عبارة «يدعم العربية» واسعة أكثر مما ينبغي. قد يكتب النموذج نصاً سليماً لكنه يسيء فهم مصطلح مؤسسي أو لهجة عميل أو تنسيق مستند أو حساسية سياق محلي.
العربية ليست حالة اختبار واحدة
تختلف الفصحى عن لغة المحادثة، وتختلف اللهجات والمصطلحات بين القطاعات والمناطق. اجمع عينات من القناة الفعلية: واتساب، مكالمات، وثائق، أو نماذج رسمية.
لا تفترض أن ترجمة مجموعة تقييم إنجليزية تقيس السلوك نفسه. قد يتغير الغموض والنبرة والمصطلح، وتظهر أخطاء لا توجد في النسخة الأصلية.
الاسترجاع العربي يحتاج اختباراً مستقلاً
تؤثر الصيغ والاشتقاق والتهجئة البديلة على البحث والاسترجاع. اختبر السؤال بصياغات متعددة، وقس هل وصل النظام إلى المصدر الصحيح قبل تقييم جودة الجواب.
المستندات العربية قد تجمع اتجاهين ولغات وجداول ومسحاً ضوئياً. جودة الاستخراج والتقسيم ليست خطوة تقنية هامشية؛ هي أساس ما سيعرفه النظام لاحقاً.
التجربة جزء من الفهم
يجب أن يحترم المنتج اتجاه النص والأرقام والأسماء المختلطة والنسخ واللصق والمصادر. واجهة مربكة قد تجعل جواباً صحيحاً صعب المراجعة.
اختر النبرة وفق المهمة. لغة خدمة العميل تختلف عن لغة قرار داخلي أو إرشاد حساس. ضع أمثلة مقبولة ومرفوضة، ولا تترك النبرة للاحتمال.
ابنِ تقييماً محلياً ومراجعة بشرية
كوّن مجموعة حالات من مستخدمين وخبراء في السياق الفعلي، وصنّف الأخطاء بحسب أثرها: معنى خاطئ، مصطلح غير مناسب، نبرة مضللة، أو مصدر ضعيف.
في السياقات الدينية أو النظامية أو الصحية، صمم الرفض والتصعيد بوضوح. الطلاقة العالية قد تزيد خطر الثقة الخاطئة، لذلك يصبح إظهار المصدر وحدود الجواب ضرورياً.
السياق العربي لا يُضاف في نهاية المشروع. يدخل في البيانات والاسترجاع والتجربة والتقييم وسياسة الرفض منذ تعريف النظام.