---
title: "Суммаризация арабского текста с помощью LLM: как сделать"
description: "Как кратко пересказать арабские статьи, отчёты и диалектные сообщения через LLM API: промпты, контроль длины, проверка чисел и почему ROUGE даёт арабскому 0."
url: https://broadrouter.com/ru/blog/arabic-text-summarization-llm/
lang: ru
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/blog/arabic-text-summarization-llm/) (обновлён 2026-11-16).

# Суммаризация арабского текста с LLM: промпты, длина и оценка

Команда BroadNet Inference · 7 мин чтения · Опубликовано 2026-11-15 · Обновлено 2026-11-16

Укажите в промпте регистр (обычно современный литературный арабский, даже для диалектного текста) и диапазон слов. Затем проверьте в коде: посчитайте слова, убедитесь, что каждое число из резюме есть в исходнике, и при ошибке повторите запрос один раз, назвав проблему. Оценивайте ROUGE с токенизатором, понимающим арабский, плюс ручной проверкой: стандартный rouge-score даёт арабскому 0.

## Главное

-   Пакет rouge-score 0.1.2 от Google по умолчанию выбрасывает нелатинские символы. Мы прогнали его на двух арабских предложениях и получили F1, равный 0, независимо от совпадения.
-   Та же пара получила 0,6 с пробельным арабским токенизатором и 0,8 с грубым отсечением приставок. Никогда не сравнивайте значения ROUGE, полученные разными токенизаторами.
-   Просите диапазон слов, а потом считайте. Повторите запрос один раз, указав в сообщении измеренную длину; если снова мимо — отправьте на ручную проверку.
-   Проверяйте, что каждое число из резюме есть в исходном тексте. Это дешёвый тест на один из частых видов выдуманных деталей.
-   Открытые данные для арабской суммаризации — в основном новости на MSA: XL-Sum (46 897 арабских пар), EASC (153 статьи) и LANS. Диалектных данных мало, поэтому соберите собственный тестовый набор.

**На этой странице**

1.  Что должно быть в промпте для арабской суммаризации?
2.  Как пересказывать диалектный текст?
3.  Как управлять длиной резюме?
4.  Как ловить выдуманные детали?
5.  Как пересказывать длинные арабские документы?
6.  Как оценивать арабские резюме?
7.  Какую модель BroadNet выбрать и сколько это стоит?
8.  Место BroadNet Inference

Чтобы пересказать арабский текст с помощью LLM, хватит одного запроса. Чтобы получить резюме, которые можно отдавать в продакшен, нужны три решения, которые запрос за вас не примет: на каком регистре писать, какой длины должно быть резюме и как вы поймёте, что оно верное. Эта статья — о письменных текстах: статьях, отчётах, тикетах и длинных цепочках сообщений. Для устных встреч [пайплайн протоколов арабских встреч](https://broadrouter.com/ru/blog/arabic-meeting-minutes-from-recordings/) добавляет шаг транскрибации и слияние по разделам.

## Что должно быть в промпте для арабской суммаризации?

Большую часть результата определяют пять строк:

1.  **Язык и регистр.** «Современный литературный арабский» (الفصحى) или конкретный диалект. Без этого модель, пересказывающая египетский текст или текст Залива, может ответить смесью.
2.  **Диапазон слов.** «От 40 до 60 слов». В диапазон попасть проще, чем в точное число.
3.  **Факты как в тексте.** Числа, даты и имена копируются из текста, без округления и пересчёта.
4.  **Ничего нового.** Никакого фона, которого нет в тексте.
5.  **Форма.** Один абзац, три пункта списка или JSON с фиксированными полями.

Инструкции можно писать по-арабски или по-английски; в любом случае явно укажите язык и регистр ответа. Подробнее о регистре, цифрах и тексте со смешанной письменностью — в статье о [промпт-инжиниринге для арабского](https://broadrouter.com/ru/blog/arabic-prompt-engineering/). Вот промпт, который используется в коде ниже:

```text
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.
```

## Как пересказывать диалектный текст?

Большая часть деловых текстов на арабском написана не на MSA: отзывы клиентов, переписки в WhatsApp и посты в соцсетях идут на диалекте, часто вперемешку с английским или [арабизи](https://broadrouter.com/ru/blog/arabizi-llm-handling/). Помогают три решения:

-   **По умолчанию пишите резюме на MSA.** Он нейтрален для всех регионов, и по нему проще искать. Если резюме возвращается тому же клиенту, наоборот, подстройтесь под его диалект.
-   **Ключевые цитаты оставляйте дословно.** Когда важен тон, например в жалобе, просите одну короткую цитату в исходной формулировке. Пересказ диалекта на MSA может её смягчить.
-   **Тестируйте на своих диалектах.** Понимание диалектов у моделей разное; см. статью о том, [как LLM справляются с арабским Залива и египетским](https://broadrouter.com/ru/blog/arabic-llm-gulf-egyptian-dialects/).

