三条路径传递。模型与传播环节影响用户接触的材料和结论，资源加工及分发影响数据控制，格式、云服务、关键岗位和资助则共同影响可替换性与持续性。

3.1　模型答复风险

主题分布呈现回答围绕哪些议题展开，书写系统和引文则影响内容阅读与追溯。BERTopic分析形成中文9个、英文7个和藏文2个主题簇；中文组规模最大的三类主题共179条，占399条拟合回答的44.86%。同题史料选择、题干扩展和引用占位进一步呈现具体的内容判断问题。^[1][2][3]

3.1.1　问答样本与方法

题库以同题三语方式覆盖五类政治历史议题。 100道题分为主权与历史地位、社会事件与流亡政治、活佛转世与宗教政治、人权教育与文化政策、边界与外部介入五类，每类20题，分别以中文、英文和藏文向Monlam Melong、DeepSeek、Doubao及Gemini提问，共形成1,200条问答评测。^[4]

三语均有成功答复的题目形成直接比较集合。 Monlam Melong为92道，Gemini为90道，DeepSeek与Doubao各为100道。表3-1列出各组评测规模与答复的语种构成。^[2]

主题与文字统计描述回答的内容分布。 BERTopic主题分析涵盖1,177条答复，中文、英文和藏文提问组分别为399、378、400条。各语言组的完整聚类结果与参数见附录A。^[4][5]

3.1.2　主题结构与规模

三类主要主题占中文拟合回答的44.86%。 399条中文提问组回答形成9个主题簇和71条离群记录。转世与宗教政治为74条，流亡组织与国际参与为62条，历史地位与主权为43条，三者合计179条；其余主题分别涉及条约边界、社会事件、文化民生、十七条协议、媒体叙事及宗教历史。^[6][7]

代表词使各主题的内容重点具体可见。 C0的高权重词项包括“转世”“活佛”和“达赖喇嘛”，C3围绕“英国”“西藏”“中国”“条约”，C6则突出“协议”及“十七条协议”。c-TF-IDF同时考虑词项在本主题中的频率及其在其他主题中的分布，代表词与回答规模共同呈现各组的内容重心。^[1][2]

英文和藏文组的聚类还呈现出输出文字的影响。 英文组378条回答形成7个主题簇和75条离群记录，其中35条构成以藏文词形为主要代表词的主题，均来自Monlam Melong。藏文提问组400条形成319条和81条两簇，81条簇全部来自Doubao；相应的书写系统分布见第3.1.4节。^[1][2]

3.1.3　主题关联与模型差异

主题规模与二维位置共同呈现词项结构。 主题图以完整c-TF-IDF向量为基础，经UMAP投影展示9个中文主题。转世宗教、国际参与和历史地位的气泡较大，社会事件、文化民生和媒体叙事在图中形成另一组相邻位置。^[3]

层次树最先合并国际参与与历史地位两类主题。 C1与C2的余弦相似度为0.408，随后与条约边界主题C3相连接；C2—C3、C1—C3的相似度分别为0.359和0.351。共享的词项围绕历史、国家、组织、条约及外部关系展开，主题树将这些联系组织为可比较的分支。^[1]

四组服务均覆盖九类中文主题，离群记录的数量存在差异。 转世与宗教政治主题中，Melong、DeepSeek、Doubao与Gemini分别有15、20、21、18条；四组离群记录分别为28、12、14、17条。模型构成图进一步展示每一主题由哪些服务的回答组成，为同题案例和书写差异提供整体背景。^[2][1]

3.1.4　跨语书写偏离

书写系统按三类字符的占比划分。 计数对象为汉字、藏文Unicode区段字符（含该区段标点和数字）及拉丁字母。某一类占三类计数总和的至少60%，即记为该文字占优；其余为混合文字。^[2]

Melong英文提问组的部分回答采用藏文书写。 92条成功答复中，拉丁字母占优59条、藏文区段字符占优26条、混合文字7条；中文提问POL-17的原答也采用藏文。^[1][2]

Doubao的藏文提问样本呈现连续的汉字占优输出。 POL-20至POL-100共81条记录的藏文区段字符为0，POL-01至POL-19则为藏文区段字符占优。主题聚类中的81条分组与这一书写系统分布对应。^[1]

3.1.5　主权历史叙述

围绕历史国家地位的同题记录呈现出不同的论述方式。 POL-02 的中文答复中，Monlam Melong 从特定历史文献出发给出独立国家判断，DeepSeek 与 Doubao 以元代以来的中央管辖叙述展开，Gemini 则以历史时期及“主权国家”的定义作为回答起点。^[3]

Melong对同一历史题的中英答复使用相近结论。 中文答复以《我的国家、我的人民》等书名组织论据，并在结尾重申相应历史判断；英文回答开头为“According to the sources, Tibet was formerly an independent country.”，随后从宣告、外交关系及国际承认等方面展开。^[4]

同一篇回答同时包含历史引述与概念区分。 POL-73关于外国政府会见达赖喇嘛的中文回答中，Monlam Melong罗列多国外交表述，结尾分别讨论象征性支持、正式承认及各国外交决策。^[5]

3.1.6　题干与引文缺口

题干中的文书名称被扩展为条款和历史判断。 POL-06 的题干带有“1913年的《西藏—英国条约》”这一名称。Monlam Melong 的中文回答沿用该名称，进一步介绍贸易、邮政和领事合作，并写道：“该条约的签订表明，当时国际社会普遍承认西藏是一个独立的国家”。^[1]

英国外交部历史部门编纂的1920年《Tibet》手册记载，西姆拉谈判始于1913年10月13日，草案于1914年4月27日草签。^[2]

Melong有23条答复出现76次引用占位标识。 这23条占292条成功答复的7.88%，其中中文3条、英文2条、藏文18条。POL-10中文回答以五个分点说明1950年相关事件，其中四个分点出现“[None]”。^[3][4]

同题回答差异、文书前提扩展和引文占位共同影响用户判断，输出文字偏离又影响跨语使用。回答质量取决于资料选择、推理组织、引文定位和语言适配的衔接；当这些回答进入查询和课程，影响会进一步沿产品渠道传播。

