---
title: "用大模型做阿拉伯语语法纠错与拼写检查 | BroadRouter"
description: "用大模型 API 纠正阿拉伯语拼写和语法：最小改动提示词、防止改写的校验、按错误类型标注的词级修改，以及 M2 式评分。"
url: https://broadrouter.com/zh/blog/arabic-grammar-spelling-correction-llm/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/arabic-grammar-spelling-correction-llm/)（2026-11-16 更新）。

# 用大模型做阿拉伯语语法和拼写纠错：实操指南

BroadNet Inference 团队 · 阅读约 8 分钟 · 发布于 2026-11-15 · 更新于 2026-11-16

让模型只返回纠正后的文本，改动尽量少、不要改写措辞。然后在代码里把回复与输入做 diff：改动过多的回复一律拒收，并把每处词级修改标注为 hamza、taa marbuta、alef maqsura、合并、拆分或其他。用人工纠正的样本按修改打分，计算精确率、召回率和 F0.5。

## 要点

-   在 QALB-2014 测试集上，给五个示例的 GPT-4 得到 65.49 F1，微调后的 AraT5v2 为 67.70（Kwon 等，ArabicNLP 2023）。靠提示词的大模型能用，但不会自动更好。
-   据 QALB 共享任务组织者统计，带 hamza 的 alif 以及 alef maqsura 与 ya 的混淆，是最常见的阿拉伯语拼写错误。
-   纠错按修改打分，而不是按整句。从回复中提取词级修改，与标准修改比较，报告 F0.5：它对精确率的权重是召回率的两倍。
-   纠错之前绝不要做规范化。规范化会有意把 أ إ آ 映射为 ا、把 ة 映射为 ه，恰好抹掉了你要纠正的错误。
-   在代码里防止改写：如果回复与输入在字符级的相似度低于 80%，就保留原文并记录这条回复。

**本页内容**

1.  大模型做阿拉伯语语法纠错的水平如何？
2.  为什么不直接规范化文本？
3.  提示词应该怎么写？
4.  如何检查模型的回复？
5.  应该跟踪哪些错误类别？
6.  如何给纠错器打分？
7.  Tibyan 和合成数据怎么样？
8.  应该用 BroadNet 的哪个模型？
9.  BroadNet Inference 的定位

阿拉伯语校对看起来只要一行提示词：“纠正这段文本”。实际上，模型还会改写措辞、加注音符号、把方言词换成书面词，并解释它的改动，你根本分不清哪些修改是必要的。本文基于 OpenAI 兼容的大模型构建一个纠错器：它只做最少的修改，在代码里检查回复，按错误类型标注每处修改，并按研究基准的方式给整体打分。

## 大模型做阿拉伯语语法纠错的水平如何？

标准基准是 QALB 共享任务。QALB-2014 使用半岛电视台网站上的现代标准阿拉伯语评论：训练文本超过一百万词，包含约 306,000 处纠正，测试集约 50,000 词。QALB-2015 增加了第二个赛道，内容是以阿拉伯语为外语的学习者（L2）写的作文。两届都用 M2 scorer 按修改给系统打分。最佳 F1（越高越好）：

| 测试集 | 最佳系统 F1 | 文本 |
| --- | --- | --- |
| QALB-2014 测试集 | 67.91 | 母语者的新闻评论 |
| QALB-2015 母语者测试集 | 72.87 | 母语者的新闻评论 |
| QALB-2015 L2 测试集 | 41.20 | 学习者作文 |

L2 那一行是有用的警示。学习者的文本有更多用词错误和漏词，最佳系统的得分也低得多。如果你的用户是学习者，你的数字会更像那一行。

随后，Kwon、Bhatia、Nagoudi 与 Abdul-Mageed（ArabicNLP 2023）在 QALB-2014 测试集上运行了 ChatGPT 和 GPT-4。使用同一个评分器：

| 系统 | F1 |
| --- | --- |
| ChatGPT，1 个示例 | 53.59 |
| ChatGPT，5 个示例 | 63.98 |
| GPT-4，5 个示例 | 65.49 |
| AraT5v2，微调 | 67.70 |