Открытые данные это тестирование за вас не сделают. Крупные арабские наборы для суммаризации — новости на MSA, и открытого бенчмарка суммаризации для диалектов Залива или египетского мы не нашли.

## Как управлять длиной резюме?

Просите в словах и измеряйте в словах. Не доверяйте подсчёту самой модели и не используйте бюджет токенов как единицу: число токенов на арабское слово зависит от модели. Мы измерили новостной абзац из 96 арабских слов официальным токенизатором Qwen3.8 27B — 166 токенов, а его резюме из 58 слов — 114 токенов. С токенизаторами четырёх чат-моделей BroadNet, посчитанными по файлам токенизаторов из [счётчика арабских токенов](https://broadrouter.com/tools/arabic-token-counter/), тот же абзац занял от 166 до 224 токенов. Более крупное измерение — в статье о [числе токенов на слово в арабском](https://broadrouter.com/ru/blog/tokens-per-word-arabic-english/).

Для большинства задач правильно считать по пробелам: так текст видит читатель. В арабском و, ب, ل и ال пишутся слитно со словом, поэтому резюме из 50 арабских слов несёт больше содержания, чем 50 английских слов. Задавайте диапазон по арабским примерам, которые вам нравятся, а не по английскому ориентиру.

Ещё два правила о длине:

-   **`max_tokens` не управляет длиной.** Он обрывает ответ на полуслове. Ставьте его с большим запасом над размером резюме, особенно у моделей с рассуждениями: в документации BroadNet сказано, что DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B рассуждают перед ответом и эти рассуждения входят в `max_tokens`. См. руководство о [пустых ответах моделей с рассуждениями](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/).
-   **Повторяйте один раз, с числом.** «В вашем резюме 17 слов, а я просил от 40 до 60» исправляет больше, чем повтор инструкции.

## Как ловить выдуманные детали?

Абстрактивные модели суммаризации выдумывают. Maynez et al. (ACL 2020) нашли “substantial amounts of hallucinated content” (перевод: «значительный объём галлюцинированного содержания») во всех резюме моделей, которые просмотрели их аннотаторы; это было до нынешних LLM, но иммунитета нет ни у одной модели. Дёшево проверить смысл в коде нельзя, а числа — можно: каждое число из резюме должно встречаться в исходнике. Сначала переведите восточноарабские цифры (٠–٩) и персидские цифры (۰–۹) в 0–9, иначе ١٢ и 12 будут выглядеть разными.

```python
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
```

Мы проверили это на локальном mock-сервере (без реального вызова API) с синтетической статьёй из 96 слов о городском плане по автобусам. Первый ответ mock-сервера состоял из 17 слов и называл ٣٠٠ автобусов, тогда как в статье было ٢٤٠. `check` вернула обе проблемы: измеренную длину и «числа, которых нет в тексте: 300». Второй, исправленный ответ прошёл с 58 словами, и функция вернула его с `attempts: 2`.

Проверка чисел пропускает многое: неверное имя, перевёрнутое решение, утверждение без чисел. Это фильтр, а не вердикт. Для имён используйте проверку спанов из статьи об [извлечении именованных сущностей из арабского текста](https://broadrouter.com/ru/blog/arabic-named-entity-extraction-llm/): извлеките сущности из резюме и убедитесь, что каждая есть в исходнике.

