日语摘要数字校验：先统一数值与单位

日语会议摘要里的数字，不能只靠 grep 查有没有出现。原文写「三千五百万円」，模型写「3,500万円」，金额相同，字面却对不上；原文是「30件」，摘要变成「30人」，数字对上了，事实仍然错了。

作者做了一个小工具 JP Number Grounding：先统一数字、日期、时间和计数单位的表示，再检查摘要中的值是否有原文依据。它适合给 AI 摘要加一道便宜的检查，但不能替代事实核对。最值得借鉴的，是它如何划清规则能检查的边界。

为什么搜到相同数字还不够

日语中，同一个值可以写成汉字数字、阿拉伯数字或全角数字，还可能带上「万」「億」这样的数量级。日期有年号，时间有「午前」「午後」，数量后面还有计数单位。

例如「三千五百万円」和「3,500万円」都是 3500 万日元，即 35 million yen。直接提取数字比较，可能把正确转换误判成错误。

另一种情况更危险：「30件」变成「30人」。数字搜索会放行，但「件数」已经被改成了「人数」。

要比较的是带单位的值，不能只比较数字字符。

作者的做法是从原文和摘要中提取数量、日期与时间，将汉字数字、万/億、全角数字、年号、午前/午後及计数单位转换成统一形式，再检查摘要里的值是否得到原文支持。

一段会议摘要，能查出哪些错误

作者给出的实际运行示例，原文包含这些信息：

• 来期预算为「三千五百万円」。
• 从「令和7年4月1日」开始。
• 说明会从「午後2時」开始。
• 收到「30件」咨询。
• 下次会议在「5月18日」。

模型摘要则写成：「予算は3,500万円、2025/4/1開始。説明会は14:00。問い合わせ30人。期限は5月1日。」

这里，金额、年号日期和时间都只是表示形式发生变化；咨询数量的单位却从「件」换成了「人」，还出现了原文没有的「5月1日」期限。

下面这段调用负责检查摘要中的值是否有原文依据，source 和 summary 分别放入上述两段文本：

from jpnumground import check
r = check(source, summary)
r["ok"]  # False

要看的是 r["ok"]：这次返回 False，作者称工具抓到了计数单位替换和无依据日期两处问题。不过，它抓到「5月1日」不受支持，并不代表它理解了「下次会议」与「期限」的语义区别。

仓库附带 30 个用例。工具在这些用例上判对了 30/30，单纯检查数字是否出现在原文中则是 14/30。作者明确说明，用例和规则都由自己编写，因此这是回归测试结果，不能当成独立基准测试。

怎么接进 Agent，又该停在哪里

JP Number Grounding 提供 MCP server、CLI 和 Python library，只依赖 Python 标准库，不发起网络请求，采用 MIT 许可证。

通过下面的配置，可以让支持 MCP 的 Agent 启动它：

{"mcpServers": {"jp-number-grounding": {"command": "python", "args": ["-m", "jpnumground.server"], "cwd": "/path/to/jp-number-grounding"}}}

要注意 cwd 这一项：/path/to/jp-number-grounding 是需要替换的项目路径，启动命令则是 python -m jpnumground.server。

作者建议在 system prompt 中规定：从日语文本生成纪要或摘要后，调用 jp_number_grounding_check，修正或删除所有没有依据的事实，再发送结果。原文没有给出 CLI 的具体调用方式。

这道检查也有明确盲区。原文出现过 15%，摘要把这个比例安到另一个项目上，工具仍可能通过。它检查值是否存在，不检查值是否用在正确的对象上。目前它只处理日语，遇到无法识别的数字形式会报告未知，而不是猜测。

我的判断

我认同先做归一化，再用规则检查的思路。金额、日期和计数单位的转换有明确结构，适合做成可重复执行的校验，尤其能补上纯数字搜索的漏洞。

但 30/30 只能说明当前回归用例通过了。真实会议中的口语、省略和非标准写法覆盖到什么程度，原文没说清；误报率、漏报率和执行耗时也没有数据。

相比再让模型核对一遍，这个工具的检查范围更明确，也无需网络请求。至于准确率和成本谁更好，作者没有提供对照数据。system prompt 中的调用规则是否可靠执行，也只是经验之谈。

检查通过，只能说明值在原文中有依据，不能说明整句事实正确。

能拿来做什么

• 给现有日语纪要 Agent 增加一次 jp_number_grounding_check 调用，将不受支持的值送回修改，并保留检查结果供排查。
• 在 Python 摘要流程中用 check(source, summary) 做提交前检查，同时保留人工核对「数值属于哪个项目」的环节。
• 用团队自己的日语会议样本补充回归用例，优先覆盖金额、年号日期、时间和计数单位，再判断是否适合接入日常流程。