Meringkaskan teks bahasa Arab dengan LLM hanya memerlukan satu permintaan. Untuk mendapatkan ringkasan yang boleh dihantar kepada pengguna, ada tiga keputusan yang permintaan itu tidak buat untuk anda: laras bahasa yang digunakan, panjang ringkasan, dan cara anda tahu ia betul. Artikel ini meliputi teks bertulis: artikel, laporan, tiket dan bebenang mesej yang panjang. Untuk mesyuarat yang dituturkan, saluran minit mesyuarat bahasa Arab menambah langkah transkripsi dan penggabungan mengikut bahagian.
Apakah yang patut dinyatakan dalam prompt peringkasan bahasa Arab?
Lima baris menentukan kebanyakan hasilnya:
- Bahasa dan laras. “Modern Standard Arabic” (الفصحى), atau dialek yang dinamakan. Tanpanya, model yang meringkaskan input Mesir atau Teluk mungkin menjawab dalam campuran.
- Julat bilangan perkataan. “40 hingga 60 perkataan”. Julat lebih mudah dicapai daripada bilangan tepat.
- Fakta seperti yang ditulis. Nombor, tarikh dan nama disalin daripada teks, tidak dibundarkan atau ditukar.
- Tiada yang baharu. Tiada latar belakang yang tidak terdapat dalam teks.
- Bentuk. Satu perenggan, atau tiga poin, atau JSON dengan medan tetap.
Arahan boleh dalam bahasa Arab atau Inggeris; yang mana pun, nyatakan bahasa output dan laras dengan jelas. Kejuruteraan prompt bahasa Arab membincangkan laras, angka dan teks bercampur skrip dengan lebih mendalam. Inilah prompt yang digunakan dalam kod di bawah:
لخّص النص التالي بالعربية الفصحى في {lo} إلى {hi} كلمة.
- اذكر الأرقام والتواريخ والأسماء كما وردت في النص فقط.
- لا تضف معلومات غير موجودة في النص.
- اكتب فقرة واحدة دون عناوين أو نقاط.
Bagaimanakah meringkaskan teks dialek?
Kebanyakan teks perniagaan dalam bahasa Arab bukan MSA: ulasan pelanggan, bebenang WhatsApp dan hantaran media sosial ditulis dalam dialek, selalunya bercampur bahasa Inggeris atau Arabizi. Tiga pilihan membantu:
- Ringkaskan ke MSA secara lalai. Ia neutral merentas wilayah dan lebih mudah dicari. Jika ringkasan dihantar semula kepada pelanggan yang sama, gunakan dialek mereka.
- Kekalkan petikan penting secara verbatim. Minta satu petikan pendek dalam kata-kata asal apabila nada penting, contohnya aduan. Memparafrasa dialek ke MSA boleh melembutkannya.
- Uji pada dialek anda. Pemahaman dialek berbeza antara model; lihat cara LLM mengendalikan bahasa Arab Teluk dan Mesir.
Data awam tidak akan menjalankan ujian itu untuk anda. Set peringkasan bahasa Arab yang besar ialah berita MSA, dan kami tidak menemui penanda aras peringkasan dialek Teluk atau Mesir awam untuk dicadangkan.
Bagaimanakah mengawal panjang ringkasan?
Minta dalam perkataan, kemudian ukur dalam perkataan. Jangan percaya kiraan model sendiri, dan jangan gunakan bajet token sebagai unit: token bagi setiap perkataan Arab berbeza mengikut model. Kami mengukur satu perenggan berita Arab 96 perkataan sebagai 166 token dengan tokenizer rasmi Qwen3.8 27B, dan ringkasan 58 perkataannya sebagai 114 token. Merentas tokenizer empat model chat BroadNet, yang dikira dengan fail tokenizer pengira token bahasa Arab, perenggan yang sama berjulat antara 166 hingga 224 token. Token setiap perkataan dalam bahasa Arab mempunyai pengukuran yang lebih besar.
