مؤلفة مشاركة في كُوَين وسَديد ومُترجِم ولهجاوي وبَصير. مديرة المشاريع في مسراج للتقنية. من الخبر، وإليها.
كل ما على المكتب يوصلك إلى مكان؛ تجوّل.
سارة شروف مؤلفة مشاركة في سلسلة نماذج مسراج العربية الصغيرة: كُوَين للحقن اللغوي، وسَديد للتشكيل، ومُترجِم للترجمة، ولهجاوي للهجات، وبَصير لقراءة الوثائق. الخيط الجامع واحد: العربية أولًا، والقياس قبل الادعاء.
أهمّ مسائل الذكاء الاصطناعي لا تُكتَـــب بالإنجليزية.
هذه ليست شعارًا: المُقطِّعات المتمركزة حول الإنجليزية قد ترفع كلفة التدريب حتى ٦٨٪، وهي نتيجة نبني عليها في ورقة كُوَين. اللوحة التالية تجعل الآلية محسوسة.
مفردات تجريبية من بضع مئات المداخل؛ النسب في الإنتاج أصغر، لكن اللاتماثل باقٍ.
النموذج الجيد يبدأ من مدونة صادقة. لأجل كُوَين بنينا خط تنظيف عربي كاملًا ونشرناه مفتوح المصدر كي لا يعيد كل فريق اختراع الممسحة.
بدل إعادة تدريب كل شيء، حقنّا العربية في نموذج صغير قائم: طبقات إضافية وتوسيع لمفردات المُقطِّع، فتحسن الأداء العربي نحو ٨٪ في المتوسط دون خسارة الإنجليزية.
سَديد نموذج صغير مضبوط لإعادة التشكيل على بيانات منقّحة بعناية، ينافس نماذج مغلقة أكبر بكثير. ومعه نشرنا SadeedDiac-25 لأن معايير التشكيل القائمة كانت تقيس أقل مما تدّعي.
مُترجِم نموذج ١٫٥ مليار معلمة يتفوق على أنظمة أكبر منه عشرين مرة في الترجمة بين العربية والإنجليزية، ومعه معيار ترجمة-٢٥. ولهجاوي يترجم بين اللهجات العربية نفسها، لأن الفجوة الأصعب أحيانًا داخل اللغة لا خارجها.
بَصير نموذج رؤية-لغة مضبوط لقراءة الوثائق العربية إلى ماركداون، بمعدل خطأ كلمات ٠٫٢٥ متقدمًا على الحلول المفتوحة والتجارية، ومعه معيار موثّق بخبراء.
وظيفتي النهارية: تحويل هذه النماذج إلى مشاريع تعيش داخل قيود المؤسسات الحقيقية، من التكلفة والامتثال إلى فجوة اللهجة بين المستخدم والنظام. البحث الذي لا يصل إلى مستخدم يظل مسودة.
السجل كما هو منشور، بلا تلميع: خمس أوراق مع فريق مسراج في ٢٠٢٥، وورقة من سنوات الجامعة. كل رابط يذهب إلى المصدر.
A VLM finetuned for Arabic document OCR on a large mix of synthetic and real documents, reaching a 0.25 WER and state of the art against open and commercial systems. Released with Misraj-DocOCR, an expert-verified benchmark.
A 1.5B translation model built on Kuwain that rivals systems more than twenty times larger, with state-of-the-art English-to-Arabic results on Tarjama-25, our 5,000-pair expert-reviewed benchmark. Ranked paper of the day on Hugging Face.
A compact decoder finetuned for tashkeel restoration on rigorously cleaned diacritized data, competitive with proprietary LLMs. Includes SadeedDiac-25, a benchmark built after documenting what existing ones fail to measure.
Injects Arabic into a small English model by training added layers and expanding the tokenizer vocabulary, gaining about eight percent on Arabic benchmarks while preserving prior knowledge, at a fraction of full-retraining cost.
Translation across Arabic dialects themselves, published at the 4th Workshop on Arabic Corpus Linguistics. The premise: for Arabic users, the hardest border often runs inside the language.