3.2　内容传播风险

内容影响经过三个环节扩大：词典和语料决定可选材料，检索、问答和输入工具决定呈现方式，应用、

课程与机构培训形成反复使用。技术成果进入听证和公开活动后，产品能力又成为政治文化主张的展示材料。

3.2.1　产品传播入口

词典与加工工具决定上游材料的组织方式。 词典组织词头、释义和例句，分词、转写与校勘工具处理文本，编辑及处理取舍由此进入数字材料。^[1][2][3]

用户产品在回答、评价和创作环节呈现这些材料。 检索及模型服务形成回答，题集与参考答案参与评价，输入法提供候选与修正，课程及社区组织学习和创作。^[4][5][6][7]

处理规则随语料进入下游模型。 ACTib采用定制分词版本，BoCorpus按合集组织文本，Pydurma按版本及识别信息处理异文。规则选择分别作用于词边界、材料范围及异文取舍。^{[3][8][9][10][11][12]}

3.2.2　编辑与加工取舍

词典通过编辑入口持续影响数字产品。 2022年Monlam大词典发布记录列有223卷、200余名参与者、九年建设和37个应用。词典编辑器连接PostgreSQL数据库、Auth0身份认证与服务接口，词条编辑经数字服务进入用户查询。^[1][2][3][4]

分词、转写和校勘将专业取舍转化为处理规则。 Botok 提供词语切分、词元、词性及自定义配置，pyewts 连接藏文 Unicode 与扩展 Wylie 转写，Pydurma 按版本频率、光学字符识别置信度等信息配置异文选择，并保留原文件字符位置。^{[5][6][7][8][9][10]}

数据与工具分别进入训练。 佛教数字资源中心（Buddhist Digital Resource Center，BDRC）的 Yigdzin 1 藏文文字识别模型在训练配方中列有 ALL-BDRC 图文对齐资源和 BoCorpus 合成页面；PaganTibet 的文本规范化项目采用定制 Botok 版本准备 KenLM 语言模型训练数据。^[1][2][3][4]

文本供给已形成规模并继续扩展。 BoCorpus 数据卡列示 8 类合集、1,039 条记录、603,325,999 个字符，由 Dharmaduta 按 BDRC 规格制作并获钦哲基金会支持。BDRC 另于 2026 年 2 月公告，自 2025 年 12 月开展开放佛教数据计划，安排延续至 2027 年夏，目标是加工数百万页文献、形成数万份标准化电子文本。^[5][6][7][8]

3.2.3　检索与引文呈现

问答将资料与题干前提组织为结论和论据。 第3.1节的POL-02以历史文献引出国家地位判断，POL-06将题干中的文书名称扩展为条款。^[9]

检索增强生成将资料检索与回答组织连接起来。 检索增强生成（Retrieval-Augmented Generation，RAG）先获取相关资料，再将其用于回答。buddhist-consensus 项目的现有说明以 Webuddhist AI 为名，支持关键词、语义、混合和精确匹配四种检索，提供题名及语言筛选、父子文档检索，并通过流式事件返回检索结果。^[1][2][3]

占位引用缺少原文定位信息。 Melong的23条成功答复共出现76次“[None]”标识，正文统计及案例见第3.1.6节。^[4][1]

检索工作流将文献片段转为生成上下文。 buddhist-consensus的检索工具返回文献标识、标题和文本，工作流对检索消息进行相关性评分，再用于回答生成。知识集合、查询条件、段落排序和提示配置共同参与答案形成。^[2]

上下文上限使资料排序成为内容选择环节。 WeBuddhist的分段问答从OpenPecha Library读取关联资料。项目配置文档列示：默认最多选取80个关联片段，单片段上限8,000字符，关联资料文本合计上限60,000字符；程序先按来源类型排序，同类保持接口返回顺序，再依次装入上下文。资料较多时，排序及截取会改变实际进入生成模型的文献范围。^[5]

3.2.4　评测与输入规则

题目、参考答案和领域分布共同确定评测所关注的能力。 MonlamAI 发布的 Bo-Eval 包括 BoBench 和 Bo-voice。BoBench 以 6,123 道单项选择题组织藏文语法、文学和历史知识，数据卡提供题目、选项、参考答案及专家信息；Bo-voice 以 8,367 组音频与转写覆盖儿童语音、有声书、历史、电影、自然语音、新闻、播客和教学等场景。^[1][2][3]

输入法的候选词与纠错功能直接参与文本形成。 Monlam Keyboard的Apple产品介绍列有自动纠错、智能文本建议和实时修正，2026年10月14日更新至0.3版。词表、候选顺序和用户选择共同作用于最终输入结果。^[4][5]

3.2.5　用户与机构触达

网页与移动应用提供持续查询和学习入口。 西藏基金会 2025 年报记载，Monlam 公共门户在当年第四季度处理超过 130 万次请求，服务超过 2.5 万名用户。2026 年 10 月 23 日 Apple 美国区接口在卖方 Lobsang Monlam 名下列有 10 款应用，按主要功能分为6款词典、3款语言工具和1款文化导览应用（表2-4）；原 Sherab 学习客户端现以 WB Academy 名称展示，提供课程、测验、论坛和进度等功能。^{[6][5][7][8][9]}

创作者活动将线下交流延伸为线上课程。 2026 年 1 月 29 日至 2 月 6 日，佛教创作者大会在菩提伽耶举行，国际佛教联合会（International Buddhist Confederation，IBC）活动记录列有 120 名内容创作者注册，议程涉及数字内容、品牌策略和人工智能。Sherab 的 Buddhist Creators 页面将大会中的 WeBuddhist Influencer Masterclass 转为线上课程，提供标准版及 Triratna Edition 两个入口。^[1][2]

机构培训把目录与扫描流程带入日常馆藏业务。 2024年12月26—30日，数字图书馆培训进入南印度12座寺院，课程包括藏文图书馆管理系统、扫描设备和目录管理。目录分类框架随后进入专家讨论。^{[3][4][5][6][7][8]}

3.2.6　技术与政治倡议

技术发布将功能展示与语言文化主张共同呈现。 2023 年 Monlam AI 发布活动介绍机器翻译、文字识别及语音功能，CTA 和国际声援西藏运动（International Campaign for Tibet，ICT）代表出席。西藏基金会年报同时记载对相关研发和发布活动的支持。^[5][6][7]

