随着全球多语言大模型产业的快速落地，非通用语AI基础设施不足的痛点日益凸显。阿拉伯语作为联合国六大官方语言之一，覆盖全球22个国家近4.6亿母语使用者，同时是全球超20亿人口的宗教通用语，但其自然语言处理（NLP）领域长期缺乏统一的基础任务基准数据集，尤其是句子分割这一文本预处理核心环节，此前一直没有覆盖多场景、多体裁的标注基准，直接限制了阿拉伯语机器翻译、内容审核、语义分析等AI应用的准确率。作为全球顶尖的人工智能专业研究机构，穆罕默德·本·扎耶德人工智能大学（MBZUAI）长期聚焦多语言AI技术研究与底层数据资源建设，此次发布的AraSeg-2026-Shared-Task-PA正是针对上述痛点推出的行业级基准数据集。
AraSeg是全球首个用于阿拉伯语句子分割的综合基准数据集，核心面向现代标准阿拉伯语（MSA）场景设计，专门适配标点不一致、缺失或文本噪声较高的复杂处理场景。该数据集的标注样本覆盖多种来源与内容体裁，可支持不同写作风格、不同领域的算法鲁棒性评估。目前公开的数据集共分为三大子集：训练集包含174个文档，覆盖10657个句子、12.8万个单词；开发集包含222个文档，覆盖12985个句子、16.4万个单词；测试集包含262个文档，覆盖12509个句子、15.9万个单词。每个数据实例均包含唯一文档标识符（doc_id）、空格分词的标记列表（text）以及标记级句子边界标签（labels），其中标签1代表当前标记后为句子边界，标签0则代表非边界。官方将句子分割任务定义为二元标记分类任务，即算法需要预测每个标记后是否存在句子边界，评估体系采用边界级别的精确率、召回率、F1分数三大指标，在文档级别计算后跨语料库取平均值，可客观反映不同算法的实际处理效果。此外，本次发布的数据集还同步提供段落感知变体AraSeg-PA，额外包含段落边界标注信息，可适配更复杂的文本结构化分析需求。
作为阿拉伯语NLP领域的核心基础数据集，AraSeg-2026-Shared-Task-PA的落地应用空间极为广阔：在大模型训练环节，可用于阿拉伯语语料的自动化预处理，大幅提升大模型对阿拉伯语文本的语义理解准确率；在跨境内容服务场景，可支撑阿拉伯语内容的智能审核、信息抽取、摘要生成等应用落地；在政务与公共服务领域，可帮助中东各国实现阿拉伯语公文、民生服务文本的自动化结构化处理，提升数字化政务效率；在文化数字化场景，还可用于无标点的阿拉伯语古籍、传统文献的自动句子分割，加速文化资源的数字化转写与留存。此次数据集的公开，不仅填补了阿拉伯语NLP基础任务的基准空白，也为全球其他非通用语的基础数据集建设提供了标准化参考，对推动全球多语言AI生态均衡发展、完善全球数据要素市场的多语言资源体系具有重要意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)