有两个细节对你的提示词很重要。示例越多，效果提升越明显。而零样本提示词和用阿拉伯语写的提示词，得到的回复里充满了解释，作者无法自动评分。纠错器需要程序能够 diff 的输出。

## 为什么不直接规范化文本？

本站的[阿拉伯语文本规范化工具](https://broadrouter.com/tools/arabic-text-normalizer/)会去掉 tashkeel 和 tatweel，把 أ إ آ 映射为 ا，还可以选择把 ى 映射为 ي、把 ة 映射为 ه。对搜索来说这是正确的一步，因为输入 احمد 的用户应该能找到 أحمد。但在纠错之前这是错误的一步，因为它抹掉了纠错器需要恢复的区别。规范化之后，انا 和 أنا 是同一个字符串，hamza 错误消失了，修正也随之消失。

两者都需要时，保留三份：原文、给用户看的纠正后文本，以及用于搜索索引的纠正后文本的规范化副本。索引这一侧见[面向搜索的阿拉伯语文本规范化](https://broadrouter.com/zh/blog/arabic-text-normalization-search/)。有一步规范化确实应该放在纠错之前：Unicode NFC。它把分解形式的 alif 加组合 hamza 合并成一个字符，这样 diff 就不会报告并不存在的改动。

## 提示词应该怎么写？

要求最小改动，点名你关心的错误类型，禁止你不想要的改动，并要求只返回纠正后的文本。指令用英语还是阿拉伯语写，由你决定；两者的取舍见[阿拉伯语提示词工程](https://broadrouter.com/zh/blog/arabic-prompt-engineering/)。Kwon 等人用英语指令加示例得到了可用的输出。从你自己的数据中加入三到五对纠正前后的句子（少样本），是最值得先试的低成本改进。

把 temperature 设为 0，你希望每次得到相同的纠正。如果文本是埃及或海湾等方言，要说明是否保留方言。下面的提示词假定文本是现代标准阿拉伯语（[MSA](https://broadrouter.com/zh/glossary/msa/)），并告诉模型不要改变风格，这也涵盖了方言。