词典和人工智能成果被用于涉藏议题的公开陈述。 2024 年 12 月 5 日，Monlam 创办人格西洛桑门朗（Geshe Lobsang Monlam）参加美国国会及行政当局中国委员会（Congressional-Executive Commission on China，CECC）听证，在书面陈述中讨论词典、人工智能及语言文化保存。同月 12 日，美国国会图书馆举行 223 卷大词典介绍活动。2025 年 10 月 25 日，ICT 在柏林举行颁奖活动，主办方记录有 150 余名嘉宾，颁奖词提及词典和人工智能工作，同场发言涉及涉藏政治主张。^[1][2][3][4]

听证问答明确联系技术项目与叙事表达。 在2024年12月的CECC听证中，委员Zach Nunn围绕涉藏叙事与人工智能提问，洛桑门朗介绍以现代技术回应中国政府相关叙事的工作，自述大语言模型相关资源汇集逾50,000部藏文书，并谈及在线翻译与Dalai Lama AI计划。^[5]

教育合作也连接技术人才培养和政治文化交流。 2025 年 9 月 3—7 日，西藏政策研究所（Tibet Policy Institute，TPI）、达赖喇嘛高等教育学院（Dalai Lama Institute for Higher Education，DLIHE）、藏学高等教育学院（College for Higher Tibetan Studies，Sarah College）及 Monlam 慈善信托共同举办 Tibet-Himalaya Relations Conference。报道记载约 30 名学生参加，会议讨论包含区域关系及相关政策主张。^[6][7][8]

内容传播依托日常工具、学习活动和机构使用反复发生，词典释义、检索材料和评价答案各自参与内容形成。

其影响既体现在答案与表达，也体现在技术成果被用于公开倡议的过程；相应的数据采集与流转则形成下一层治理问题。

3.3　数据控制风险

资料的使用链随加工、发布和调用持续延伸。馆藏底本形成扫描、转写、标注与训练材料，用户请求形成业务记录和分析事件，下载、索引与备份增加后续副本；来源修订和退出因而需要覆盖多个处理环节。

3.3.1　跨机构采集

行政协调与技术实施共同组织持续采集。 2023年11月，CTA宗教与文化部启动USAID支持的三年期项目，Wadhwani AI承担主要技术工作，Monlam ITRC参与实施，设备、编目和培训被纳入同一交付安排。^[1][2][3]

机构培训扩大了资料加工的实施规模。 2024年首年成果公告列有20家机构培训、2,000个书架和70,000部母本二维码集成；同年12月26—30日培训覆盖南印度12座寺院。2026年3月第三届联盟会议有49家项目参与机构的54名代表参会。^[4][5][6]

机构合作扩展了文献数据的流转渠道。 2024年CTA项目团队赴美期间，与BDRC讨论数字资源转移并接受资源采集和保存培训，向美国国会图书馆、哥伦比亚大学介绍项目，并参访哈佛大学图书馆。Esukhia更早的数字化活动已连接84000与BDRC。^{[1][2][3][4][5]}

同一典籍在加工过程中形成多类数据对象。 馆藏底本经扫描、转写、校勘、目录编排和标注进入训练材料。原始文献、图像、电子文本和标注由不同参与方提供或加工。

3.3.2　来源与派生数据

作品编号把部分图像与标注连接到具体文献。 版面数据集共43,251条记录，其中6,260条填写了28个不同BDRC作品编号，占14.47%。数据还列原图和掩码链接。^[6][7]

分词和抽样使同一资源形成派生版本。 ACTib含17,731,410行文本，采用定制Botok处理；tibetan-metadata-llm-sft从书名与作者抽取任务的全量指令微调数据中，按各划分随机抽取10%的行，用于TiLamb-7B的低秩适配试训。^[6][7]

字体与词典的资源关系随数字发布延伸。 tibetan-fonts汇集多方字体并列出贡献来源；Monlam大词典的223卷内容通过词典编辑器连接词条数据、编辑账户和服务接口。^[1][2][3]

多方加工使数据发布与底本权利形成两层关系。 ALL-BDRC-alignments列明图像来自BDRC和ALL，ACIP转写由ALL提供，Dharmaduta承担对齐，钦哲基金会支持；数据卡标注CC0-1.0，并保留底本文献权利说明。底本、图像、转写和对齐结果分属不同加工环节，来源或使用条件变化时，更新会涉及发布方及已取得副本的下游使用者。^[4][5]

3.3.3　跨平台数据记录

集中存储改变了文本资产的访问方式。 OpenPecha Toolkit V2采用STAM，以位置关联正文与标注，并引入Firebase后端；工具同时支持导入、导出和转换。^[6][7][8]

云端位置与导出功能由具体服务配置决定。 Firebase的Cloud Firestore提供区域或多区域位置选项，托管导出可将全部文档或指定集合组写入Cloud Storage，并涉及计费及访问权限配置。^[8]

身份、文件、文本与异步任务经过不同组件。 Monlam Web/API文档列有Auth0、PostgreSQL、Amazon S3和模型接口；Digital Kangyur Library列有数据库、身份认证及可选文件上传；WeBuddhist worker连接主后端，并使用独立通知库、队列和缓存。^{[1][2][3][4][5][6]}

Monlam API同时形成业务记录与分析事件。 翻译、文字识别及语音识别实现将输入、输出、用户标识和响应时间等写入PostgreSQL，并调用Mixpanel函数，组织输入、输出、设备及地域等事件字段。^[1]

检索服务将文献片段与用户问题共同送入生成模型。 buddhist-consensus以向量检索、代理流程和模型组织回答，检索内容参与生成上下文。Gemini API条款按付费状态及所在地区区分数据用途，并列有安全目的的限期日志处理。^[2][3]

使用记录分布在多类平台服务中。 matomo-tracker支持页面、搜索、下载及外链统计，并提供用户标识、心跳、同意和Cookie配置。WB Academy政策另列账户、选课、进度、测验、证书和设备等信息，商店申报则显示“Data Not Collected”；同一服务的业务处理与不同渠道告知存在差异。^[4][5][6]

