papers.dailyPapers

Nous présentons AraLingBench : un benchmark entièrement annoté par des humains pour évaluer la compétence linguistique en arabe des grands modèles de langage (LLM). Ce benchmark couvre cinq catégories principales : grammaire, morphologie, orthographe, compréhension écrite et syntaxe, à travers 150 questions à choix multiples conçues par des experts qui évaluent directement la compréhension structurelle de la langue. L’évaluation de 35 LLM arabes et bilingues révèle que les modèles actuels démontrent une forte maîtrise superficielle mais peinent à raisonner de manière approfondie sur les aspects grammaticaux et syntaxiques. AraLingBench met en lumière un écart persistant entre les scores élevés sur les benchmarks basés sur la connaissance et une véritable maîtrise linguistique, montrant que de nombreux modèles réussissent grâce à la mémorisation ou à la reconnaissance de motifs plutôt qu’à une compréhension authentique. En isolant et en mesurant les compétences linguistiques fondamentales, AraLingBench fournit un cadre diagnostique pour le développement des LLM arabes. Le code complet de l’évaluation est disponible publiquement sur GitHub.