Aladdin-FTI @ AMIYA Three Wishes for Arabic NLP: Fidelity, Diglossia, and Multidialectal Generation

📄 arXiv: 2602.16290v1 📥 PDF

作者: Jonathan Mutal, Perla Al Almaoui, Simon Hengchen, Pierrette Bouillon

分类: cs.CL

发布日期: 2026-02-18

备注: 13 pages, Paper submitted to the AMIYA shared task at the VarDial workshop, co-located with EACL 2026

💡 一句话要点

Aladdin-FTI模型：解决阿拉伯语NLP中方言建模难题，支持多方言生成与翻译

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 阿拉伯语NLP 方言建模 机器翻译 多语言生成 大型语言模型

📋 核心要点

  1. 阿拉伯语方言因其非标准化和变异性，在NLP中建模困难，现有方法难以有效处理。
  2. Aladdin-FTI利用大型语言模型，将阿拉伯语视为多元中心语言，从而更好地建模方言。
  3. 该模型支持多种阿拉伯语方言的生成和翻译，包括摩洛哥、埃及等，以及与MSA和英语的互译。

📝 摘要（中文）

由于阿拉伯语方言的非标准化和高度变异性，长期以来在自然语言处理（NLP）研究中代表性不足，这对计算建模提出了挑战。近年来，大型语言模型（LLMs）等领域的进步为解决这一问题提供了有希望的途径，使阿拉伯语能够被建模为一种多元中心语言，而不是单一的系统。本文介绍了Aladdin-FTI，我们提交给AMIYA共享任务的系统。该系统旨在生成和翻译阿拉伯语方言（DA）。具体来说，该模型支持摩洛哥、埃及、巴勒斯坦、叙利亚和沙特方言的文本生成，以及这些方言、现代标准阿拉伯语（MSA）和英语之间的双向翻译。代码和训练好的模型已公开。

🔬 方法详解

问题定义：阿拉伯语方言在NLP中面临的挑战是由于其非标准化和高度变异性。现有的方法通常将阿拉伯语视为单一的整体，忽略了方言之间的差异，导致在处理方言文本时性能不佳。此外，缺乏高质量的阿拉伯语方言数据也限制了模型的训练和泛化能力。

核心思路：Aladdin-FTI的核心思路是将阿拉伯语视为一种多元中心语言，而不是单一的整体。通过利用大型语言模型（LLMs）的强大能力，该模型能够学习并区分不同阿拉伯语方言之间的细微差别，从而实现更准确的方言文本生成和翻译。这种方法允许模型更好地捕捉方言的语言特征，并生成更自然、更地道的方言文本。

技术框架：Aladdin-FTI的整体框架基于Transformer架构，并针对阿拉伯语方言的特点进行了优化。该模型包含一个编码器和一个解码器，编码器负责将输入文本转换为隐藏表示，解码器则根据隐藏表示生成目标文本。在训练过程中，模型使用了多任务学习策略，同时进行方言文本生成和翻译任务，以提高模型的泛化能力。此外，模型还采用了数据增强技术，通过对现有数据进行扩充，来缓解阿拉伯语方言数据稀缺的问题。

关键创新：Aladdin-FTI最重要的技术创新点在于其对阿拉伯语方言的建模方式。与以往将阿拉伯语视为单一整体的方法不同，该模型将阿拉伯语视为一种多元中心语言，并利用大型语言模型来学习和区分不同方言之间的差异。这种方法能够更准确地捕捉方言的语言特征，并生成更自然、更地道的方言文本。此外，该模型还采用了多任务学习和数据增强等技术，进一步提高了模型的性能和泛化能力。

关键设计：Aladdin-FTI的关键设计包括以下几个方面：1) 使用预训练的阿拉伯语语言模型作为初始化，以提高模型的训练效率和性能；2) 采用多任务学习策略，同时进行方言文本生成和翻译任务，以提高模型的泛化能力；3) 使用数据增强技术，通过对现有数据进行扩充，来缓解阿拉伯语方言数据稀缺的问题；4) 对Transformer架构进行优化，以更好地适应阿拉伯语方言的特点，例如调整注意力机制的权重，以更好地捕捉方言的语言特征。

📊 实验亮点

Aladdin-FTI在AMIYA共享任务中取得了显著成果，在阿拉伯语方言生成和翻译任务上均表现出色。具体性能数据未知，但该模型能够生成流畅、自然的阿拉伯语方言文本，并实现不同方言、MSA和英语之间的准确翻译。与现有基线系统相比，Aladdin-FTI在方言建模方面具有显著优势，能够更好地捕捉方言的语言特征。

🎯 应用场景

Aladdin-FTI模型在多个领域具有广泛的应用前景。例如，它可以用于开发阿拉伯语方言的机器翻译系统，帮助人们跨越语言障碍进行交流。此外，该模型还可以用于生成阿拉伯语方言的文本内容，例如新闻报道、社交媒体帖子等，从而丰富阿拉伯语互联网的内容生态。该模型还有助于保护和传承阿拉伯语方言，促进阿拉伯语文化的多样性发展。

📄 摘要（原文）

Arabic dialects have long been under-represented in Natural Language Processing (NLP) research due to their non-standardization and high variability, which pose challenges for computational modeling. Recent advances in the field, such as Large Language Models (LLMs), offer promising avenues to address this gap by enabling Arabic to be modeled as a pluricentric language rather than a monolithic system. This paper presents Aladdin-FTI, our submission to the AMIYA shared task. The proposed system is designed to both generate and translate dialectal Arabic (DA). Specifically, the model supports text generation in Moroccan, Egyptian, Palestinian, Syrian, and Saudi dialects, as well as bidirectional translation between these dialects, Modern Standard Arabic (MSA), and English. The code and trained model are publicly available.