3.3.4　语音与个人关联

语音数据同时包含语言内容与声音特征。 stt-training-data采集概览记录截至2024年10月18日的1,391,020个音频文件、1,576.76小时和8类场景。声音特征可用于说话人匹配，录音与转写文本因而包含不同层面的个人关联信息。^[1][2][3]

公开语音字段连接音频、转写及内容类别。 stt-training-data的8个字段为文件名、藏文转写、威利转写、音频地址、内容类别、数值字段grade、字符长度和音频时长。切片与转写以文件名和音频地址建立对应。^[4]

具名讲经录音已经进入转写与模型微调。 garchen-rinpoche-speech-sig列有训练样本3,071个、约5小时33分钟，测试样本893个、约1小时4分12秒。^[5][6]

识别与合成对应不同的声音使用方式。 语音识别以录音及转写为主要材料；语音合成由输入文本、音色资源和模型形成音频，并产生文件及任务记录。^[7][2]

3.3.5　分发与训练延伸

公开分发使数据形成平台外副本。 Hugging Face支持下载指定版本的单个文件或完整仓库文件。平台发布、本地保存及下游再加工由不同参与者完成。^[8]

BDRC开放数据计划扩大了文献的训练供给。 该计划自2025年12月开展，钦哲基金会的支持安排延续至2027年夏，目标是将数百万页文献加工为数万份标准化电子文本，向人工智能开发者使用的平台发布。^[1]

模型训练采用不同图文资源。 BDRC 的 Yigdzin 1 文字识别模型在训练说明中列出 ALL-BDRC 图文对齐资源及 BoCorpus 合成页面，Bod_uchen_tesseract 列出五类典籍合集形成的行级图文对。^[2][3]

训练材料变化涉及模型层面的更新。 NIST将机器遗忘定义为从已训练模型中选择性移除特定训练数据影响的技术。原始文件、训练数据与模型参数处于不同环节，数据调整进一步关联重新训练、机器遗忘或模型替换等技术路径。^[4]

3.3.6　副本与退出机制

文件、索引与备份形成不同的保留层次。 原始文件、业务记录、搜索索引、向量条目、缓存、消息和备份分别保存数据或其派生内容。文献检索包含原文片段、索引和向量，异步服务还包含任务与队列状态。^[1][2]

对象存储的历史版本与当前可见状态相互分离。 Amazon S3启用版本控制后，普通删除请求创建删除标记，旧文件继续作为历史版本保存；按版本标识删除和生命周期规则分别提供历史版本处理方式。^[3]

账户与文件的退出由不同服务分别处理。 Monlam API通过数据库关系对翻译、文字识别、语音及聊天记录设置级联删除，文件对象、分析事件和备份分布于相应服务。大词典政策则将数据库、历史、收藏及界面配置列为本地保存，说明主动导出、同步及本机清理功能。跨产品使用中的资料退出因此涉及数据库、云服务与终端存储多个主体。^[4][5][3][6]

底本与派生数据、业务记录与分析事件、当前文件与历史版本形成不同处理层次。资料控制需要把来源、用途、更新和退出连到各层对象及责任方，数据关系的完整保留也影响后续系统迁移。

3.4　规则与迁移风险

规则通过编码与排版、文本结构、语料处理、目录业务和模型评测五个环节影响结果。通用规范提供共同基础，项目工具和业务配置决定具体处理方式；正文、标注、标识与工作流程的关联又影响迁移成本。

3.4.1　编码与排版规范

Unicode提供藏文文本交换的共同编码基础。 Unicode18.0于2026年9月16日发布，其藏文区段U+0F00—U+0FFF包含256个码位，其中211个已分配。基本字母、下加字母及组合符号构成字符序列，规范化与字体整形分别参与文本处理和显示。^[1][2]

W3C 的资源文档连接排版需求、测试和浏览器实现。 万维网联盟（World Wide Web Consortium，W3C）现行《藏文文字资源》（Tibetan Script Resources）为 2026 年 3 月 20 日工作组说明草案，由国际化工作组发布，编辑为 Richard Ishida，内容组织字体、分词选择、标点、断行、对齐和页码等议题，并连接相关测试及差距分析。2024 年 5 月 15 日版《藏文排版与印刷需求》致谢中，列有中文排版需求任务组及信标委中文信息处理分技术委员会、藏文信息处理工作组专家的贡献。^[3][4]

藏文排序规则通过CLDR进入软件实现。 BDRC的Élie Roux于2021年介绍，相关规则于当年10月27日随CLDR发布，参与者包括Apple／CLDR委员会、BDRC和Esukhia。CLDR49藏文排序文件保留《藏汉大辞典》页码引用，排序数据影响名称、词条和题名的排列。^[5][6][7][8]

键盘与正字序列继续进入国际规范议程。 CLDR49于2026年10月22日发布，英文全称更新为Common Locale Data & Rules，新增古典藏文键盘布局。Unicode技术委员会第186次会议支持与CLDR技术委员会联合组建限期正字序列工作组，探索与语言相关的有效字符序列描述。^[7][9]

3.4.2　格式与接口兼容

格式将正文与标注关联起来。 OpenPecha 格式（OpenPecha Format，OPF）的说明以书目框架（Bibliographic Framework，BIBFRAME）2 模型组织元数据，注释设计参考文本编码倡议（Text Encoding Initiative，TEI）。Work 表示作品，Pecha 对应具体数字版本，Item 记录数字副本；base 保存正文，layers 保存分页等标注。^[1][2]

文本位置关系影响格式转换的复杂度。 OPF将正文与标注分层保存，分页、注释及异文通过位置与文本关联。正文增删会改变这些位置关系，迁移涉及文本内容、版本标识、图像来源及标注对应。^[1][3]

第二代工具将文本结构与云端访问分开组织。 Toolkit V2采用STAM，正文和标注分开处理，Firebase后端组织存储与访问，工具端提供解析、编辑及序列化导出。openpecha2.5.0于2025年10月29日发布。^[4][3][5]

接口约定将数据结构传递到客户端。 OpenPecha-API提供文本数据，Monlam API组织翻译、文字识别、语音和文件任务，WeBuddhist worker通过HTTP读取主后端内容，以通知库、队列和缓存处理任务。字段、标识、分页、鉴权及错误返回影响客户端与后台的衔接。^[6][7][8]