Memecahkan pada ruang kosong ialah kiraan yang betul bagi kebanyakan kegunaan, kerana itulah yang dilihat pembaca. Bahasa Arab mencantumkan و, ب, ل dan ال pada perkataan, jadi ringkasan Arab 50 perkataan membawa lebih banyak kandungan daripada 50 perkataan Inggeris. Tetapkan julat anda berdasarkan contoh bahasa Arab yang anda suka, bukan sasaran bahasa Inggeris.
Dua lagi peraturan tentang panjang:
max_tokensbukan kawalan panjang. Ia memotong jawapan di tengah ayat. Tetapkannya jauh melebihi saiz ringkasan, terutamanya pada model penaakulan: dokumentasi BroadNet menyatakan DeepSeek V4.1 Flash, GLM 5.3 dan Qwen3.8 27B membuat penaakulan sebelum menjawab, dan penaakulan itu dikira dalammax_tokens. Lihat respons kosong daripada model penaakulan.- Cuba semula sekali, dengan nombornya. “Ringkasan anda 17 perkataan; saya minta 40 hingga 60” membetulkan lebih banyak daripada mengulang arahan.
Bagaimanakah mengesan butiran rekaan?
Peringkas abstraktif mereka-reka perkara. Maynez et al. (ACL 2020) menemui “substantial amounts of hallucinated content” (Terjemahan: sejumlah besar kandungan halusinasi) dalam semua ringkasan model yang disemak oleh anotator mereka; itu sebelum LLM hari ini, tetapi tiada model yang kebal. Anda tidak boleh menyemak makna secara murah dalam kod, tetapi anda boleh menyemak nombor: setiap nombor dalam ringkasan sepatutnya wujud dalam sumber. Petakan digit Arab Timur (٠–٩) dan digit Parsi (۰–۹) kepada 0–9 dahulu, jika tidak ١٢ dan 12 akan kelihatan berbeza.
import os, re
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
PROMPT = """لخّص النص التالي بالعربية الفصحى في {lo} إلى {hi} كلمة.
- اذكر الأرقام والتواريخ والأسماء كما وردت في النص فقط.
- لا تضف معلومات غير موجودة في النص.
- اكتب فقرة واحدة دون عناوين أو نقاط.
النص:
{text}"""
DIGITS = str.maketrans("٠١٢٣٤٥٦٧٨٩۰۱۲۳۴۵۶۷۸۹", "01234567890123456789")
def numbers(s: str) -> set[str]:
return set(re.findall(r"\d+(?:[.,٫]\d+)?", s.translate(DIGITS)))
def words(s: str) -> int:
return len(s.split()) # clitics (و، ال، ب) stay attached: count what readers see
def check(source: str, summary: str, lo: int, hi: int) -> list[str]:
issues = []
n = words(summary)
if not lo <= n <= hi:
issues.append(f"الطول {n} كلمة، والمطلوب من {lo} إلى {hi}.")
extra = numbers(summary) - numbers(source)
if extra:
issues.append("أرقام غير موجودة في النص: " + "، ".join(sorted(extra)))
return issues
def summarize(text: str, lo=40, hi=60, model="broadnet/qwen3.8-27b", attempts=2) -> dict:
messages = [{"role": "user", "content": PROMPT.format(lo=lo, hi=hi, text=text)}]
for i in range(attempts):
r = client.chat.completions.create(model=model, messages=messages, max_tokens=2000)
summary = (r.choices[0].message.content or "").strip()
issues = check(text, summary, lo, hi)
if not issues:
return {"summary": summary, "attempts": i + 1, "issues": []}
messages += [{"role": "assistant", "content": summary},
{"role": "user", "content": "صحّح الملخص: " + " ".join(issues)}]
return {"summary": summary, "attempts": attempts, "issues": issues} # send to review
Kami mengujinya pada pelayan olok-olok tempatan (tiada panggilan API langsung) dengan artikel sintetik 96 perkataan tentang pelan bas sebuah bandar. Jawapan pertama pelayan olok-olok itu 17 perkataan dan menyebut ٣٠٠ bas sedangkan artikel menyebut ٢٤٠. check memulangkan kedua-dua masalah: panjang yang diukur, dan “numbers not in the text: 300” (nombor yang tiada dalam teks: 300). Jawapan kedua yang dibetulkan lulus pada 58 perkataan, jadi fungsi memulangkannya dengan attempts: 2.
