O Technology Innovation Institute (TII) apresentou o Falcon-Emirati-7B, um modelo de linguagem de sete mil milhões de parâmetros orientado para compreender e gerar árabe emiradense. A informação foi publicada num artigo na Hugging Face, em 6 de outubro de 2026. Segundo os autores, o modelo procura captar o vocabulário, o tom e o contexto cultural do dialecto, aspectos que podem não ser apreendidos por um sistema treinado sobretudo em árabe padrão moderno (MSA).

O Falcon-Emirati-7B parte da variante de sete mil milhões de parâmetros do Falcon-H1-Arabic. De acordo com o artigo, a arquitectura Falcon-H1 combina modelos de espaço de estados Mamba e atenção Transformer em paralelo em cada bloco, fundindo as respectivas saídas. Os autores associam esta abordagem à eficiência em sequências longas e à atenção a dependências de longo alcance. A família Falcon-H1-Arabic inclui variantes de 3B, 7B e 34B parâmetros. A equipa escolheu a versão 7B, que considera um equilíbrio entre capacidade e custos de treino e utilização.

A adaptação é motivada, segundo os autores, pela menor presença do emiradense escrito na Internet, comparativamente com o MSA, e pela importância do contexto na interpretação de provérbios, humor e poesia nabati. Uma leitura literal pode não preservar o sentido de expressões ligadas a referências culturais. O artigo descreve uma preparação de dados com três componentes: conteúdo recolhido em sites e fóruns emiradenses, materiais em MSA sobre cultura e identidade dos Emirados e dados sintéticos orientados por glossários e regras de estilo.

A equipa diz ter testado diferentes combinações de dados, etapas de treino e estratégias de supervisão. O artigo enumera pré-treino contínuo, afinação supervisionada e optimização de preferências entre as abordagens consideradas. Na avaliação, refere análise manual por falantes nativos, testes automáticos no Alyah e comparações por categoria feitas com um modelo avaliador. A fonte apresentada não contém os valores dos resultados nem permite verificar de forma independente as conclusões dos autores sobre o desempenho.

A página inclui uma opção para experimentar o Falcon-Emirati-7B e uma secção dedicada a utilização responsável e limitações. A informação fornecida não especifica a licença, as condições de disponibilidade nem o conteúdo dessa secção. Também não apresenta uma comparação completa com modelos externos; por isso, não permite estabelecer como o sistema se posiciona face a outras alternativas.

O projecto centra-se numa dificuldade que ultrapassa a tradução: um modelo pode reconhecer palavras sem dominar convenções, referências locais ou formas quotidianas de expressão. O Falcon-Emirati-7B procura adaptar um modelo árabe existente a um dialecto específico. A avaliação descrita oferece pistas sobre o método usado pela equipa, mas, sem resultados detalhados na evidência disponível e sem comparação independente, não basta para determinar o alcance da adaptação em situações reais.

Porque importa

O projecto aborda a adaptação de modelos de árabe a dialectos falados e a referências culturais locais. Os resultados detalhados e uma avaliação independente seriam necessários para aferir a eficácia da abordagem.

Fontes

Falcon-Emirati: When an LLM Learns the Dialect, the Culture, and the NuanceHugging Face ↗