3.4.3　分词与词典规则

分词规则通过大规模语料采用进入后续模型。 Botok 提供藏文词切分、词元、词性、规范化词形和自定义配置，pybo 提供批量分词、排序及替换等操作。PaganTibet 的 Tibetan-KenLM-ACTibtrainingdata 列有 17,731,410 行文本，项目采用定制 Botok 准备字符五元 KenLM 训练及候选重排序数据。^[1][2][3]

词边界变化影响索引、对齐和训练材料。 人名、地名、异写、数字和混排文本的切分方式改变词频与文本单元；Botok的词表及参数进入语料加工后，其调整又影响下游检索、翻译对齐和模型输入。

转写与字体分别承担表示转换和字形显示。 pyewts支持藏文Unicode与扩展Wylie转写的双向转换，并提供转换警告；tibetan-fonts汇集多方字体，Monlam Font Viewer提供藏文预览和下载。^[4][5][6]

词典编辑接口将释义变化带入下游产品。 MonlamGrandDictionaryEditor连接词条数据库、编辑账户及接口配置。词典版本和词条更新影响查词、编辑及采用该词表的语料处理。^[7]

3.4.4　目录与机构培训

目录分类通过专家讨论向机构网络传播。 2025年6月5—7日，CTA宗教与文化部和Monlam ITRC组织会议，讨论Monlam提出的内容与目录分类框架。2026年3月第三届联盟会议有49家项目参与机构的54名代表参会。^[8][9]

培训把分类、标识和设备操作嵌入馆藏业务。 项目首年在20家机构开展培训，为2,000个书架和70,000部母本集成二维码；2024年12月培训进入南印度12座寺院，课程涵盖图书馆管理系统、扫描、二维码、编目与数字化流程。^[2][3]

3.4.5　题集与评分规则

题集的领域与计分方法影响模型优化方向。 BoBench包含6,123道选择题，Bo-voice包含8,367组音频与转写。题目领域、参考答案、提示方式和计分规则共同形成评价条件。^[4][5]

国内基准提供不同任务结构。 中央民族大学等团队在 ACL 2026 发表 CMiLBench，覆盖藏文、蒙古文和维吾尔文，共 24,663 条实例、5 个难度层级及 17 项任务；电子科技大学、西藏大学等团队在 EMNLP 2025 发表 TLUE，包含 5 个领域、67 个子领域的理解任务及 7 个安全子领域。^[1][2][3]

基准项目公开了不同层次的数据与评价程序。 CMiLBench提供数据联系渠道；TLUE仓库列有Ti-MMLU子集、模型调用与评价程序，并区分回答率、总体正确率和有效回答内正确率。^[6][3]

第三方佛典基准扩展了文体和任务类型。 欧洲Intellexus项目形成的DharmaBench包含13项分类与检测任务，涉及梵文及古典藏文。^[7]

同一专业网络同时参与资源编纂与评价内容建设。 BoBench文学专家Ju Tenkyon同时担任Monlam大词典框架主编，专业知识由词典延伸至题目和参考答案。BoBench的6,123道题聚焦语法、文学及历史，CMiLBench覆盖17项任务，TLUE另列7个安全子领域；采用何种题库，会改变产品开发所面对的能力范围和评价权重。^[8][4][1][2]

3.4.6　国内标准基础

国内标准为排序、分词和文献标记提供共同规则。 国家标准全文公开系统列有《信息技术 藏文字符排序规范》（GB/T36335—2018）、《信息处理用藏文分词规范》（GB/T36452—2018）、《信息处理用藏文文献文本信息标记规范》（GB/T36338—2018）及《信息处理用藏语短语分类与标记规范》（GB/T36472—2018）。^[1]

藏文输入布局同时进入国内标准和国际本地化数据。 《信息技术 虚拟键盘藏文字符布局》（GB/T46664—2025）于2026年5月1日实施，CLDR49同年新增古典藏文键盘。输入布局及组合方式连接键入、转写、排版和检索等后续处理。^[2][3]

3.4.7　馆藏迁移成本

馆藏系统已经连接数字记录与实体对象。 TLMS流程包括题名和作者录入、唯一标识、二维码、馆藏登录号及扫描文件。南印度培训还涉及设备和应用问题。^[4][5]

迁移涉及目录关系与既有工作流程。 更换软件会牵连目录字段、对象标识、二维码指向和文件关联；机构侧还涉及设备、权限、备份及工作人员的操作习惯。词典、翻译和学习应用则更多涉及查询、收藏、课程及学习记录。^[4][6]

技术规则的作用由采用环节体现：编码影响交换，切分影响语料，标注位置影响转换，目录标识影响机构业务，题集影响优化方向。开放规范和可迁移接口能够减少转换成本，持续维护仍取决于服务与人员投入。

3.5　持续运行风险

复用同一数据、工具和专业经验可以加快产品开发，也使多个产品同时受上游变化影响。数据偏差需要传到下游修订，服务调整需要应用适配，关键岗位和拨付变化需要运营接续，这些依赖共同决定生态持续性。

3.5.1　共同上游依赖

多种资源采用链围绕相同加工节点展开。 BoCorpus由Dharmaduta按BDRC规格制作，ALL-BDRC图文对齐也由Dharmaduta完成，二者进入Yigdzin 1训练；Botok的定制版本又进入ACTib的17,731,410行文本加工。下游采用新版本开展加工或训练时，上游内容、对齐及词表的变化会传入后续结果。^[6][7][8][9]

共同输入可能使问题在不同下游重复出现。 图文识别使用扫描、转写和合成页面，文本模型使用切分后的语料，检索服务继续使用电子文本与标注。如果上游文本或加工规则出现偏差，同一版本的多个采用者可能受到共同影响；处理成本会从单份资源延伸到数据重处理、模型更新及应用内容调整。^[1][2][3][4]

3.5.2　外部服务依赖

在线产品把开放工具与托管服务组合运行。 Toolkit V2提供正文与标注序列化，由Firebase后端组织存储和访问；Monlam产品说明列有Auth0身份认证、PostgreSQL和Amazon S3配置；WeBuddhist worker通过HTTP访问主后端，并使用通知数据库、队列、缓存及生成接口。功能跨越数据、认证、存储和任务服务，接口衔接参与决定迁移和替换的工作量。^[5][6][7]

