Tama ang Arabic na sagot ng model, pero sa screen, nasa maling gilid ang presyo at hati sa gitna ang pangalan ng model. Problema iyan sa bidi, hindi sa model.
Paano ito gumagana
Naka-store ang text sa lohikal na pagkakasunod, ang ayos ng pagbasa at pag-type nito. Binibigyan ng UAX #9, ang Unicode Bidirectional Algorithm, ng direction type ang bawat character at kinukuwenta nito ang ayos ng display para sa linya. Hindi gumagalaw ang mga character sa memory; ang display lang ang nagbabago.
Malalakas (strong) ang mga letra: right-to-left ang Arabic, left-to-right ang Latin. Mahina o neutral ang mga digit at bantas, at kinukuha nila ang puwesto nila sa text sa paligid. Type EN ang mga European digit at type AN ang mga Arabic-Indic digit, at nireresolba ng UAX #9 ang EN bilang AN kapag kasunod ng Arabic na letra.
Isang karaniwang halo-halong string mula sa isang Arabic assistant:
جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة
Kapag ipinakita sa left-to-right na context, binabasa nang kanan pakaliwa ang mga Arabic na bahagi pero sa kaliwa nagsisimula ang paragraph, kaya mali ang ayos ng pangungusap, at puwedeng dumikit sa maling bahagi ang slash, mga tuldok at ang numerong 20. Ang solusyon ay i-set ang base direction, hindi ang pag-aayos muli ng mga character.
Kapag walang markup, may mga invisible control character ang Unicode:
| Code point | Pangalan | Gamit |
|---|---|---|
| U+200F | RLM, right-to-left mark | Itulak sa RTL ang isang neutral na character |
| U+061C | ALM, Arabic letter mark | Pareho, para sa Arabic na context |
| U+2067 | RLI, right-to-left isolate | Simulan ang isang RTL na span |
| U+2066 | LRI, left-to-right isolate | Simulan ang isang LTR na span, gaya ng model ID |
| U+2068 | FSI, first strong isolate | Kunin ang direksiyon mula sa content |
| U+2069 | PDI, pop directional isolate | Tapusin ang anumang isolate |
Hinihikayat ng UAX #9 ang mga isolate kaysa sa mas lumang embedding (U+202A hanggang U+202C) sa mga bagong dokumento, dahil masyadong malakas ang epekto ng embedding sa nakapaligid na text, at sinasabi nitong iwasan hangga’t maaari ang mga override (U+202D, U+202E) dahil sa security concern.
Bakit ito mahalaga
Sa HTML, payo ng W3C na ilagay ang dir="rtl" sa html element kapag RTL ang page, at huwag gumamit ng CSS para i-set ang base direction. Para sa text na hindi mo alam ang direksiyon, gaya ng sagot ng model o pangalan ng user, gamitin ang dir="auto" o ang bdi element. Ayon sa W3C, nagpapasya ang auto batay sa unang strong character, kaya puwede pa ring mali ang display ng paragraph na halos puro English pero nagsisimula sa Arabic na salita.
Para sa mga gumagamit ng API, ito ang mga karaniwang problema:
- Mga chat UI. Nagsisimula sa English ang na-stream na sagot at nagiging Arabic. I-set ang
dir="auto"sa bawat message, hindi minsan lang sa buong page. - JSON at mga log. Puwedeng may invisible mark ang output ng model. Hindi magiging equal sa
"gulf"ang value na gaya ng"gulf". Tanggalin ang mga bidi control bago ikumpara ang mga field ng structured output. - Mga isinaling UI string. Kailangan ng isolate ang mga placeholder at pangalan ng produkto sa loob ng Arabic; tingnan ang pagsasalin ng app strings sa Arabic.
Sa BroadNet Inference
Ibinabalik ng chat endpoint ng BroadNet ang Arabic bilang ordinaryong text sa JSON response, gaya ng anumang OpenAI-compatible API, at walang display o bidi feature ang BroadNet. Trabaho ng front end mo ang direksiyon. Kung nagno-normalize ka rin ng text para sa search, alisin ang mga bidi control sa parehong pass ng Unicode normalization, dahil hindi ito tinatanggal ng NFC at NFKC.
Mga karaniwang pagkakamali
- Pagbabaliktad ng Arabic string sa code para “ayusin” ang display.
- Pag-set ng direksiyon gamit lang ang CSS.
- Pag-iwan ng U+200F o U+2067 sa loob ng mga ID, key o enum value.