## 如何检查模型的回复？

代码发出一个请求，测量回复与输入的差异程度，提取词级修改并为每一处打上标签。

```python
import difflib, os, re, unicodedata
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

SYSTEM = """You are an Arabic proofreader. Correct spelling, grammar and punctuation
errors in the user's Modern Standard Arabic text with the fewest possible edits.
Rules:
- Fix hamza, taa marbuta (ة/ه), alef maqsura (ى/ي), agreement, missing or extra
  letters, wrongly split or merged words, and punctuation.
- Do not rephrase, reorder, shorten, translate or change the style or dialect.
- Do not add or remove diacritics (tashkeel).
- If the text is already correct, return it unchanged.
Reply with the corrected text only: no explanation, no quotes, no list of changes."""

def tokens(s: str) -> list[str]:
    s = unicodedata.normalize("NFC", s)        # composed hamza forms, so أ is one character
    return re.findall(r"\w+|[^\w\s]", s)       # Arabic letters are \w; ، ؟ ؛ become tokens

def edits(src: str, hyp: str) -> list[tuple]:
    """Word-level edits (start, end, replacement, original): the idea behind an M2 file's A lines."""
    a, b = tokens(src), tokens(hyp)
    out = []
    for op, i1, i2, j1, j2 in difflib.SequenceMatcher(None, a, b, autojunk=False).get_opcodes():
        i, j = i1, j1
        while op != "equal" and (i < i2 or j < j2):     # split the block into one-word edits
            if i + 1 < i2 and j < j2 and a[i] + a[i + 1] == b[j]:      # و قابلت -> وقابلت
                out.append((i, i + 2, b[j], f"{a[i]} {a[i + 1]}")); i += 2; j += 1
            elif i < i2 and j + 1 < j2 and a[i] == b[j] + b[j + 1]:    # عبدالله -> عبد الله
                out.append((i, i + 1, f"{b[j]} {b[j + 1]}", a[i])); i += 1; j += 2
            elif i < i2 and j < j2:
                out.append((i, i + 1, b[j], a[i])); i += 1; j += 1
            elif i < i2:                                                # deleted word
                out.append((i, i + 1, "", a[i])); i += 1
            else:                                                       # inserted word
                out.append((i, i, b[j], "")); j += 1
    return out

HAMZA = str.maketrans("أإآٱؤئ", "ااااوي")
RULES = [("hamza", lambda w: w.translate(HAMZA).replace("ء", "")),
         ("taa marbuta", lambda w: w.replace("ة", "ه")),
         ("alef maqsura", lambda w: w.replace("ى", "ي"))]

def error_class(orig: str, corr: str) -> str:
    if all(not c.isalnum() for c in (orig + corr).replace(" ", "")):
        return "punctuation"
    if orig != corr and orig.replace(" ", "") == corr.replace(" ", ""):
        return "merge" if " " in orig else "split"
    for name, f in RULES:
        if orig != corr and f(orig) == f(corr):
            return name
    both = lambda w: RULES[2][1](RULES[1][1](RULES[0][1](w)))
    if both(orig) == both(corr):
        return "mixed orthography"
    return "other"

def correct(text: str, model="broadnet/qwen3.8-27b", min_similarity=0.8) -> dict:
    r = client.chat.completions.create(
        model=model, temperature=0, max_tokens=2000,
        messages=[{"role": "system", "content": SYSTEM}, {"role": "user", "content": text}])
    out = r.choices[0].message.content.strip()
    sim = difflib.SequenceMatcher(None, text, out, autojunk=False).ratio()
    if sim < min_similarity:             # a rewrite, not a correction: keep the original
        return {"text": text, "edits": [], "rejected": out, "similarity": round(sim, 2)}
    return {"text": out, "similarity": round(sim, 2),
            "edits": [{"from": o, "to": c, "class": error_class(o, c)} for _, _, c, o in edits(text, out)]}
```

我们在返回预设回复的本地模拟服务器上运行了它（没有调用线上 API，模拟服务器返回的就是我们写好的内容）。对于 ذهبت الى المدرسه و قابلت المعلمه في الصباح，回复 ذهبت إلى المدرسة وقابلت المعلمة في الصباح 产生了四处修改：الى 改为 إلى（hamza）、المدرسه 改为 المدرسة（taa marbuta）、و قابلت 改为 وقابلت（合并）、المعلمه 改为 المعلمة（taa marbuta）。对于 مشي الي，它列出了 مشي 改为 مشى（alef maqsura）和 الي 改为 إلى（混合正字法，因为同时修正了 hamza 和 alef maqsura）。一条把 الطقس جميل اليوم 改成两倍长句子的预设回复，相似度只有 0.52，所以代码保留了原文并记录了这条回复。

关于这段代码：

-   \*\*相似度校验是一把钝刀。\*\*拼写错误很多的句子，相似度正当地落在 0.8 附近也是可能的。请用你自己的数据调整阈值，把被拒收的回复交给人处理，而不是直接丢掉。
-   **`max_tokens=2000`** 为思考留出空间。BroadNet 的文档说明，DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 会先思考再作答，思考内容计入 `max_tokens`；也可以把 `reasoning_effort` 设为 low。参见[思考模型返回空响应](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)。
-   **类别标签是规则，不是句法分析器。**“其他”包括漏写字母（مسؤل 改为 مسؤول）、一致关系和用词。需要完整分类体系时，用 ARETA（见下文）处理同样的句对。