## Как пересказывать длинные арабские документы?

Если текст помещается в контекстное окно с запасом, отправляйте его целиком. [Qwen3.8 27B](https://broadrouter.com/ru/models/qwen3.8-27b/) принимает 262 144 токена на запрос, а [GLM 5.3](https://broadrouter.com/ru/models/glm-5.3/) — 1 048 576, промпт и ответ вместе; [Gemma 4 VL 26B](https://broadrouter.com/ru/models/gemma-4-vl-26b/) — 32 768. Но у длинных входов есть известная слабость: факты из середины длинного контекста модели используют менее надёжно ([lost in the middle](https://broadrouter.com/ru/glossary/lost-in-the-middle/)). Для длинного отчёта пересказывайте каждый раздел, затем пересказывайте резюме разделов и сохраняйте заголовки разделов в финальном промпте. В статье о встречах [шаг слияния](https://broadrouter.com/ru/blog/arabic-meeting-minutes-from-recordings/) показан в коде; когда лучше использовать поиск, разобрано в статье [длинный контекст или RAG](https://broadrouter.com/ru/blog/long-context-vs-rag/).

## Как оценивать арабские резюме?

Используйте три уровня: автоматическую метрику перекрытия, чтобы ловить регрессии, семантическую метрику как второе мнение и людей для окончательного решения.

**ROUGE, но с правильным токенизатором.** Пакет rouge-score от Google (версия 0.1.2, по-прежнему текущий релиз на PyPI на 16 ноября 2026 г.) приводит текст к нижнему регистру и заменяет пробелом каждый символ вне a–z и 0–9. Арабский исчезает. Мы проверили:

```python
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
```

Одни и те же два предложения получают 0, 0,6 или 0,8 только в зависимости от токенизации. Это и есть главный урок: арабская морфология (للنقل против النقل, بإضافة против تضيف) сильно сдвигает ROUGE, поэтому оценка без указания токенизатора ничего не значит. Авторы XL-Sum публикуют многоязычный форк ROUGE со стеммингом для отдельных языков, включая арабский; используйте его или собственный токенизатор и не меняйте его между прогонами, которые сравниваете.

**BERTScore** сравнивает смысл через эмбеддинги, поэтому терпим к перефразированию. Для языков, кроме английского и китайского, его модель по умолчанию — bert-base-multilingual-cased. Считайте его вторым сигналом, а не заменой чтению.

**Люди, с рубрикой.** Попросите читателя-арабиста оценить 50–100 резюме по трём вопросам: не пропущено ли что-то важное, нет ли утверждений, которых нет в исходнике, и верен ли регистр. [LLM-судья](https://broadrouter.com/ru/glossary/llm-as-judge/) может проводить предварительный отсев на больших объёмах, когда его оценки совпадут с оценками ваших читателей на выборке. Как собрать такой набор, рассказано в статье об [оценке LLM перед переходом](https://broadrouter.com/ru/blog/evaluate-llm-before-switching/).

Открытые эталонные данные:

| Датасет | Что содержит | Примечания |
| --- | --- | --- |
| [XL-Sum](https://huggingface.co/datasets/csebuetnlp/xlsum), арабская часть | 46 897 пар «статья BBC Arabic — резюме» (37 519 / 4 689 / 4 689) | CC BY-NC-SA 4.0: только некоммерческие исследования |
| [EASC](https://huggingface.co/datasets/drelhaj/EASC) | 153 статьи, к каждой пять экстрактивных резюме, написанных людьми | Маленький; Википедия и две газеты |
| [LANS](https://arxiv.org/abs/2210.13600) | 8,4 млн статей с резюме из 22 арабских газет, 1999–2019 | Резюме взяты из метаданных сайтов |

Все три — новости на MSA. Ваши тикеты поддержки и отчёты — нет, поэтому решающий тест — выборка ваших собственных текстов, пересказанных человеком.

## Какую модель BroadNet выбрать и сколько это стоит?

Для пилота [Gemma 4 VL 26B](https://broadrouter.com/ru/models/gemma-4-vl-26b/) работает на стартовом кредите $5 по цене $0.10 за вход и $0.22 за выход на 1 млн токенов; её окна в 32 768 токенов хватает для большинства отдельных статей. [Qwen3.8 27B](https://broadrouter.com/ru/models/qwen3.8-27b/), которую, по данным BroadNet, тестировали на беглое письмо на арабском и понимание диалектов Залива и египетского, стоит $0.175 за вход и $2.17 за выход после пополнения. GLM 5.3 берите, когда один документ длиннее окна Qwen.

Расчёт для 10 000 статей по 1 000 токенов с резюме по 150 токенов: 10 млн входных токенов и 1,5 млн выходных, то есть на Qwen3.8 27B это 10 × $0.175 плюс 1,5 × $2.17. Прибавьте токены рассуждений, которые тарифицируются как выход, и повторные запросы; измерьте и то и другое на выборке по блоку usage. Если промпт одинаков для всех статей, ставьте его в начало, чтобы он мог тарифицироваться по ставке [входа из кэша](https://broadrouter.com/ru/glossary/cached-input-tokens/).

