← 返回博客

LREC 2026

AI 会用敬语，就一定会写得体的邮件吗？

从给教授和朋友写邮件的区别出发，看看 JaSocial 怎样评价语言模型的社交表达。

Muxuan Liu · 阅读时间约 5 分钟

先看一个日常例子

同样是取消一次约定，给教授写邮件和给朋友发消息，语气通常不一样。给教授需要说明情况、表达歉意；给朋友如果写得像正式公函，虽然语法没错，却可能显得生疏。这里的例子是帮助理解研究问题，并不是论文中的逐字实验材料。

这篇论文关心的正是这种差别：AI 能否根据“我是谁、对方是谁、我们是什么关系”，选择合适的表达？我们把日语邮件中的敬语作为一个观察窗口。

为什么不能只数敬语

敬语多，并不等于表达更合适。如果评价只奖励礼貌词，模型可能学会对所有人都非常正式，却没有真正适应场景。

JaSocial 把一封邮件分成三个层次来看：第一层是双方的身份和关系；第二层是这封邮件要做什么，比如请求、说明或感谢；第三层才是具体用了什么敬语形式。这样可以检查“关系—目的—措辞”是否互相配合。

我们怎样做实验

研究以 1,200 封日语邮件为基础，覆盖六种关系，每种 200 封，包括学生对教授、学生对朋友、员工对上司和员工对同事等。研究团队为邮件标注上述信息，并训练日语 BERT 分类器来自动识别。

在生成实验中，16 个语言模型分别为 30 个场景写邮件，共得到 480 份输出。每个场景有五份人类参考邮件。评价时先把生成邮件和参考邮件转成标签特征，再比较它们的相似程度。分数反映与参考表达的接近程度，不是“这封邮件有多少概率正确”。

发现：对朋友说话反而更难

许多模型在正式的上下级场景中表现较好，但写给朋友时容易过度正式。论文中，向教授感谢论文指导的场景平均得分约为 0.907；取消与朋友的学习约定并道歉的场景约为 0.660。两者来自不同场景，用来展示整体趋势，不能当作只改变收件人后的严格对照实验。

这说明模型会生成敬语，并不代表它能灵活调整距离感。评价 AI 写作时，除了语言是否流畅，还要看它是否理解了交往关系。论文报告的是实验所用版本的表现，并非对今天所有模型的排名。

这个方法能帮我们什么

把评分拆开后，我们可以进一步定位问题：模型是弄错了人物关系，遗漏了请求或感谢的意图，还是选错了敬语？这比只给一个总分更便于改进邮件生成系统。

它仍有边界：研究集中于日语邮件，场景数量有限，自动标签也可能出错。与参考邮件相似不等于在所有真实情境里都合适，更不能据此判断一个模型拥有全面的“社会智能”。

代码与阅读入口

JaSocial 的 GitHub 提供评价流程和示例，模型权重另行下载。仓库目前提供部分示例邮件；完整数据的获取方式以 README 说明为准。2025 年的论文提出了框架，这篇 2026 年论文进一步给出了实现与多模型实验。