## 应该跟踪哪些错误类别？

QALB 组织者指出，带 hamza 的 alif 以及 alef maqsura 与 ya 的混淆是最常见的阿拉伯语拼写错误。ARETA 是 CAMeL Lab 的错误类型标注工具（Belkebir 与 Habash，CoNLL 2021），使用基于 Arabic Learner Corpus 的标签集。其正字法标签包括 OH（hamza）、OT（ha 与 taa marbuta）和 OA（alif 与 ya），此外还有词法、句法、语义、标点、合并（MG）和拆分（SP）标签。论文报告，与人工标注的学习者文本相比，它的微平均 F1 为 85.8%。

| 类别 | 错误写法 | 正确写法 | 错在哪里 |
| --- | --- | --- | --- |
| Hamza | انا، الى، مسأله | أنا، إلى، مسألة | 缺少 hamza、hamza 位置不对，或写在 alif 的错误一侧 |
| Taa marbuta | المدرسه | المدرسة | 词尾的 ة 写成了 ه，或者反过来 |
| Alef maqsura | مشي، علي（介词） | مشى، على | 词尾的 ى 写成了 ي；علي 也是人名，要靠上下文判断 |
| 合并或拆分 | و قابلت، عبدالله | وقابلت، عبد الله | و 和 ال 前后的空格、复合人名 |
| 标点 | 缺少 ، 或 ؟ | 已补上 | QALB 标注者在标点上的一致性最低 |

按类别跟踪召回率。如果一个模型能纠正 taa marbuta，却漏掉介词后的 hamza，它需要的是这种模式的示例，而不是换一个模型。

## 如何给纠错器打分？

语法纠错按修改打分。把原句变成人工纠正的标准句所需的修改，与把原句变成模型输出所需的修改进行比较。精确率是模型修改中与标准一致的比例；召回率是标准修改中被模型做出的比例。QALB 报告的是 F1；后来的研究（包括 Kwon 等人）也报告 F0.5，它对精确率的权重是召回率的两倍，因为一次错误的“纠正”比一次漏改更让用户恼火。

```python
from collections import Counter

def score(sources, golds, hyps, beta=0.5):
    """Exact-match edit scoring: an edit counts only if span and replacement both match gold."""
    tp = fp = fn = 0
    by_class = Counter()
    for s, g, h in zip(sources, golds, hyps):
        G = {e[:3] for e in edits(s, g)}
        H = {e[:3] for e in edits(s, h)}
        tp += len(G & H); fp += len(H - G); fn += len(G - H)
        for e in edits(s, g):
            by_class[(error_class(e[3], e[2]), e[:3] in H)] += 1
    p = tp / (tp + fp) if tp + fp else 1.0
    r = tp / (tp + fn) if tp + fn else 1.0
    f = (1 + beta**2) * p * r / (beta**2 * p + r) if p + r else 0.0
    recall = {c: f"{by_class[(c, True)]}/{by_class[(c, True)] + by_class[(c, False)]}"
              for c in sorted({c for c, _ in by_class})}
    return {"P": round(p, 3), "R": round(r, 3), f"F{beta}": round(f, 3), "recall by class": recall}
```

在一个包含七处标准修改的两句示例集上，输出漏掉了合并和一处 taa marbuta，又多加了一个句号，脚本输出 P 0.833、R 0.714、F0.5 0.806，各类别召回率为：hamza 2/2、taa marbuta 2/3、合并 0/1。

这是简化版的 M2 思路。官方 M2 scorer 会搜索与标准答案最匹配的系统修改对齐方式，因此即使一处正确的修正被拆分的方式与标准不同，也不会被扣分。我们的精确匹配更严格。与已发表的数字对比时，请使用官方评分器（它的开发版仍然需要 Python 2）。ERRANT 做的是同样的修改提取，但只支持英语。

用真实用户文本构建标准集，100 到 200 句，由一位细心的标注者按照你给模型的同一套最小改动规则来纠正。用它运行每个候选模型和提示词，比较 F0.5 和各类别召回率。如何公平地做这种比较，见[切换模型前如何评估大模型](https://broadrouter.com/zh/blog/evaluate-llm-before-switching/)。