## Место BroadNet Inference

BroadRouter — собственный сайт BroadNet. BroadNet Inference выполняет шаг суммаризации через OpenAI-совместимый API, так что код выше работает с [OpenAI Python SDK](https://broadrouter.com/ru/guides/openai-python-sdk/). В её документации сказано, что промпты и ответы не хранятся после запроса. Собственного бенчмарка арабской суммаризации она не публикует, и ничто в этой статье не измеряет качество резюме на её моделях; запустите описанные проверки на своих текстах. Для устной речи сочетайте её с BroadNet Transcribe Arabic, как в [статье о протоколах встреч](https://broadrouter.com/ru/blog/arabic-meeting-minutes-from-recordings/).

Бесплатные инструменты по теме (на английском)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Бесплатные инструменты (на английском)](https://broadrouter.com/tools/)

## Термины в этой статье

[Потеря в середине (lost in the middle)](https://broadrouter.com/ru/glossary/lost-in-the-middle/)

Lost in the middle («потеря в середине») — это наблюдаемая склонность языковых моделей лучше всего использовать нужную информацию, когда она стоит ближе к началу или концу длинного ввода, и хуже всего — когда она находится в середине. Название эффекту дало исследование Liu и соавторов 2023 года.

[Арабизи (Arabizi)](https://broadrouter.com/ru/glossary/arabizi/)

Арабизи — это неформальная запись арабского латинскими буквами, где арабские звуки без латинского аналога передаются цифрами, например 3 вместо ع. Он распространён в чатах и соцсетях, в основном диалектный, не имеет стандартной орфографии и часто перемешан с английским или французским.

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

[Контекстное окно (context window)](https://broadrouter.com/ru/glossary/context-window/)

Контекстное окно — это максимальное число токенов, с которым языковая модель может работать в одном запросе. В него входят промпт, история диалога, описания инструментов, изображения и сгенерированный ответ, включая токены рассуждений. Всё, что не помещается, приходится обрезать, сжимать в краткое изложение или делить на несколько запросов.

[Современный стандартный арабский (MSA, фусха)](https://broadrouter.com/ru/glossary/msa/)

Современный стандартный арабский (MSA) — это стандартизированная форма арабского языка для письма, новостей, образования и официальной речи во всём арабском мире. Ни для кого он не родной повседневный язык: люди говорят на региональных диалектах, например египетском или заливском, и переходят на MSA в официальной обстановке.

[Токен (token)](https://broadrouter.com/ru/glossary/token/)

Токен — это единица текста, которую языковая модель читает и пишет: слово, часть слова, знак препинания или последовательность байтов, которую выдаёт токенизатор модели. LLM API считают, ограничивают и обычно тарифицируют использование в токенах.

[Токенизатор (tokenizer)](https://broadrouter.com/ru/glossary/tokenizer/)

Токенизатор — это компонент, который преобразует текст в последовательность целочисленных ID токенов, которую читает языковая модель, и превращает сгенерированные ID обратно в текст. У каждой модели свой токенизатор, поэтому один и тот же текст может дать разное число токенов на разных моделях.

[LLM-as-a-judge (LLM в роли судьи)](https://broadrouter.com/ru/glossary/llm-as-judge/)

LLM-as-a-judge — это метод оценки, при котором языковая модель оценивает ответы других моделей: либо выставляет балл одному ответу по рубрике, либо выбирает лучший из двух. Он приближается к человеческому суждению при гораздо меньших затратах, но имеет известные перекосы, например предпочитает первый или более длинный ответ.

## Вопросы и ответы

### Может ли LLM хорошо пересказать арабский текст?

Да, но гладко — не значит точно. Проверяйте длину и числа в коде, а прежде чем полагаться на результат, попросите читателя-арабиста оценить выборку на пропущенные пункты и выдуманные детали.

### Резюме диалектного текста писать на диалекте или на MSA?

Обычно на MSA: он звучит нейтрально и удобен для поиска во всех регионах. Короткие цитаты оставляйте на исходном диалекте, когда важна формулировка, например в жалобе. Укажите выбор в промпте, иначе модели скачут между вариантами.

