返回资讯中心
外部精选
软件工程
#开发者实时流

iOS键盘有多常把拼对的词改错?作者自建指标测量

来源标题:How often does your iOS keyboard break a word you typed correctly?

一位作者指出键盘厂商从不公布

Hacker News 最新eexxcc2026/11/10 · 7 天前14 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

解释 · 发布于 2026 年 11 月 10 日 · 阅读时长 6 分钟

键盘的好坏,人们习惯用「修正了多少错字」来衡量。而你真正能感受到的,其实是另一个数字:拼对的词被改写的频率有多高。我从没见过哪家键盘厂商公布过这个数据,所以下面我来讲讲自己是怎么测的——附带图表、取舍,以及我自己测量方法里的 bug。

把纠错的触发门槛调低,能抓住更多手误;但同时也会覆盖掉更多键盘不认识的词:人名、俚语、你另一种语言里的词。只盯着「修正错字」这一个指标来调键盘,它会逐渐偏向改写——因为每一次幸运的改写都会被记上一笔,而每一次不幸的改写在这个指标里根本看不见。

下面用一次真实实验来说明这个取舍。在录制好的手机点击数据1上,我试了一条简单规则:如果输入的词本身是合法单词,但句子模型认为另一个候选词的可信度高出 t 个 bit,就替换掉它。

漏掉一个错字,代价是你重新打一遍。把一个正确的词改掉,代价是键盘从你的手机上消失。所以这两项数字必须出现在每一份报告里,任何一项改动都必须说明它对另一项造成了什么影响。

对每种语言,测试文本是从该语言所有语料中每隔 n 行抽取一行得到的样本,并且这些行被排除在词表和模型之外。测试时用键盘自己的引擎逐键回放输入,句子模型开启、同时启用英语,词库则是一个完全没有学习过该用户任何输入的词典。

「把错字改得更错」是最容易被人忽略的一项:键盘把你打错的词,改成了另一个也错的词。这里的比例是 1.7–5.5%。

这个差异是真实的,不是噪声。屈折变化丰富的语言里有大量只差一个字母的合法词,于是手误落到了另一个合法词上,键盘分辨不出来。我自己的语言在我自己的表格里就排在接近底部的位置。

调阈值只能让你在这个取舍曲线上移动。要想修得更多、改坏得更少,决策本身必须变得更好。规则引擎给出排序后的候选,然后由一个小的学习型纠错器(一个两层网络)基于相对特征(约 26 个:编辑代价、词频、上下文得分、句子模型的得分,每一项还都相对于最优选项和输入词本身)来权衡这些候选,只有在它的选择比「保留原样」高出一定余量时才采纳。它同时在错词和正确词上训练,所以它学会了什么时候该什么都不做。

margin 0 / margin 1 / margin 2,已上线 / 仅规则 / 被改掉的正确词 → / 修正的错字 → / 在英语上评分,但只用另外两种语言训练:3,979 个错字和 23,117 个正确词。在 margin 2 时,它比纯规则多修正 12 个百分点的错字,而被改掉的正确词不到三分之一(0.11% 对 0.35%)。把错字改得更错的比例也下降了,从 6.6% 降到 5.1%。

如果不把句子模型的得分作为输入,同一个纠错器反而比纯规则更差,所以真正起作用的正是这个模型。

在真实手指输入而非合成手误的情况下,残余错误集中在一个地方。

原因在于:一个手误的短词,几乎总是另一个真实存在的词。在一到三个字母的误触词中,有 78% 输出成了词表里存在的字符串,而更长的词这个比例只有 13%。键盘的规则是保留合法词,这条规则对 camelCase 是对的,对把 in 打成 ib 就是错的。上面那个阈值实验就是由此而来,也是为什么下一步要用手指落在哪里,而不只是模型。

起初,留出文本是每种语言主语料的最后 2,000 行。而那份语料同时也是训练数据(其中近四分之一的英语句子提到了一个叫 Tom 的人)。而且语料是多篇文档拼接起来的,所以它的最后 2,000 行基本就是它的最后一篇文档。在某种语言里,那篇文档是一份不带任何重音符号的字幕发布。键盘正确地补回了重音符号,而测试把每一次补回都算成了一次误纠。

测试列表里有两个词缺了重音符号。键盘把它们补了回来,于是每一轮运行都记了两次未命中。现在,每当一个数字看起来不对劲,我第一件要查的就是测试数据。

三条「这里什么都没学到」的断言,在一个学习功能被关闭的引擎上通过了。现在每个负向测试旁边都配了一个正向对照:同样的设置,一个本应发生该事件的用例,如果设置坏了它就会失败。

还有反复出现的小版本:一天之内有两次,少量手写样本给出的数字随后被真实语料推翻,有一次差了十倍以上。样本少于五十个左右时,我会在数字旁边注明这一点。

在手机上发现的一个 bug 会变成一张纯 TSV 里的一行:之前的文本、精确的按键序列、必须输出的精确文本,以及这份报告来自哪里。全部 940 行、覆盖 40 种语言,每次测试运行都会重放。

lang before typed expected mode status source en sorry runing running live ok 2026-09-23:最后一个词后多了一个字符,被读成 run in en - camelCase camelCase live ok 多出的字符把标识符切成了 came case

许多行写的是「不许改变什么」。已知 bug 以 open 状态录入(现在有 44 个):预期失败,而一旦某天它开始通过,测试就会失败,这样就不会有东西在无人察觉的情况下被意外修好。

一切从你输入第一个词起就解锁,而不是从安装起,且天数用完后不会扣费。之后可以一次性买断,也可以选月度方案。无需账号,键盘内不含任何联网代码。支持 iPhone 和 iPad,iOS 17 或更高版本。

语言数据来自 Pilcrow 的记分卡,2026 年 10 月 12 日在全部 40 种语言上测得;纠错器和词长数据来自 2026 年 10 月和 11 月的离线运行。有问题或更正:info@pilcrowtype.com。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →