TII presenta Falcon-Emirati, un modelo de lenguaje centrado en el dialecto y la cultura emiratí

El Technology Innovation Institute (TII), creador de los modelos Falcon, ha presentado Falcon-Emirati-7B, un modelo de lenguaje especializado en el árabe que se habla en los Emiratos Árabes Unidos.

El árabe de las noticias y de los libros, el árabe estándar moderno, no es el que se usa en la conversación diaria. En los Emiratos se habla un dialecto del Golfo con vocabulario propio, y sus refranes y su poesía no se entienden traduciendo palabra por palabra.

Falcon-Emirati-7B, de 7.000 millones de parámetros, parte de Falcon-H1-Arabic, la familia de modelos en árabe del propio instituto. Lo han entrenado con textos de webs y foros escritos en dialecto emiratí, con material sobre la cultura del país y con datos sintéticos generados siguiendo glosarios y reglas de estilo del dialecto.

En Alyah, una prueba de 1.173 preguntas recogidas entre hablantes nativos, acierta el 84,83 %, por delante de todos los modelos con los que lo han comparado, algunos mucho más grandes. En otra prueba, con un modelo de Google (Gemini 3.7 Flash) como juez, fue el único de los cinco comparados que respondía de forma habitual en emiratí: los demás solían saber la respuesta, pero la daban en árabe estándar. Son resultados del propio TII.

Se puede probar ya en Falcon Chat, la web de chat del instituto. El TII avisa de que puede equivocarse con expresiones poco frecuentes y recomienda probarlo antes de usarlo para algo oficial o delicado.

El propio TII lo resume así: el tamaño de un modelo no basta para dominar un dialecto, hay que entrenarlo a propósito.