突破语言壁垒：阿拉伯语-俄语科学平行语料库与LLM基准发布

在科学交流领域，阿拉伯语和俄语作为主要语言之一，长期存在语言壁垒阻碍研究成果的传播。近日，研究人员发布了一项重要成果——阿拉伯语-俄语科学翻译基准，包含约2.7万句对的混合平行语料库，涵盖科学摘要及宗教、新闻、对话等通用领域文本。

研究团队对三个多语言大模型进行了微调实验：mT5-base（5.8亿参数）、NLLB-200-distilled-1.3B（13亿参数）和Qwen2.5-7B-Instruct（70亿参数）。实验采用LoRA技术，测试了秩为8、16、32、64的配置。结果显示，使用QLoRA（秩8）的Qwen2.5-7B模型表现最佳，BLEU得分23.15，chrF得分43.89，BERTScore得分0.906，COMET得分0.758，较零样本基线分别提升4.36 BLEU和0.051 COMET。

值得注意的是，使用三个示例的少样本提示并未提升性能，表明领域特定的微调至关重要。该研究已开源模型、语料库和评估代码，通过降低科学文本的语言障碍，促进阿拉伯语和俄语研究社区的知识交流，支持联合国可持续发展目标中的伙伴关系（SDG 17）和创新基础设施（SDG 9），符合技术驱动可持续发展的会议主题。