阿拉伯语作者归属与风格迁移：大语言模型在低资源语言上的新探索

MBZUAI团队针对阿拉伯语开展的作者归属与风格迁移基准研究成果已被LREC 2026接收，项目开源代码、模型及数据集，为大语言模型在低资源语言上的应用提供重要参考，助力缩小AI技术的语言鸿沟。

作者归属是根据文本判断作者身份的任务，应用于数字取证、学术诚信等领域；风格迁移是保留语义前提下改变表达风格的任务，适用于内容创作、隐私保护等场景。阿拉伯语面临语言复杂性（形态丰富）、方言多样性（现代标准阿拉伯语与地方方言差异）、数据稀缺（标注语料少）、书写变体（带/不带元音符号等）等挑战，其研究对其他低资源语言具有借鉴意义。

LLM适配阿拉伯语的策略包括：1.利用多语言预训练模型（如mBERT、XLM-R）进行继续预训练或任务特定微调；2.零样本/少样本学习应对数据稀缺问题；3.跨语言迁移（翻译数据、共享表示、对抗训练）复用高资源语言知识。

MBZUAI团队构建了阿拉伯语作者归属与风格迁移的基准测试框架，评估多种LLM表现；开源完整研究代码、针对任务优化的预训练模型及专用数据集，解决领域长期面临的数据瓶颈问题。

研究表明LLM对低资源语言仍有强大处理能力，为缩小语言数字鸿沟带来希望；开源协作和基准测试对推动领域发展至关重要；跨语言方法的探索对其他低资源语言研究具有参考价值。

未来可探索阿拉伯语方言处理、作者归属与风格迁移多任务联合建模、更大规模LLM性能评估、实际工具部署及扩展到其他低资源语言构建多语言基准。

研究成果可应用于数字取证（追踪匿名文本来源）、学术诚信检测（识别抄袭）、内容创作辅助（调整文本风格）、隐私保护（隐藏作者特征）、历史文献研究（判断佚名作者）等场景。