ハラ技術レポート：アラビア語中心の指示・翻訳モデルの大規模構築

要旨

私たちは、アラビア語中心の指示と翻訳モデルのファミリーであるHalaを紹介します。このモデルは、私たちのtranslate-and-tuneパイプラインを用いて構築されました。まず、強力なAR↔EN教師モデルをFP8に圧縮し（品質の低下なしにスループットを約2倍向上）、高精度の二言語監視データを作成します。次に、軽量な言語モデルLFM2-1.2Bをこのデータでファインチューニングし、高品質な英語の指示セットをアラビア語に翻訳することで、指示追従に特化した百万規模のコーパスを生成します。Halaモデルは350M、700M、1.2B、および9Bパラメータでトレーニングされ、slerpマージングを適用してアラビア語特化とベースモデルの強みをバランスさせます。アラビア語中心のベンチマークにおいて、Halaは「ナノ」（≤2B）および「スモール」（7-9B）カテゴリの両方で最先端の結果を達成し、ベースモデルを上回ります。私たちは、アラビア語NLP研究を加速するために、モデル、データ、評価、およびレシピを公開します。

English

We present Hala, a family of Arabic-centric instruction and translation models built with our translate-and-tune pipeline. We first compress a strong ARleftrightarrowEN teacher to FP8 (yielding sim2times higher throughput with no quality loss) and use it to create high-fidelity bilingual supervision. A lightweight language model LFM2-1.2B is then fine-tuned on this data and used to translate high-quality English instruction sets into Arabic, producing a million-scale corpus tailored to instruction following. We train Hala models at 350M, 700M, 1.2B, and 9B parameters, and apply slerp merging to balance Arabic specialization with base-model strengths. On Arabic-centric benchmarks, Hala achieves state-of-the-art results within both the "nano" (leq2B) and "small" (7-9B) categories, outperforming their bases. We release models, data, evaluation, and recipes to accelerate research in Arabic NLP.

ハラ技術レポート：アラビア語中心の指示・翻訳モデルの大規模構築

Hala Technical Report: Building Arabic-Centric Instruction & Translation Models at Scale

要旨

Support