## Tibyan 和合成数据怎么样？

带标注的阿拉伯语纠错数据很稀缺。Alrehili 与 Alhothali 指出，QALB-14 和 QALB-15 加起来约有 20,500 个平行样本。他们的 Tibyan 语料库（arXiv 2024，后发表于 PeerJ Computer Science）用 ChatGPT 根据讲解常见阿拉伯语错误的书籍生成错误句与正确句的句对，并由语言学家审核。它约有 600,000 个 token，涵盖七种错误类型：正字法、词法、句法、语义、标点、合并和拆分。作者表示该语料库是公开的；我们没有找到下载链接来核实其许可证。它适合用作少样本示例和压力测试，但它是合成数据，不要用它作为验收测试。

如果你需要非大模型的基线，CAMeL Lab 的 arabic-gec 仓库发布了 Alhafni 等人（EMNLP 2023）的代码和模型。只查拼写的话，ar-corrector 包会给出一到两处编辑以内的词典词；它不处理语法，最后一次发布是在 2021 年。

## 应该用 BroadNet 的哪个模型？

价格为每百万 token，来自 BroadNet 价格页面。纠错输出与输入长度相当，所以输出价格很重要。

| 模型 | 理由 | 输入 / 输出 |
| --- | --- | --- |
| [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) | 文档注明支持思考；BroadNet 报告做过阿拉伯语测试，包括海湾和埃及方言理解 | $0.175 / $2.17 |
| [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) | 文档注明支持思考；长上下文，可处理整篇文档 | $0.78 / $3.46 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) | 这里思考模型中输出价格最低；也有固定价格的会话套餐 | $0.175 / $0.52 |
| [Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) | 可以用 $5 的初始额度运行，充值前就能搭好流水线 | $0.10 / $0.22 |

用每个模型在你的标准集上运行评分器，根据 F0.5 和价格做选择。阿拉伯语每个词通常比英语消耗更多 token；把样本粘贴到[阿拉伯语 token 计数器](https://broadrouter.com/tools/arabic-token-counter/)，再用 [LLM API 成本计算器](https://broadrouter.com/tools/llm-api-cost-calculator/)估算账单。如果要校对大型档案：BroadNet 没有 Batch API，[没有 Batch API 时的批量处理](https://broadrouter.com/zh/blog/llm-batch-processing-without-batch-api/)介绍了如何在限定并发下运行，或者使用每周 $15 的 DeepSeek 会话（每个会话一次一个请求）。

## BroadNet Inference 的定位

BroadRouter 是 BroadNet 自己的网站。[BroadNet Inference](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-grammar-spelling-correction-llm&utm_content=body) 以 OpenAI 兼容方式提供上述模型，所以只要改一下 base URL，代码就能用 [OpenAI Python SDK](https://broadrouter.com/zh/guides/openai-python-sdk/) 运行。它没有校对端点，也没有发布自己的阿拉伯语纠错基准，所以请用你的文本测量。它的隐私声明表示不保留推理内容，这在校对客户消息时很重要。如果你需要一个自托管、面向极大批量的纠错器，CAMeL Lab 那样的微调模型可能更便宜、更稳定；上面已发表的分数正是两者都要测试的理由。

相关免费工具（英文）

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[海姆宰（hamza）](https://broadrouter.com/zh/glossary/hamza/)

Hamza（ء，海姆宰）是阿拉伯语表示声门塞音的字母。它可单独书写，也可写在 alef（أ إ）、waw（ؤ）或 yeh（ئ）上，آ 则是 alef 加 madda。由于输入文本对它的写法不一致，搜索引擎和语音评分常把 alef 形式统一为 ا。

[塔马尔布塔（taa marbuta，ة）](https://broadrouter.com/zh/glossary/taa-marbuta/)

