نموذج AceGPT الموجه لثقافة وقيم المجتمعات العربيةAceGPT: Localizing Large Language Models in Arabic
نموذج محاذى لقيم وثقافة وتاريخ العالم العربي والإسلامي مع حماية من الأجوبة المنحازة ثقافياً.
متوسط25 مدخلًا مرتبطًا
الذكاء الاصطناعي التوليدي للغة العربية
Arabic AI & Multimodal
النماذج اللغوية المتخصصة بالعربية، مجموعات البيانات، اللهجات، تحويل الصوت والتضمينات المتخصصة.
Arabic LLMs, specialized datasets, dialectal processing, Arabic speech and embedding representations.
نماذج
10 إدخالًا
علّام — ALLaM (سدايا)ALLaM Arabic Foundation Model
نموذج لغوي وطني سعودي طورته الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) لتحقيق جودة رائدة في فهم وتوليد المحتوى العربي.
نماذج Whisper المحسنة للتعرف الصوتي على اللهجات العربيةArabic Dialectal Whisper Automatic Speech Recognition Models
نماذج مدربة على آلاف الساعات من المقاطع الصوتية العربية واللهجات الخليجية والمصرية والمغاربية.
معمارية Falcon 40B وتدريبها متعدد اللغاتFalcon 40B Architecture and Multilingual Pretraining
أحد أوائل النماذج مفتوحة الأوزان التي بنيت باستخدام تقنية Multi-Query Attention لدعم اللغات المتعددة.
جيس 30B (Jais)Jais 30B Arabic-English LLM
نموذج تأسيسي ثنائي اللغة تم تدريبه من الصفر على مجموعة بيانات ضخمة تجمع العربية والإنجليزية، مطور من قبل Inception وG42.
نماذج التشكيل الآلي العصبي للنصوص العربية الفصيحةNeural Arabic Text Diacritization and Phonetic Modeling
إضافة الحركات الإعرابية التلقائية للنصوص لتهيئة قراءتها عبر محركات تحويل النص إلى كلام (TTS).
Qwen 2.5 72B InstructQwen 2.5 72B Instruct
نموذج رائد من Alibaba Cloud يتميز بدعم استثنائي لأكثر من 29 لغة بما فيها العربية، مع قدرات برمجية ورياضية متقدمة ونافذة سياق 128K.
BGE-M3 نموذج التضمين الهجينBGE-M3 Multilingual Hybrid Embedding
نموذج تضمين رائد متعدد اللغات يدعم استرجاع الكثيف (Dense)، المتناثر (Sparse/BM25)، ومتعدد المتجهات (ColBERT Multi-Vector) حتى 8192 رمزاً.
Qwen2-VL 72B للمستندات والفيديوQwen2-VL 72B Vision-Language Model
نموذج رؤية متعدد الوسائط قادر على قراءة وفهم المستندات العربية الممسوحة ضوئياً والمخططات البيانية بدقة عالية ومعدل دقة متفوق.
Whisper — التعرف على الكلام متعدد اللغاتWhisper Multilingual Speech Recognition
نموذج تعرف كلامي مفتوح من OpenAI مدرّب على 680 ألف ساعة متعددة اللغات والمهام، يدعم العربية ضمن 99 لغة دون ضبط دقيق.
أدوات
4 إدخالًا
محلل MADAMIRA الصرفي والتفكيكي للنصوص العربيةMADAMIRA: Fast Arabic Morphological Analysis and Disambiguation
المرجع الأكاديمي الرائد في التحليل الصرفي وتحديد التشكيل والإعراب وإزالة اللبس النحوي.
Pagefind — محرك البحث الثابت متعدد اللغاتPagefind Static Search Engine
محرك بحث متطور للمواقع الثابتة يعمل بالكامل داخل متصفح المستخدم، مع دعم ممتاز للغات ذات الاتجاه من اليمين لليسار (RTL) والتجذير العربي.
Surya — التعرف الضوئي متعدد اللغات وتحليل التخطيطSurya Multilingual OCR & Layout Analysis
أداة مفتوحة المصدر (Apache-2.0) للتعرف الضوئي على النصوص وتحليل التخطيط وترتيب القراءة وتمييز الجداول عبر 90+ لغة بما فيها العربية.
محرك Tesseract 5 ودقة قراءة النصوص العربية المطبوعةTesseract 5 Arabic LSTM OCR Assessment
تقييم حدود أداء Tesseract في الخطوط العربية المتصلة ومقارنتها بنماذج المحولات الحديثة.
مجموعات بيانات
5 إدخالًا
مجموعة MADAR للهجات العربيةMADAR Multi-Arabic Dialect Corpus
مدونة نصوص متعددة اللهجات تغطي لهجات 25 مدينة عربية، تتيح تقييم النماذج في معالجة التباين اللغوي العامي.
مجموعة بيانات QADI لتصنيف وتمييز اللهجات العربيةQADI: Quality-Annotated Dataset for Arabic Dialect Identification
بيانات تغطي 18 دولة عربية لتدريب وتصنيف لهجات المستخدمين وتوجيه الحوار للنموذج المناسب.
معيار الخوارزمي للاستدلال الرياضيAl-Khawarizmi Arabic Math Reasoning Benchmark
مجموعة بيانات موجهة لاختبار قدرات النماذج في حل المسائل الرياضية المعقدة المكتوبة باللغة العربية.
معيار MMLU العربي (Arabic MMLU)Arabic MMLU Benchmark
مجموعة تقييم قياسية تغطي 40 مجالاً معرفياً معرباً ومحلياً لاختبار قدرات الفهم والمنطق والاستيعاب في النماذج اللغوية.
مجموعة بيانات UltraFeedback المحاذية للغة العربيةCurated Arabic UltraFeedback Dataset for DPO Alignment
مجموعة بيانات زوجية (Chosen/Rejected) معربة ومحققة بشرياً لمطابقة القيم والأسلوب العربي الفصيح.
معايرات وتقييم
2 إدخالًا
لوحة صدارة تضمينات النصوص للغة العربية (Arabic MTEB)Arabic Massive Text Embedding Benchmark (MTEB)
مقارنة نماذج التضمين الدلالي في مهام التصنيف والاسترجاع وإعادة الترتيب والتشابه الدلالي العربي.
نتائج Qwen2-VL في استخراج المستندات والجداول العربيةQwen2-VL Arabic Document & Table Extraction Benchmarks
اختبار النموذج في قراءة خطوط الرقعة والنسخ واستخراج الجداول الحكومية بصيغة JSON.
أدلة تطبيقية
3 إدخالًا
ضبط جودة تجميع البيانات والمجموعات اللغوية العربيةDataset Curation Quality Bar for Arabic Corpora
مقاييس تنظيف النصوص وترجيح اللهجات ورصد الانحياز قبل استخدام المجموعات في التدريب أو التقييم.
معايير تسوية ومعالجة النصوص العربية قبل التضمين والبحثDeterministic Arabic Text Normalization Standards
معالجة موحدة للهمزات والتاء المربوطة والألف المقصورة وعلامات التشكيل والتطويل دون إفساد المعنى.
مبادئ التقطيع غير الفاقد للوثائق والأنظمة القانونية العربيةLossless Chunking Principles for Arabic Legal Codes
كيف تضمن عدم فصل شروط العقود وأحكام اللوائح عن موادها الأساسية في قواعد RAG.
مشاريع
1 إدخالًا
مشروع مدارك (Madarek Document AI)Madarek Document AI Project
مبادرة هندسية لبناء محركات استخلاص نصوص الوثائق العربية المعقدة والجداول والفهارس بنماذج بصرية محلية.