Semakan nombor terlepas beberapa perkara: nama yang salah, keputusan yang terbalik, dakwaan tanpa nombor. Ia penapis, bukan keputusan muktamad. Untuk nama, guna semula semakan rentang daripada pengekstrakan entiti bernama bahasa Arab: ekstrak entiti daripada ringkasan dan pastikan setiap satu wujud dalam sumber.
Bagaimanakah meringkaskan dokumen bahasa Arab yang panjang?
Jika teks muat dalam tetingkap konteks dengan ruang yang selesa, hantar sepenuhnya. Qwen3.8 27B menerima 262,144 token setiap permintaan dan GLM 5.3 1,048,576, prompt dan jawapan bersama; Gemma 4 VL 26B menerima 32,768. Namun input panjang ada kelemahan yang diketahui: model menggunakan fakta di tengah konteks panjang dengan kurang konsisten (lost in the middle). Untuk laporan panjang, ringkaskan setiap bahagian, kemudian ringkaskan ringkasan itu, dan kekalkan tajuk bahagian dalam prompt akhir. Artikel mesyuarat menunjukkan langkah penggabungan dalam kod; konteks panjang vs RAG membincangkan bila perlu mendapatkan semula (retrieve) sebaliknya.
Bagaimanakah menilai ringkasan bahasa Arab?
Gunakan tiga lapisan: skor pertindihan automatik untuk mengesan regresi, skor semantik sebagai pendapat kedua, dan manusia untuk keputusan.
ROUGE, dengan tokenizer yang betul. Pakej rouge-score Google (versi 0.1.2, masih keluaran semasa di PyPI pada 16 November 2026) menukar teks kepada huruf kecil dan menggantikan setiap aksara di luar a–z dan 0–9 dengan ruang. Bahasa Arab hilang. Kami menyemaknya:
import re
from rouge_score import rouge_scorer
ref = "أعلنت البلدية خطة لتوسعة النقل العام تضيف ١٢ خطاً للحافلات"
hyp = "البلدية تعلن خطة توسعة للنقل العام بإضافة ١٢ خطا للحافلات"
print(rouge_scorer.RougeScorer(["rouge1"]).score(ref, hyp)["rouge1"].fmeasure) # 0.0
class ArabicTokenizer:
"""Whitespace tokens, no diacritics, unified alef, optional light prefix stripping."""
def __init__(self, strip_prefixes=False):
self.strip = strip_prefixes
def tokenize(self, text):
text = re.sub(r"[ً-ٰٟـ]", "", text)
text = re.sub("[إأآ]", "ا", text).replace("ى", "ي").replace("ة", "ه")
toks = re.findall(r"\w+", text)
if self.strip: # crude: drop و/ب/ل/ال prefixes on longer words
toks = [re.sub(r"^(وال|بال|لل|ال|و|ب|ل)(?=\w{3,})", "", t) for t in toks]
return toks
for strip in (False, True):
s = rouge_scorer.RougeScorer(["rouge1"], tokenizer=ArabicTokenizer(strip))
print(strip, round(s.score(ref, hyp)["rouge1"].fmeasure, 3)) # False 0.6, True 0.8
Dua ayat yang sama mendapat skor 0, 0.6 atau 0.8 bergantung hanya pada tokenisasi. Itulah pengajaran sebenar: morfologi bahasa Arab (للنقل berbanding النقل, بإضافة berbanding تضيف) menggerakkan ROUGE dengan banyak, jadi skor tidak bermakna tanpa tokenizernya. Pengarang XL-Sum menerbitkan fork ROUGE pelbagai bahasa dengan stemming khusus bahasa, termasuk bahasa Arab; gunakannya, atau tokenizer anda sendiri, dan kekalkannya sama bagi setiap larian yang anda bandingkan.