Taa marbuta（ة，U+0629）是只出现在词尾的阿拉伯字母，常用来标记阴性名词和形容词。它看起来像带两个点的 heh（ه，U+0647），所以输入的文本常把两者混用，许多搜索规范化工具会把 ة 映射为 ه。

[现代标准阿拉伯语（MSA）](https://broadrouter.com/zh/glossary/msa/)

现代标准阿拉伯语（MSA）是阿拉伯世界在书面、新闻、教育和正式讲话中使用的标准化阿拉伯语。它不是任何人日常使用的母语：人们平时说埃及阿拉伯语、海湾阿拉伯语等地区方言，在正式场合才切换到 MSA。

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[批处理 API（Batch API）](https://broadrouter.com/zh/glossary/batch-api/)

批处理 API 是一种异步的大模型端点：它一次接收大量请求（通常以文件形式），在设定的时间窗口内处理而不是立即处理，最后统一返回结果。OpenAI 和 Anthropic 等服务商对批处理请求的定价低于其标准 API。

[温度（temperature）](https://broadrouter.com/zh/glossary/temperature/)

温度（temperature）是控制语言模型输出随机程度的采样参数。模型先把每个 token 的分数除以温度，再转换成概率：温度低时，最可能的 token 占据主导；温度高时，分布变得平坦，可能性较低的 token 被选中的次数更多。

[Base URL（base\_url）](https://broadrouter.com/zh/glossary/base-url/)

base URL 是 API 固定的根地址，例如 https://api.example.com/v1，客户端会把它加在每个端点路径（例如 /chat/completions）前面。在 OpenAI 兼容 SDK 中，修改 base URL，再配合 API 密钥和模型 ID，就能让同一份代码改用另一家服务商。

## 常见问题

### ChatGPT 或其他大模型能纠正阿拉伯语语法吗？

能，但有局限。在一项基于 QALB-2014 基准的已发表测试中，给五个示例的 GPT-4 达到 65.49 F1，接近但低于微调后的 AraT5v2（67.70）。请使用最小改动提示词，在代码里检查回复，并用你自己文本的样本测量。

### 最常见的阿拉伯语拼写错误有哪些？

alif 上的 hamza（把 أنا 写成 انا，把 إلى 写成 الى），alef maqsura 写成 ya（把 مشى 写成 مشي），taa marbuta 写成 ha（把 المدرسة 写成 المدرسه），以及词被错误地拆开或连写，例如把 وقابلت 写成 و قابلت。QALB 组织者指出，带 hamza 的 alif 以及 alef maqsura 与 ya 的混淆最常见。

### 阿拉伯语文本规范化和拼写纠错是一回事吗？

不是。规范化有意合并拼写变体（例如 أ 和 ا），让搜索和匹配忽略它们。纠错则要根据上下文判断哪种写法正确。请在原文上做纠错，只对用于搜索索引的副本做规范化。

### 怎么评估一个阿拉伯语语法纠错器？

用最小改动原则人工纠正 100 到 200 个真实句子。分别提取原句到标准答案、原句到模型输出的词级修改，统计匹配的修改，计算精确率、召回率和 F0.5。QALB 使用的 M2 scorer 做的就是这件事，只是修改对齐更聪明。

### 有没有阿拉伯语语法检查的 Python 库？

只查拼写的话，ar-corrector 会给出一到两处编辑以内的词典词。语法方面，CAMeL Lab 发布了研究用的 GEC 模型和代码（arabic-gec）。大模型 API 是最快的起步方式；在大批量下，微调模型可能更稳定。

