待验证50% 置信事实精确时间

AraBERT的训练数据来源包括阿拉伯语维基百科、新闻语料等共约24GB的现代标准阿拉伯语文本

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

神经符号框架破解阿拉伯语句法歧义：准确率达96.88%

涉及实体

相关事实

待验证阿里建立了覆盖超过30种语言的高质量预训练语料库，总量据估计超过18万亿token68% 相似待验证AraBERT是由AUBMIND实验室基于BERT架构针对阿拉伯语预训练的语言模型64% 相似待验证相比多语言BERT（mBERT），AraBERT对阿拉伯语的形态切分和语义表征有显著优化，尤其在形态还原和词根分析方面62% 相似待验证安全对齐训练的数据在英语上最为充分，而在阿拉伯语、乌尔都语等语言上可能存在明显覆盖缺口，构成多语言越狱漏洞61% 相似待验证开罗Genizah文献中包含大量用犹太-阿拉伯语（以希伯来字母书写阿拉伯语）写成的文本以及迈蒙尼德的亲笔手稿61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975523

API

curl https://kongchang.com/api/v1/knowledge/claims/975523

MCP

get_claim(id=975523)