南岭证券的三个英文脱敏样本，第三天到了。
卫越点开第一个，等了十秒，屏幕上蹦出一堆错位的字段。他盯着看了三秒，爆了句粗口。
他上个月刚给国内文件做完解析器，字段平铺，编号从1到N排得规规矩矩。可英文的IPO底稿是嵌套的树状结构：董事会决议塞在招股书附录里，附录下面挂着审计报告附件，编号是Doc-01-A-ii-2这种绕口令。解析器一跑，字段全串了位。
「嵌套比咱们之前碰的深三层。」卫越薅着头发，「解析逻辑得重写。」
他熬了两个通宵，把XML层级全打平，重新配字段规则，总算能抓准日期、编号、主体。然后随手点了个全量测试，屏幕上蹦出几十条预警，一半都扎在日期字段上。
「03/04/2021，」他点开其中一条，是份董事会决议，「我一开始按美式解析成3月4日，结果所有关联事件全对不上。改成4月3日，全对上了。可另一份文件里同一天又写的是March 4, 2021。同一个写法，两种读法，没上下文根本分不清美式英式。」
冯树凑过来看：「这不就格式不统一吗，按出现频率高的来不就行了？」
「不行。」陆衍不知什么时候站在他们身后，端着杯凉茶，「按频率猜，猜错一次，整条时间线就歪了。咱们卖的是工具，不是算命。」
「那怎么办？」
「先交叉验证。」陆衍拉过椅子坐下，「同一个事件，参会人员、交易编号、金额，总能找到第二份文件佐证。能对上的，判定；对不上的，单独列一类，叫『日期歧义待确认』，报告里明着标，不硬给结论。」
卫越当场试了一份。03/04/2021的股权转让决议，对应审计报告的同一天交易记录，决议列了七个参会人，审计报告只有六个，少了CFO。他翻出CFO的出差记录：4月3日香港的机票，3月4日本地的会议签到。
「英式，4月3日。」卫越后颈的汗凉了半截，「可要是没有出差记录这种佐证呢？」
「那就进『待确认』。」陆衍说，「让看报告的人知道这一条定不了，比我们替他定错了强。」
规则当天下午进了库。第一批测试跑出来三条「日期歧义待确认」，其中一条是closing date 06/07/2021，关联协议只写了closing in Q2 2021——6月7日还是7月6日，定不了，挂着。
第二天上午，南岭的周总抱着半箱子样本来了，衬衫袖子挽到小臂：「小陆，加个活。这批是港股上市的底稿，启明生物，中英双语的招股书，能不能做一致性比对？两边写得不一样的地方，全标出来。」
卫越接过样本翻了翻。中文版「业务概览」和英文版大体对得上，再往下翻，问题来了。
「同一个批准文号，中文写的是标准格式，英文版三种写法，分布在三个章节。」卫越把屏幕转过来，「再看这个，子公司列表。中文版公司名一个词，英文版写成三个词，中间全打了空格。咱们拿到的注册文件里，英文名是连写的——带不带空格，在系统里就是两个主体。」
「他们的招股书是集团行政部和境外律师团分别做的，没统一术语库。」周总苦笑，「我们所三个实习生对了半个月，眼睛都快瞎了。你们要能做，后面所有境外项目优先给你们。」
「能做，但得先建双语术语库。」陆衍说，「同一个东西的几种写法归到同一个术语ID下，再做语义对齐。术语库不建好，比对就是瞎对。」
「工期呢？下个月初要递材料。」
「先跑一个章节给你们看效果，行再全量。」陆衍没把话说满，「费用和工期让冯树跟你对。」
周总走后，卫越已经开始扒拉术语素材了。陆衍翻开本子，记了几行：英文树状结构、日期歧义待确认、双语术语库。
写完他停了停，在最下面补了一句：「歧义是文件给的，不是工具算错的。能说清『这条定不了』，也是核查的一部分。」
窗外天色压下来，办公室只剩卫越敲键盘的声音。三个英文样本的第一章，明天要见分晓。