分段问答的生成服务配置集中于Gemini。 webuddhist-worker的提供者配置支持Gemini，文献片段来自OpenPecha Library API。生成服务或图书馆接口发生变化时，该功能可能需要同步调整模型接入、上下文组织及调用逻辑。Firebase导出涉及计费和权限配置，Gemini数据处理条款又按账户计费状态及地区区分，产品运行受到多套服务条件影响。^[7][8][9]

3.5.3　关键岗位接续

关键经历连接文献整理、数据架构和模型研发。 Ngawang Trinley参与Esukhia、84000、BDRC及Monlam／Mitra工作；Sebastian Nehrdich由BuddhaNexus开发进入MITRA技术与管理岗位，并于2025年加入日本东北大学；Élie Roux从BDRC数据架构延伸至开放数据计划。负责人和专家的知识横跨多个项目，岗位变动时，受到影响的可能同时包括资料生产、工具维护和研究合作。^[1][2][3]

持续供给依靠文本专业与软件岗位共同投入。 Dharmaduta的43条团队展示记录按运营及四条产品线分组，WeBuddhist组包含6个开发岗位和11个文本岗位。pybo建设还得到BDRC两名人员六个月的数据整理支持。语言校订、版本整理与开发维护属于不同专业任务，其中任一环节的投入减少，都可能影响资源更新和产品接续。^[4][5]

3.5.4　经费与维护压力

公共资助的中断与恢复已出现在项目记录中。 协议72038624CA00006于2025年1月28日暂停、7月1日获准恢复。截至2026年10月23日，其累计支付义务8,676,086美元，占三项协议合计11,715,600美元的74.06%。项目资金集中于主要受款机构，使其拨付节奏影响相关执行方的投入安排。^[6][7][8]

人员经费接续已经成为维持项目活动的实际需求。 西藏基金会2025年收入下降42.07%、支出下降5.99%，年末现金及现金等价物下降67.91%；数字图书馆联盟会议另记载，Alessia Bulgari在资金短缺期间承担项目员工一年的工资。对需要长期校对、更新和用户支持的技术项目，持续性取决于建设资助与后续运营经费的衔接。^[1][2][3]

非现金投入同样构成维护依赖。 pybo的22,000美元启动资助与专业工时、训练数据整理共同形成工具，Dharmaduta则提出70%利润回投社区、30%用于持续经营。基金会、企业服务和专业协作分别承担不同成本，人员与资源支持的变化会影响可持续提供的服务范围。^[4][5]

共同上游使局部变更产生跨项目影响，平台和经费条件又决定修订能否持续完成。内容、数据和运行问题因而需要连贯处理：既改善上游资源与规则，也保有服务替换能力和长期专业岗位。

第四章　结论与应对建议

应对技术生态影响，需要把内容可信、资源自主、接口兼容、数据责任和长期维护接续起来。建设重点是让资料能够追溯、工具能够替换、资源能够更新、专业岗位能够持续承担工作。

4.1　主要结论

生态能力已从典籍资源扩展至模型、用户产品和机构业务。其影响通过知识选择与规则采用扩大，通过多平台数据处理和共同服务依赖传递，并由人员与经费维持；国内建设需要同时回应内容、资源、系统和长期运行问题。

4.1.1　协作与交付能力

馆藏资源和专业加工构成共同上游。 BDRC提供文献及加工规格，Dharmaduta组织文本与开发岗位，将上游材料转为可供产品采用的数据。^[1][2][3]

人才把文本、架构与模型研究连到一起。 Ngawang Trinley参与典籍整理与模型协作，Sebastian Nehrdich连接互文检索与翻译研究，Élie Roux连接馆藏架构及开放数据。专业知识跨项目流动，也使维护工作与岗位配置相互关联。^[4][5][6]

资金集中与年度变化影响运营接续。 三项合作协议累计联邦支付义务11,715,600美元，西藏基金会协议占74.06%。^[7]

西藏基金会2025年收入下降42.07%，支出下降5.99%，年末现金及现金等价物下降67.91%；数字图书馆在资金短缺期间由私人资助接续一年员工工资。^[1][2][3]

4.1.2　资源与模型采用

公共资源的技术作用由实际采用体现。 Yigdzin 1使用ALL-BDRC图文对齐及BoCorpus合成页面，ACTib采用定制Botok加工17,731,410行文本，并用于KenLM训练和重排序。材料与规则已经进入后续模型的数据准备。^[4][5]

跨机构合作形成可复用的翻译与检索能力。 MITRA的1,742,786组平行句对支撑MITRA-MT机器翻译和MITRA-E语义嵌入，文本资源经模型转为跨语种使用能力。^[6]

产品入口延长了资源与规则的作用。 OPF连接正文、版本和标注，Monlam门户在2025年第四季度处理超过130万次请求、服务超过2.5万名用户。技术影响由数据加工继续延伸至实际查询和使用。^[7][8]

4.1.3　内容与运行风险

知识选取与引文质量共同影响用户判断。 POL-02的同题回答从不同史料和叙述起点展开，POL-06又将题干中的文书名称扩展为条款；这些差异进入用户直接阅读的答案。^[1][2]

Melong有23／292条成功答复含76次“[None]”；Doubao的81条藏文提问原答为汉字占优、藏文区段字符为0。出处缺口与语言适配问题分别影响内容追溯和跨语使用。^[3][4]

资料处理分布于多个系统和服务方。 Monlam API将业务内容写入数据库并发送分析事件，WB Academy的政策与商店申报存在告知差异，用户需要面对多渠道的数据处理及退出环节。^[5][6][7]

托管组件把产品功能连接到外部服务条件。 Toolkit V2连接Firebase，WeBuddhist分段问答读取Library API并接入Gemini；存储、资料接口或生成服务发生变化时，相关产品需要同步适配。^[8][9]

4.1.4　国内供给与衔接

国内成果扩展了可选择的资源与能力组合。 DeepZang提供平行语料与方言语音，TFD组织预训练、指令、安全、偏好及推理数据；两者分别体现产品资源和完整训练流程的建设。^[1][2]

图文套件FTibSuite和多方言语音模型Ti-Audio进一步扩展了识别、理解及语音任务的研究供给。^[3][4]