BERTScore membandingkan makna melalui embedding, jadi ia bertolak ansur dengan parafrasa. Untuk bahasa selain Inggeris dan Cina, model lalainya ialah bert-base-multilingual-cased. Anggap ia isyarat kedua, bukan pengganti membaca.
Manusia, dengan rubrik. Minta pembaca bahasa Arab menilai 50 hingga 100 ringkasan berdasarkan tiga soalan: adakah sesuatu yang penting tertinggal, adakah sesuatu dinyatakan yang tidak disebut oleh sumber, dan adakah larasnya betul. Hakim LLM boleh membuat saringan awal secara pukal setelah skornya sepadan dengan pembaca anda pada satu sampel. Menilai LLM sebelum bertukar membincangkan cara membina set itu.
Untuk data rujukan awam:
| Set data | Kandungan | Nota |
|---|---|---|
| XL-Sum Arab | 46,897 pasangan artikel dan ringkasan BBC Arabic (37,519 / 4,689 / 4,689) | CC BY-NC-SA 4.0: penyelidikan bukan komersial sahaja |
| EASC | 153 artikel, setiap satu dengan lima ringkasan ekstraktif oleh manusia | Kecil; Wikipedia dan dua akhbar |
| LANS | 8.4 juta artikel dengan ringkasan daripada 22 akhbar Arab, 1999 hingga 2019 | Ringkasan diambil daripada metadata laman |
Ketiga-tiganya berita MSA. Tiket sokongan dan laporan anda bukan begitu, jadi sampel teks anda sendiri, yang diringkaskan oleh manusia, ialah ujian yang bermakna.
Model BroadNet manakah yang patut digunakan, dan berapakah kosnya?
Untuk perintis, Gemma 4 VL 26B berjalan dengan kredit permulaan $5 pada $0.10 input dan $0.22 output setiap 1M token; tetingkap 32,768 tokennya memuatkan kebanyakan artikel tunggal. Qwen3.8 27B, yang menurut laporan BroadNet telah diuji untuk penulisan bahasa Arab yang lancar dan pemahaman dialek Teluk dan Mesir, berkos $0.175 input dan $2.17 output selepas tambah nilai. Gunakan GLM 5.3 apabila satu dokumen lebih panjang daripada tetingkap Qwen.
Kiraan untuk 10,000 artikel setiap satu 1,000 token, dengan ringkasan 150 token: 10 juta token input dan 1.5 juta token output, jadi pada Qwen3.8 27B jumlahnya ialah 10 × $0.175 tambah 1.5 × $2.17. Tambah token penaakulan, yang dibilkan sebagai output, dan sebarang cubaan semula; ukur kedua-duanya pada sampel daripada blok usage. Jika prompt sama bagi setiap artikel, letakkannya di hadapan supaya ia boleh dibilkan pada kadar input cache.
Di manakah BroadNet Inference sesuai
BroadRouter ialah laman web BroadNet sendiri. BroadNet Inference menjalankan langkah peringkasan melalui API yang serasi OpenAI, jadi kod di atas berjalan dengan OpenAI Python SDK. Dokumentasinya menyatakan prompt dan jawapan tidak disimpan selepas permintaan. Ia tidak menerbitkan penanda aras peringkasan bahasa Arab sendiri, dan tiada apa-apa di sini yang mengukur kualiti ringkasan pada modelnya; jalankan semakan di atas pada teks anda sendiri. Untuk input yang dituturkan, gandingkannya dengan BroadNet Transcribe Arabic seperti dalam artikel minit mesyuarat.