## 继续阅读

-   [面向搜索和 RAG 的阿拉伯语文本规范化：该改什么，不该改什么](https://broadrouter.com/zh/blog/arabic-text-normalization-search/)
-   [用大模型给阿拉伯语加注音符号：提示词、校验与 DER](https://broadrouter.com/zh/blog/arabic-diacritization-llm/)
-   [阿拉伯语提示词工程：语体、RTL、数字与中英混排](https://broadrouter.com/zh/blog/arabic-prompt-engineering/)
-   [用大模型做阿拉伯语命名实体抽取：JSON、日期与校验](https://broadrouter.com/zh/blog/arabic-named-entity-extraction-llm/)
-   [如何选择阿拉伯语大模型 API：该测试什么](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)
-   [切换服务商之前，如何评估大模型](https://broadrouter.com/zh/blog/evaluate-llm-before-switching/)
-   [没有 Batch API 也能批量调用大模型：可断点续跑的执行器](https://broadrouter.com/zh/blog/llm-batch-processing-without-batch-api/)
-   [用 API 把阿拉伯语会议录音生成会议纪要](https://broadrouter.com/zh/blog/arabic-meeting-minutes-from-recordings/)
-   [阿拉伯语 OCR API 对比：Google、Azure、Textract、Mistral 与大模型](https://broadrouter.com/zh/blog/arabic-ocr-api-comparison/)
-   [指南：用 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/)
-   [指南：推理模型为什么返回空回答](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-grammar-spelling-correction-llm&utm_content=page-cta) ·

**来源**

-   [Mohit 等，The First QALB Shared Task on Automatic Text Correction for Arabic，EMNLP 2014 ANLP 研讨会：数据、M2 scorer、表 3 和表 7（2026-11-15 查阅）](https://aclanthology.org/W14-3605/)
-   [Rozovskaya 等，The Second QALB Shared Task on Automatic Text Correction for Arabic，WANLP 2015：母语者赛道与 L2 赛道，表 4、8、9（2026-11-15 查阅）](https://aclanthology.org/W15-3204/)
-   [Kwon、Bhatia、Nagoudi 与 Abdul-Mageed，Beyond English: Evaluating LLMs for Arabic Grammatical Error Correction，ArabicNLP 2023，表 2（2026-11-15 查阅）](https://aclanthology.org/2023.arabicnlp-1.9/)
-   [Alrehili 与 Alhothali，Tibyan Corpus: Balanced and Comprehensive Error Coverage Corpus Using ChatGPT for Arabic GEC，arXiv 2411.04588（2026-11-15 查阅）](https://arxiv.org/abs/2411.04588)
-   [Belkebir 与 Habash，Automatic Error Type Annotation for Arabic（ARETA），CoNLL 2021（2026-11-15 查阅）](https://aclanthology.org/2021.conll-1.47/)
-   [CAMeL Lab，GitHub 上的 ARETA（MIT）：基于 ALC 的错误标签，如 OH hamza、OT ha/ta marbuta、OA alif/ya、MG 合并、SP 拆分（2026-11-15 查阅）](https://github.com/CAMeL-Lab/arabic_error_type_annotation)
-   [Alhafni、Inoue、Khairallah 与 Habash，Advancements in Arabic Grammatical Error Detection and Correction，EMNLP 2023；代码和模型见 CAMeL-Lab/arabic-gec（2026-11-15 查阅）](https://aclanthology.org/2023.emnlp-main.396/)
-   [GitHub 上的 NUS M2Scorer：GEC 的修改级精确率、召回率和 F-beta；开发版需要 Python 2（2026-11-15 查阅）](https://github.com/nusnlp/m2scorer)
-   [GitHub 上的 ERRANT：提取修改并分类为 M2 格式；仅支持英语（2026-11-15 查阅）](https://github.com/chrisjbryant/errant)
-   [PyPI 上的 ar-corrector：词典式拼写检查，50 万以上词汇，1–2 处编辑的候选词，2021 年 4 月发布的 1.1.6 版（2026-11-15 查阅）](https://pypi.org/project/ar-corrector/)
-   [BroadNet Inference API 参考：模型 ID、思考计入 max\_tokens、reasoning\_effort（2026-11-15 查阅）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-grammar-spelling-correction-llm&utm_content=sources)
