ArSciKids

ArSciKids包含两个独立但互补的数据集：科学实验数据集和评估问题数据集。

科学实验数据集收录了来自沙特阿拉伯、叙利亚和约旦官方小学科学教科书的999条人工精选记录。

评估问题数据集包含2167道多项选择题，采集自沙特Manhaji教育平台。

两个数据集均覆盖1至6年级。

两个数据集全部为真实阿拉伯语教育内容，而非机器翻译或合成生成的材料。

研究团队使用LoRA对十个开源模型进行了微调，参数规模从不足十亿到数十亿不等。

评估采用自动指标（ROUGE和BLEU）以及多项选择生成的答案准确率，同时辅以五标准人工评估协议。

ArSciKids数据集将公开可用。

数据来源集中在三个国家（沙特、叙利亚、约旦），课程覆盖范围有限，数据集是否能泛化到其他阿拉伯语国家的课程体系仍需进一步验证。

2167道选择题和999条实验记录的总量对于训练大规模生成模型而言仍显不足，更适合作为评估基准或微调种子。