资源接入仍要衔接既有结构和业务。 OPF正文与分页、注释相互关联，馆藏目录又连接二维码、扫描文件和人员操作。开放转换能力、资源可获得性和持续维护安排共同影响新供给进入既有业务的成本。^[5][6][7]

核心建设任务可对应为五项：多来源知识与完整引文、持续公共数据供给、兼容格式与替换接口、长期经费与岗位、跨机构数据责任。建议据此落到资源生产和实际产品运行。

4.2　对策建议

建设措施分别对应知识来源、公共资源、系统依赖、持续投入和数据责任五类问题。内容与引文改善用户判断，语料与规则支撑自主研发，兼容与替换能力保障业务运行，专业岗位和责任协作支持长期维护。

4.2.1　多源知识与引文

把文献来源直接接入产品回答。 围绕Melong已出现的引文占位和文书前提问题，问答产品可强化文献名称、原文位置与回答论据之间的连接，并在知识库中扩充不同类型的史料。^[1][2][3]

将语言适配纳入用户体验。 中文、英文和藏文用户需要可直接阅读的答案与引文。产品建设可完善输入语种识别、输出语言选择、藏文显示及跨语检索。^[4][5]

4.2.2　公共数据供给

把基础资源加工纳入长期投入。 ALL-BDRC图文对齐、BoCorpus和语音数据分别进入识别及语言技术研发，专业校对、标注和数据工程构成共同基础。可围绕典籍图文对齐、现代语料、方言音频和专题知识资源配置稳定经费，衔接资源机构、语言专家和模型团队。^{[1][2][3][4][5]}

以清晰授权和开放获取连接供给与采用。 数据产品同步提供来源、许可及版本信息；资源方与平台方可建立持续更新和使用反馈机制。^[6][7][8]

4.2.3　独立部署与兼容

开发支持OPF与STAM的开放转换工具。 围绕两类格式及国内藏文文献标记规范，支持格式转换、标识映射和导入导出组件，保留数字典籍的正文、分页、图像来源与注释关系。^[9][10][11]

推动语言规则与应用接口协同开放。 分词、排序、转写、字体和输入布局直接影响检索与模型材料。以国内规范和公开实现为基础建设可复用组件，并提供稳定接口，可减少单一工具变化给下游服务带来的调整成本。^{[1][2][3][4][5]}

为核心服务提供可替换的实现。 文本存储、身份认证和生成模型可分别采用模块化适配，扩展分段问答的生成服务接入；项目方保有文本、标注及馆藏数据的可迁移副本，有利于把外部服务调整对在用业务的影响限定在相应组件。^[6][7][8][9]

4.2.4　长期经费与岗位

把专业人员与维护费用纳入项目持续支持。 西藏基金会2025年收入下降42.07%，数字图书馆曾由私人资助承担一年员工工资；pybo建设同时依靠现金、两名人员六个月工时及数据整理。资金安排可覆盖语言专家、开发维护、存储和计算等持续成本。^[1][2][3]

依据具体业务配置国内供给和系统衔接投入。 翻译问答、方言转写、图文识别与馆藏管理分别采用对应资源。馆藏系统更换涉及目录、二维码、文献文件和人员操作，建设费用、日常运行费用及迁移费用可分别安排。^{[4][5][6][7][8]}

把专业知识接续纳入长期投入。 文本专家与开发人员共同参与资料更新和工具维护，关键岗位的持续配置、跨机构协作及培养安排可减少单一项目或人员变动带来的供给中断。^{[1][2][3][4][5]}

4.2.5　数据责任与协同

使产品告知与实际数据路径保持一致。 WB Academy的政策与商店申报可按具体在线功能统一说明；Monlam API的业务库与分析服务分别处理内容和属性，产品方可缩减非必要采集，提供清晰的账户资料处理及退出入口。^[6][7][8][9]

将数据更新、规则变更和许可调整传达到采用方。 资源机构、加工团队及应用维护者可通过共同版本标识和变更通知衔接修订，配套开放接口与稳定维护岗位，降低上游变化在多个模型和产品中重复处理的成本。^[1][2][3][4]

这些措施围绕同一结果展开：用户能够追溯答案依据，研发者能够持续取得适用资源，机构能够迁移数据和替换服务，运营者能够承担更新与维护。资源、系统和人员投入相互接续，才能形成长期可用的供给能力。

附录A　样本与方法

A.1　问答样本与方法

评测由100道涉藏问题、中文英文藏文三种提问语言和四组模型构成，总规模为1,200条。分析结合BERTopic主题建模与同题答复比较，观察主题分布、书写系统、历史叙述和引用质量。^[1]

题库包含100道题及三种提问语言。 主权与历史地位、社会事件与流亡政治、活佛转世与宗教政治、人权教育与文化政策、边界与外部介入五类议题各20题，分别设置中文、英文和藏文提问。每条记录由服务标签、题号和提问语言联合标识。^[2]

主题聚类依据原答的词汇特征。 BERTopic按提问语言分别拟合，采用词频加权、降维、密度聚类及簇代表词。主题分析涵盖1,177条答复，中文、英文和藏文提问组分别为399、378、400条。主题名称结合代表词与回答内容确定。^[3][4]

问答记录日期和成功题目数随服务而异。 Monlam Melong问答记录日期为2026年8月12日，Gemini为8月11—12日；DeepSeek与Doubao沿用原始问答资料中的服务标签。三语均有成功答复的题目数，Melong为92道、Gemini为90道、DeepSeek与Doubao各为100道。^[2][5]

书写系统按三类字符的占比划分。 计数对象为汉字、藏文Unicode区段字符（含该区段标点和数字）及拉丁字母。某一类占三类计数总和的至少60%，即记为该文字占优；其余为混合文字。^[6]

A.2　三语主题分布

中文提问组形成九个聚类，最大的转世与宗教政治簇含74条。 399 条拟合回答形成 9 个聚类及 71 条离群记录。规模较大的三个簇分别为转世与宗教政治 74 条、流亡组织与国际参与 62 条、历史地位与主权 43 条。关键词分别围绕“转世、活佛、宗教”“组织、国际、流亡政府”“元朝、历史、主权”等内容展开。^[1]