### Почему ROUGE ставит моим арабским резюме 0?

Популярный Python-пакет rouge-score по умолчанию заменяет пробелами все символы вне a-z и 0-9, поэтому арабский текст не даёт ни одного токена. Передайте собственный токенизатор или используйте многоязычный форк ROUGE от авторов XL-Sum.

### Как управлять длиной резюме на арабском?

Просите диапазон слов, а не число токенов, и измеряйте ответ разбиением по пробелам. Если промах — отправьте запрос ещё раз с измеренной длиной. Помните, что к арабским словам часто прикреплены приставки, поэтому резюме из 50 арабских слов вмещает больше смысла, чем 50 английских слов.

### На каком датасете проверить суммаризацию арабского?

В XL-Sum 46 897 арабских пар «статья BBC — резюме» (некоммерческая лицензия). В EASC 153 статьи, к каждой по пять экстрактивных резюме, написанных людьми. Оба — новости на MSA, поэтому добавьте выборку своих текстов, особенно диалектных.

## Читайте также

-   [Протокол арабской встречи по записи: конвейер на API](https://broadrouter.com/ru/blog/arabic-meeting-minutes-from-recordings/)
-   [Промпт-инжиниринг для арабского: регистр, RTL, цифры и смешанный текст](https://broadrouter.com/ru/blog/arabic-prompt-engineering/)
-   [Арабский Залива, египетский и левантийский: как LLM понимают диалекты](https://broadrouter.com/ru/blog/arabic-llm-gulf-egyptian-dialects/)
-   [Как выбрать LLM API для арабского: что проверить](https://broadrouter.com/ru/blog/choosing-an-llm-for-arabic/)
-   [Токены на слово: арабский и английский — почему арабский дороже](https://broadrouter.com/ru/blog/tokens-per-word-arabic-english/)
-   [Длинный контекст или RAG: когда 1 млн токенов заменяет векторную БД](https://broadrouter.com/ru/blog/long-context-vs-rag/)
-   [Огласовки в арабском тексте через LLM: промпт, проверка, DER](https://broadrouter.com/ru/blog/arabic-diacritization-llm/)
-   [Проверка арабской орфографии и грамматики через LLM: руководство](https://broadrouter.com/ru/blog/arabic-grammar-spelling-correction-llm/)
-   [Руководство: OpenAI Python SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-python-sdk/)
-   [Руководство: Почему рассуждающая модель возвращает пустой ответ](https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

[Начать](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-arabic-text-summarization-llm&utm_content=page-cta) ·

**Источники**

-   [Hasan et al., XL-Sum: Large-Scale Multilingual Abstractive Summarization for 44 Languages, Findings of ACL 2021 (проверено 2026-11-15)](https://aclanthology.org/2021.findings-acl.413/)
-   [Карточка датасета XL-Sum на Hugging Face: арабская часть 37 519 / 4 689 / 4 689, CC BY-NC-SA 4.0 (проверено 2026-11-15)](https://huggingface.co/datasets/csebuetnlp/xlsum)
-   [Репозиторий XL-Sum: многоязычный подсчёт ROUGE со стеммингом для отдельных языков (проверено 2026-11-15)](https://github.com/csebuetnlp/xl-sum)
-   [Исходный код токенизатора rouge-score от Google Research: приводит к нижнему регистру и заменяет неалфавитно-цифровые символы (проверено 2026-11-15)](https://github.com/google-research/google-research/blob/master/rouge/tokenize.py)
-   [El-Haj, Kruschwitz и Fox, Essex Arabic Summaries Corpus (EASC), зеркало на Hugging Face (проверено 2026-11-15)](https://huggingface.co/datasets/drelhaj/EASC)
-   [Alhamadani et al., LANS: Large-scale Arabic News Summarization Corpus, arXiv 2210.13600 (проверено 2026-11-15)](https://arxiv.org/abs/2210.13600)
-   [Maynez et al., On Faithfulness and Factuality in Abstractive Summarization, ACL 2020 (проверено 2026-11-15)](https://aclanthology.org/2020.acl-main.173/)
-   [Репозиторий BERTScore: многоязычная модель по умолчанию для языков, кроме английского и китайского (проверено 2026-11-15)](https://github.com/Tiiiger/bert_score)
-   [Справочник API и цены BroadNet Inference: модели, длина контекста, рассуждения и max\_tokens (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-arabic-text-summarization-llm&utm_content=sources)
