ALLaM
PulseAugur coverage of ALLaM — every cluster mentioning ALLaM across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Napster集成ALLaM语言模型和HUMAIN语音技术
Napster正在将其ALLaM语言模型和HUMAIN语音技术集成到其平台中。此次集成旨在提升Napster现有客户的用户体验，特别是沙特阿拉伯及更广泛的中东地区的客户。
-
新基准揭示阿拉伯语大型语言模型响应中的文化差距
一项名为 AraBehave 的新基准已被开发出来，用于评估大型语言模型（LLMs）在阿拉伯文化背景下的适宜性。该基准包含 1,600 多个提示和人类判断，揭示文化适宜性包含两个不同的组成部分：规范立场和基于事实的文化准确性。像 Gemini 这样的通用模型虽然具有很强的基于事实的准确性，但它们通常采取文化上不适宜的规范立场。相反，以阿拉伯语为中心的模型可能采取预期的立场，但会受到虚构的宗教内容或引述错误经文的影响。研究表明，立场很容…
-
微软将沙特AI模型Allam集成到全球生态系统
微软正在将其开发的沙特阿拉伯语AI模型Allam集成到其全球软件生态系统中。Humain与微软的此次合作旨在让Allam大型语言模型能够被更广泛的客户群体所使用。此举可能挑战以英语为中心的AI工具在中东地区的主导地位。
-
新的 ASAS 基准揭示了阿拉伯语 LLM 存在显著的安全漏洞
名为 ASAS 的新基准已被开发出来，用于评估阿拉伯语大型语言模型 (LLM) 的安全性。该基准包含 801 个跨八个安全类别的、经过人类策划的提示，结果显示大多数经过测试的模型无法防御一半的不安全提示。武器和非法物质等高风险类别显示出显著的安全漏洞，其中直接攻击和混淆攻击最为有效。研究还发现，语言对齐在不同语言之间不易转移，并且自动安全判断器的表现不如人工标注员。
-
LLM通过微调难以关联比喻语言和文化知识
一篇新的研究论文探讨了大型语言模型（LLM）如何处理比喻和文化知识，并研究了在特定文化数据上进行微调是否能提高它们对比喻语言的理解能力。该研究使用了四种模型—ALLaM-7B、Fanar-1-9B、Qwen3-8B 和 Llama-3.1-8B—以及六个阿拉伯语数据集。结果表明，在诗歌上进行微调可以提高习语的理解能力，但文化微调会降低谚语解释的准确性。研究表明，虽然LLM可以适应比喻内容，但文化与比喻语言之间的关系很复杂，仅通过微调难以捕捉。
-
Cohere增强阿拉伯语AI，扩展模型支持，并强调社区贡献
Cohere宣布了多项旨在提高AI能力，特别是针对资源匮乏语言的更新和合作伙伴关系。该公司正与HUMAIN合作推进阿拉伯语AI，并发布了一款名为listen-habibi的新工具，该工具使用Cohere的阿拉伯语转录模型将各种来源的阿拉伯语语音转录为文本。此外，Cohere还扩展了对Ruby的支持，支持CPU、CUDA和Metal执行，以及字幕和词级时间戳选项。该公司还强调了社区贡献，指出其模型在Hugging Face上提供了GGU…
-
新基准HalluTruthQA旨在检测阿拉伯语LLM的幻觉
研究人员开发了HalluTruthQA，一个旨在评估大型语言模型（LLM）在生成阿拉伯语问答响应准确性的新基准。该基准提供了一种细粒度的方法，超越了简单的检测，还包括错误定位、事实核查和不准确性解释。它包含跨越四个领域（伊斯兰知识、历史、科学和地理）的2,400个专家策展示例。对四种开源LLM（ALLaM、Falcon-H1、Qwen32和Silma）的评估显示，没有单一模型在所有评估任务上都表现出色，这凸显了幻觉评估的复杂性。
-
沙特阿拉伯投资770亿美元打造HUMAIN平台以实现AI独立 · 追踪2个来源
沙特阿拉伯正投资770亿美元发展其本土AI生态系统，目标是减少对主要云服务提供商的依赖。该国正在支持HUMAIN平台的开发，该平台将作为各种AI模型的编排层。此举旨在降低技术接入成本，并促进AI领域的独立性。
-
发布新的开源阿拉伯语大语言模型 'RightNow-Arabic-0.5B-Turbo'
研究人员开发了RightNow-Arabic-0.5B-Turbo，一个拥有5.18亿参数的新型开源阿拉伯语语言模型。该模型基于Qwen2.5-0.5B构建，并通过词汇注入整合了专门的阿拉伯语词汇。开发过程包括广泛的预训练、监督微调和直接偏好优化，最终通过多个检查点进行权重融合。所得模型在阿拉伯语基准测试中表现出竞争力，在同等规模的开放模型中表现更优，并以极少的参数实现了远大于其规模模型的显著性能。它专为边缘部署而设计，量化后文件体积…