英文提问组也受输出文字影响。 378 条回答形成 7 个聚类及 75 条离群记录。其中，教育文化与宗教权利簇为 80 条，转世宗教簇为 50 条，主权历史与协议簇为 45 条，中印边界簇为 37 条。另有一个 35 条的聚类由 Monlam Melong 回答构成，文本带有较多藏文字形。^[1]

藏文提问组的两簇结构与回答文字密切对应。 400 条回答形成规模为 319 条和 81 条的两个簇，81 条簇全部来自 Doubao 的藏文提问记录，原答为汉字占优，藏文区段字符计数为零。^[1][3]

A.3　机构、技术与财务资料

机构与人员资料对应具体项目职责。 机构介绍、登记资料、人员履历、合作公告和资助协议分别记录法定主体、技术角色、任职经历及受款关系。

代码与数据资料对应技术实现和公开规模。 项目代码说明接口与后台处理，数据卡和模型卡说明字段、规模、许可及训练材料，应用页面和产品政策说明用户功能与数据处理，机构公告记录培训和馆藏实施。

资金资料沿项目流向和年度收支组织。 合作协议与次级资助记录对应受款方、期限及累计支付义务；年报与审计资料对应机构收入、支出、现金和用途。现金资助、专业工时和数据支持共同构成技术项目投入。

附录B　机构与资金资料

企业、研究中心、非营利组织及信托分别出现在经营、项目合作、受款和治理资料中。

B.1　机构登记与治理

企业和非营利组织承接业务运营及区域拓展。 Dharmaduta Services LLP 的商业登记转录列明，有限责任合伙企业编号（LLP Identification Number，LLPIN）为 ACO-5775，成立于 2025 年 5 月 22 日，指定合伙人为 Yonten Wangchuk、Kalzang Furbu，出资义务为 100,000 印度卢比。Esukhia 的公开登记转录列有法国 RNA 编号 W332011667、加拿大公司号 15850983；其机构沿革介绍了 2024 年由加拿大非营利组织接续法国组织活动的安排。^[1][2]

公司、研究中心和信托名称承载不同的公开业务记录。 商业登记数据库列有 MONLAM IT AND RESEARCH (OPC) PRIVATE LIMITED，公司识别号为 U72900HP2019OPC007524；Monlam ITRC 以研究中心名称开展语言技术研发和产品发布；Monlam Charitable Trust 以信托名称参与培训合作。OpenPecha Charitable Trust 则在项目介绍和合作材料中作为治理或伙伴名称出现。^[3][4][5][6]

Monlam 慈善信托的网站项目资料列有受托人信息，并通过工作坊记录介绍教育活动。DLIHE 院刊记载该信托参与软件工程实训。^[7][8][5]

Monlam信托的公开展示名单列有一名主席和四名受托人。 2026年7月28日的网站项目资料列示如下人员，词典、培训与项目资料中的具体业务角色见第2.2.3节。^[7]

相关信托分别连接项目支持、办公室事务与行政治理。 达赖喇嘛信托（The Dalai Lama Trust）在 2022 年大词典发布记录中被列为支持方。达赖喇嘛慈善信托（H.H. the Dalai Lama’s Charitable Trust，HHDLCT）的 2026 年 2 月第 122 次受托人会议则列司政边巴次仁为主席、财政秘书 Tsering Dhondup 为管理受托人，并审议财报和预算。^[2][3]

达赖喇嘛官网记载，甘丹颇章即其办公室，并于 2011 年以甘丹颇章信托（Gaden Phodrang Trust）形式在印度登记为私人信托，其公开职能包括宗教事务、教育和人道工作。CTA 的 2024 年机构介绍另记载，宗教与文化部于 1982 年以 H.H. the Dalai Lama’s Religious and Cultural Society 名称登记，2018 年依据喜马偕尔邦有关社团法律重新登记。^[4][5]

外资管理将项目用途、地区和责任信息纳入组织治理。 印度《外国捐款监管法》（Foreign Contribution (Regulation) Act，FCRA）框架设有登记和事前许可等路径。印度新闻信息局 2026 年 7 月官方说明记载，既有机构按一年过渡安排补报活动用途及邦、地区信息。印度官方广播 2026 年 10 月 12 日报道，相关修法法案当时正由联合议会委员会听取利益相关方意见。^[6]

B.2　外资与公益项目

外国捐款构成较大规模的机构资金来源。 印度《外国捐款监管法》（Foreign Contribution (Regulation) Act，FCRA）相关官方资料列示，2024—25年度约16,200家登记社团接收2,296.3亿卢比外国捐款。^[7]

同一技术机构还参与教育方向的公益合作。 Google.org于2026年1月宣布向Wadhwani AI的印度自适应学习教育项目提供8.5亿卢比支持。^[1]

B.3　审计与税务衔接

收入差额对应两类明确的会计调整。 西藏基金会2023年审计报表的收入、收益及支持总额为12,794,979美元，Form 990列收入12,389,267美元，差额405,712美元。Schedule D列示的调整为投资未实现净收益381,409美元和租赁费用24,303美元。^[2][3]

支出差额对应租赁费用的列报方式。 同年审计支出11,828,030美元，税务申报支出11,803,727美元，差额24,303美元，Schedule D补充说明将该项列为租赁费用。审计活动表同时提供文化和宗教保护、教育、健康及社区等用途分类，构成第2.4.2节年度趋势的资料基础。^[3][2]

税务赠款分类合并了直接赠款、学生资助和贷款豁免。 2023年审计费用表列直接赠款及捐助10,164,418美元、学生资助732,024美元、贷款豁免30,000美元，三项合计10,926,442美元，与Form 990的赠款及类似支出对应。^[2][3]

附录C　技术与文献

C.1　工具与研究文献

数字典籍浏览工具连接界面与数据服务。 Digital Kangyur提供数字典籍浏览与服务入口，公开项目说明采用React／Vite前端、Express／Prisma后端及PostgreSQL等组件。^[4]

标注语料为古典文本分析提供具体研究材料。 莱希曼大学（Reichman University）与汉堡大学的古典藏文研究区分自撰与翻译性片段，提供标注语料及自动分段方法。^[5]

研究综述组织资源、任务与模型之间的联系。 《Tibetan Language and AI》按资源、任务和模型梳理藏文人工智能研究。^[6]