Atlas-Chat：为低资源摩洛哥阿拉伯方言量身定制的大型语言模型

在语言的浩瀚海洋中，摩洛哥阿拉伯方言（Darija）恰如璀璨的珍珠，虽然其独特性备受青睐，却常常被现代标准阿拉伯语（MSA）所掩盖。为了让这颗珍珠闪耀光芒，我们很高兴地介绍 Atlas-Chat，这是专为摩洛哥阿拉伯方言开发的首个大型语言模型（LLM）系列。该系列不仅填补了方言与现代标准阿拉伯语之间的鸿沟，还为低资源语言的模型开发开辟了新天地。

📊 数据集构建：从零开始的壮举

Atlas-Chat 的成功依赖于精心构建的 Darija-SFT-Mixture 数据集。这个数据集汇集了现有的 Darija 语言资源，并通过手动和合成方式创造了新数据集。此外，我们还进行了严格的质量控制，确保从英语翻译而来的指令准确无误。这一切的努力，最终形成了 458,000 个指令样本，为模型的训练奠定了坚实的基础。