第一章　执行摘要

目录

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]

为掌握达赖集团相关开源项目及其智能问答服务在涉藏议题上的立场倾向，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。^[5][6]

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。^[1][2]

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。^[6][7]

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。^{[1][2][3][4][5]}

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。^[5]

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。^[1]

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。^[2][3][4]

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。^[5][6]

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。^[1][2]

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。