Falcon-Emirati-7B 发布：面向阿联酋方言与文化的阿拉伯语模型

核心事实

据 Hugging Face 博客文章，TII 团队发布了 Falcon-Emirati-7B，这是一个在 Falcon-H1-Arabic 基础上继续适配阿联酋阿拉伯语（Emirati Arabic）的方言专用模型。文章称，该模型旨在理解和生成带有阿联酋方言词汇、语气与文化语境的表达，而非仅停留在现代标准阿拉伯语（MSA）层面。团队表示，Falcon-Emirati-7B 在自建基准 Alyah 上取得 84.83% 的准确率，高于其对比的多个阿拉伯语及多语言模型。该基准共 1,173 道母语者手工收集的多选题，覆盖日常问候、礼仪、比喻性语言、遗产知识与阿联酋诗歌等类别。

背景与影响

文章指出，阿拉伯语实际上是一个语言家族，MSA 多用于新闻与教材，而阿联酋日常对话、幽默与叙事使用海湾方言。方言适配的难点在于：阿联酋方言以口语为主，网络书面文本远少于 MSA；含义常依赖共享文化语境而非字面词汇；且业界缺乏成熟的数据配比与训练阶段方案。为此，团队构建了三类数据：原生方言网页内容、关于阿联酋文化的 MSA 材料，以及受术语表和风格规则约束的合成数据。除多选题外，团队还用 LLM 作为评审进行开放式生成评测，称 Falcon-Emirati-7B 在内容正确性与方言忠实度两项上均领先，其中方言忠实度部分得分为 0.52，而对比模型在 0.05 及以下。文章认为，方言能力不会随模型规模自然获得，需要专门的数据与评测。

限制与来源

上述得分与对比均来自 TII 团队自行发布的博客与自建基准，尚未见独立第三方复现。文章也设有「负责任 AI 与局限」章节，但素材未展开具体内容。模型的具体许可证、可用地区、语言支持范围与使用条款，请以官方页面当前信息为准。本文不构成任何投资或采购建议。

来源：Hugging Face 博客，标题《Falcon-Emirati: When an LLM Learns the Dialect, the Culture, and the Nuance》，链接：https://huggingface.co/blog/tiiuae/falcon-emirati