大语言模型如何理解突尼达阿拉伯语？

大语言模型(LLM)是当今AI智能体的引擎。这些模型对人类语言的理解程度越好，与AI的交互就越自然高效，从日常设备如计算机和智能手表到任何能够进行智能交互的工具。然而，工业规模LLM对低资源语言如突尼达阿拉伯语(Tunizi)的理解能力常被忽视。这一忽视风险使数百万突尼达人无法以本土语言完全与AI交互，迫使他们转向法语或英语。这种转变不仅威胁突尼达方言的保存，还可能对识字能力产生挑战，影响年轻一代更青睐外来语言。本研究引入一个新的数据集，包含平行的Tunizi、标准突尼达阿拉伯语和英语翻译，以及情感标签。我们对几款流行LLM在三个任务上进行基准测试：音转文字、翻译和情感分析。结果显示不同模型之间存在显著差异，既揭示了优势，也暴露了局限。通过量化这些差距，该工作凸显了在下一代AI系统中纳入低资源语言的重要性，确保技术可及、包容且文化根植。