Translating LHCb's Documentation: First experiences and ensuring maintenance

大型强子对撞机是世界上最强大的粒子加速器，它坐落在法国与瑞士的边境之下，通过让质子发生碰撞，来重现宇宙大爆炸初期的状态。其中的一个实验项目名为 LHCb，其研究重点在于理解为什么宇宙是由物质而非反物质组成的。为了实现这一目标，来自全球的数千名科学家必须通力合作，利用复杂的软件从数十亿次碰撞事件中筛选数据。然而，这种软件并非静止不变的；随着机器本身的升级，软件也在不断变化。对于加入团队的新研究人员来说，学习这种瞬息万变的数字化领域在传统上是一段艰难的过程，主要依赖于一套在线教程和每年在日内瓦举办的工作坊。随着该实验进入一个新的运行阶段，团队面临着一个实际挑战：如何保持这些至关重要的培训材料准确、最新，并能让越来越多使用非英语语言（特别是来自中国的科研人员）的合作者能够获取。

LHCb 协作组解决这一问题的故事，始于他们意识到现有的培训材料（被称为 Starterkit）需要进行彻底的翻新。该实验刚刚经历了一次大规模升级，用于分析数据的软件发生了如此巨大的变化，以至于旧的课程已不再适用。团队编写了这些课程的新版本，但他们也认识到了一个人口统计学上的现实：中国是除欧洲之外 LHCb 科学家人数最多的地区。由于距离遥远和签证要求，许多研究人员无法轻易前往瑞士参加每年的线下工作坊。为了确保这些科学家不会掉队，团队决定在中国举办一场平行的培训活动，这便需要将整套全新的课程翻译成中文。

翻译数百页高度专业的物理文档是一项艰巨的任务，尤其是当文本包含复杂的代码和专业术语时，标准的翻译工具往往会出错。研究人员发现，如果仅仅要求人工智能翻译文本，结果往往不够准确，机器大约有 20% 的时间会编造技术术语或误解物理概念。为了解决这个问题，他们构建了一个结合了 AI 的速度与人类专家精确性的定制系统。他们首先在一个经过验证的物理术语词典上训练了一个本地 AI 模型，确保机器理解该实验特定的词汇。随后，AI 会生成一份翻译草案，但这份草稿绝不会直接发布。相反，它会被送到一个双语物理学家小组手中进行审核，由他们纠正任何细微的错误，并确保语言流向符合母语者的表达习惯。

为了使该系统长期顺畅运行，团队设计了一套维护工作流，以防止中文版本落后于英文原版。他们意识到，如果英文课程更新了，中文版本也必须立即做出相应修改才能保持实用性。因此，他们建立了一套流程：任何对英文文本的更改都会自动触发通知，发送给一位专门的驻华联络员。此人随后将使用 AI 辅助工具进行翻译并进行验证。至关重要的一点是，团队将计算机代码示例与文本本身分离开来。通过将代码存储在独立文件中并自动插入课程，他们确保了代码在两种语言中都是完全一致的。这使得他们可以在每次发生变更时对代码运行自动化测试，从而保证无论学生阅读哪种语言，所使用的示例都能实际运行。

衡量这一方法成功与否的标准是追踪有多少人使用了这些翻译材料。在中文课程上线后，团队观察到，Starterkit 网站约 22% 的访问量涉及用户至少访问了一个中文页面。这种稳定的使用情况表明，翻译不仅仅是一种形式，而是为很大一部分协作成员提供的关键资源。数据还显示出清晰的参与模式，即在农历新年假期期间流量会出现明显的下降，这反映了使用该网站的科学家们的现实生活节奏。该项目证明，同时维护两个版本的复杂技术文档而不产生瓶颈是可能的，这确保了中文社区能够全面参与到实验的培训与分析中。

这项努力为举办首个在中国的“兄弟”工作坊铺平了道路，该工作坊完全以中文授课，与传统的欧洲活动相辅相成。团队构建的系统具有足够的灵活性，如果其他科学群体（例如巴西的科学家）希望举办自己的本地培训活动，该翻译和维护框架也可以为他们所适配。通过将自动化工具与人工监督相结合，LHCb 协作组确保了语言不再是新科学家进入该领域的障碍，让全球团队能够更有效地协同工作，继续探索宇宙的基本本质。