直接回答
RTL 测试应把文字方向和应用布局方向分开。Android 可按 locale 推断布局方向，Compose 也提供相对 start/end 概念，但仅有译文字符串不能证明希伯来语界面可用。文字可能同时含希伯来文、拉丁模型名称、数字、网址和标点；视觉顺序与逻辑文字顺序都要可理解。ARCH-01 与 BENCHMARK-01 支持有来源的方法论，却不构成 Cove 支持希伯来语的声明。 先记录真实 UI locale、文字方向、布局方向、源/目标字段以及显示字符串的控件。英文界面中出现希伯来文字，不等于完整 RTL 界面测试。类似地，顶部栏镜像也不能证明选区、光标、混合拉丁序列号或导出文件正确。必须区分界面整体排列方向与每段文字使用的双向显示算法。 建立经审核的希伯来语语料，并准备受控混合方向样例：希伯来文旁有拉丁产品名、网址、日期、小数或版本号、成对括号、引号、两端标点以及会换行的长句。再加入空值、长值和用户编辑后的文本。由合格希伯来语读者核对预期阅读顺序和含义；开发者记录逻辑源字符串，必要时记码点和渲染结果。不得手工重排源文字来让截图看起来正确。 依照官方指南检查 Android 资源方向与应用配置。核实 RTL 支持配置，并在合适情况下采用逻辑 start/end，而非假定 left/right 永远正确。逐个检查图标：返回箭头或方向导航可能要镜像，播放图标或品牌标记却未必如此。平台资源镜像规则不会替每个图形决定含义。应保存屏幕状态、locale、API 版本和控件，使其他审核者能复现结果。 在翻译流程中检查源输入、译文草稿、错误文案、加载态和重试态。用户编辑混合文字时核对光标与选区；还要确认复制或导出保留逻辑字符、标点附着关系和换行。除视觉顺序，也需检查无障碍朗读顺序。若输出不受支持，应如实提示，不可用看似合理却会改义的回退语言。界面镜像正确不等于翻译语义正确。 不能因为 UI 能渲染、locale 标签存在或 RTL 预览成功就声称模型支持希伯来语。语言能力需要确切产物、源到目标方向、任务样例和评测记录。本文测试的是呈现与交互边界，不依赖模型最后是否能翻译。如果没有已验证的希伯来语输出，团队仍可先测试静态本地化文案和合成方向样例，同时将模型能力保持未知。 报告应包括设备与系统、应用构建、locale、布局方向、语料版本、控件、视觉/逻辑检查、选区/复制/导出结果和审核备注。通过与失败样例都需保留。RTL 缺陷可能只出现在个别位置：一页镜像正确，嵌入字段仍左对齐；某段显示正常，选区偏移却错误。矩阵可明确覆盖范围。结论只限于被检查的界面和构建，不等于希伯来语支持认证或翻译准确率基准。
旅行者编辑含预订码的希伯来语句子
旅行者查看一条希伯来语句子，旁边有拉丁字母预订码和日期，随后编辑一个词再复制到消息中。界面预期遵循 RTL locale，但代码和标点必须保持可读且逻辑顺序正确。
决策
用固定混合文字样例，和希伯来语审核者分别检查布局镜像、双向文字、光标选区和复制结果。
预期结果
报告只说明观察到的 UI 行为，不声称翻译模型支持希伯来语。
需要收集的证据
只有将以下证据与同一模型文件和测试运行关联起来，结论才可复核：
- ARCH-01：端侧处理定义不等于语言支持
- BENCHMARK-01：语言任务结论需要固定样例和审核记录
任务质量需要有版本记录的语料和验收规则；流畅的单条样例不等于准确度结果。
实施流程
- 记录 locale 与方向状态. 保存设备和应用 locale、布局方向、文本方向、控件类型、Android 版本，以及字符串是原文还是生成结果。
- 准备审核过的混合方向语料. 覆盖希伯来文、内嵌拉丁标识、数字、网址、成对标点、长行换行、空值和用户编辑版本。
- 检查渲染与交互. 在确切屏幕状态检查阅读顺序、对齐、镜像、光标移动、选区控件、复制、粘贴、重试和导出。
- 比较逻辑文字与显示结果. 保留输入字符串，并与渲染输出核对逻辑顺序；不能为让截图正确而改写底层文字，并保存对比样例。
- 记录不支持和失败案例. 记录控件级失败和审核意见，将 UI 本地化与模型证据分开，未经验证的语言能力保持未知。
让每个阶段的状态都可观察。失败信息应指出阶段、模型、运行时和恢复动作，同时避免记录用户私密内容。
验收标准
- 测试区分 locale 导致的布局方向与文字层双向显示，并分别记录结果。
- 混合希伯来文、拉丁文、数字和标点在编辑、复制、导出时保留预期顺序。
- 若无经独立审核的产物评测，报告不声称模型支持希伯来语或翻译质量。
决策对照表
| 维度 | 选择或证据 | 解读方式 |
|---|---|---|
| RTL 布局 | 为 RTL locale 镜像相对 UI 结构 | 这是布局行为，不能证明文字语义或模型语言支持。 |
| 双向文字段 | 同时呈现希伯来文与 LTR 片段 | 需检查标点、数字、标识符的逻辑和视觉顺序。 |
| 语言能力 | 评测确切产物与语言方向 | 与 UI 布局渲染及交互分开验证。 |
需要避免的失败模式
- 把 RTL 预览误当成翻译证据
- 手工重排源文字来通过截图
- 假设所有图标都应镜像
还要避免静默回退、版本未固定、缺少取消处理，以及把不同配置的结果混在一起下结论。失败运行也应与成功记录一并保存。
最小复现记录
| 层级 | 记录内容 |
|---|---|
| 设备 | 厂商、型号、芯片、内存档位、操作系统版本 |
| 软件 | 应用版本和 Git 提交号 |
| 模型 | 系列、变体、版本、格式、文件长度、摘要、量化方式 |
| 运行时 | 名称、版本、请求后端及实际后端证据 |
| 工作负载 | 样例版本、输入摘要、提示词摘要、输出策略 |
| 结果 | 完成、失败、取消、回退及保护隐私的诊断信息 |
发布检查表
- ☐ 主要搜索问题已回答，且没有未经支持的数字。
- ☐ 所有模型文件和运行时版本均已固定。
- ☐ 代表性任务和失败处理策略均有说明。
- ☐ 生命周期、取消、清理和回退均已测试。
- ☐ 用户内容与网络边界均有说明。
- ☐ 结论只适用于被记录的配置。
- ☐ 新增测试结果时链接到原始方法或证据。
来源与相关证据
中文部署与排错专题见。奇连 AI 端侧专题。
常见问题
RTL 预览正常能证明希伯来语翻译可用吗？
不能。预览只测试呈现。翻译需要确切产物、语言方向样例、流利读者审核及可复核结果；RTL 显示正常不是模型能力证据，也要单测输出。
RTL 页面中的每个图标都要镜像吗？
不必。逐个判断用途。导航方向可能改变，播放、品牌或通用符号未必应镜像；记录决定及实际行为，不能机械翻转，需核验例外。
能否重排源文字来让视觉测试通过？
不能。应保留逻辑源顺序并诊断渲染或方向问题。手工重排会破坏选区、复制与导出，也会使测试输入不再可复现，须保留原始样例。