DAR-MGSM：首个方言阿拉伯语数学推理基准发布，评估 11 个大语言模型

研究者推出 DAR-MGSM，首个面向方言阿拉伯语数学推理的人工整理基准，涵盖五大阿拉伯方言及现代标准阿拉伯语（MSA），包含纯翻译版与文化本地化版两个平行版本。对 11 个阿拉伯语中心及多语言大语言模型的评估显示，本地化版本上性能普遍下降，但各模型受影响程度不同。机制可解释性分析表明，同一题目的翻译版与本地化版常引发不同的内部推理轨迹。