Undergraduate-era work at Imam Abdulrahman Bin Faisal University: modeling vaccine perception in Saudi Arabia with computational intelligence methods. Where the habit of measuring opinion instead of assuming it began.
لا شيء تحت هذا التصنيف.
ALLaM (SDAIA, 2024)
مفردات سيادية من داخل المملكة؛ خيارات مُقطِّعها تستحق قراءة بطيئة.
Jais technical report (2023)
النقطة المرجعية لما يشتريه التدريب المسبق المتمركز حول العربية على نطاق واسع.
DeepSeek-R1 (2025)
آثار الاستدلال تغيّر اقتصاد الرموز، وخصوبة العربية تتراكم داخلها.
Sara’s note:
من روبوتات المخيمات الصيفية إلى نماذج اللغة، والساحل نفسه طوال الطريق. السطور الموسومة بعلامة ± تواريخها تحتاج تثبيتًا من صاحبتها.
مديرة المشاريع في مسراج للتقنية، الخبر؛ وطالبة ماجستير في الذكاء الاصطناعي. (المرحلة الدراسية للتثبيت)
سنة الأوراق الخمس: كُوَين وسَديد في أبريل، مُترجِم في مايو متصدرًا أوراق اليوم على Hugging Face، لهجاوي في ورشة WACL-4، وبَصير في سبتمبر.
من تطوير الأعمال إلى إدارة المشاريع في مسراج: تعلمتُ أن تسعير النموذج جزء من تصميمه.
مطورة متكاملة في إنتلوجي؛ ونشر ورقة تصورات لقاح كورونا في دورية وايلي، من سنوات الجامعة.
بكالوريوس علوم الحاسب من جامعة الإمام عبدالرحمن بن فيصل بالدمام، دفعة ٢٠١٧ إلى ٢٠٢١.
مساعدة باحثة في مدينة الملك عبدالعزيز للعلوم والتقنية؛ ومدربة روبوتات ومديرة مشاريع مع BrightUP في مخيمات إثراء الصيفية بالظهران.
الخبر: ولادةً ونشأةً وإقامة. النافذة نفسها، البحر نفسه.
مسراج اسم مأخوذ من جذر السراج: مصباح. بيت برمجيات وذكاء اصطناعي في الخبر يبني نماذج عربية أولًا وينشر أبحاثها ومعاييرها للعلن. دوري فيه: المشاريع، أي تحويل ما في الأوراق إلى شيء يستخدمه الناس.
القاعدة في البيت: لا ندّعي قدرة عربية لا نستطيع قياسها. لذلك يخرج مع كل نموذج معيارُه، ومع كل معيار أداةُ من يريد أن يكذّبنا.
تصغير «كَون»: كونٌ صغير. عربية محقونة في نموذج صغير دون فقدان ما يعرفه.
Sadeedسَديديعيد التشكيل إلى النص: الحركات بوصفها معنى مضغوطًا لا ضجيجًا.
Mutarjimمُترجِمترجمة بالاتجاهين تنافس نماذج أكبر بعشرين مرة، ومعها معيار ترجمة-٢٥.
يترجم بين اللهجات العربية نفسها؛ الحدود الأصعب تمر داخل اللغة.
يقرأ الوثيقة العربية إلى ماركداون بمعدل خطأ ٠٫٢٥، متقدمًا على المفتوح والتجاري.
Open shelfالرف المفتوحالنماذج والمعايير ومئة مليون وصف صورة عربي، كلها على Hugging Face.
مقالات تتبع الفرشاة: تبدأ من تفصيلة عشناها في بناء النماذج وتنتهي عند سؤال مؤسسي. تُكتب على مهل وتُنشر حين تنضج.
مفردات الوحدات الجزئية اتفاقياتُ تجارة كُتبت بالإنجليزية. ماذا يدفع مستخدم العربية عند ذلك المعبر، ولماذا كلفة العبور قرار هندسي لا قدر. مكتوبة من قلب تجربة كُوَين.
ما تعلمناه من تنظيف بيانات سَديد: الحركات معنى مضغوط، وحذفها هو الفوضى.
لماذا اضطررنا لبناء ترجمة-٢٥ وSadeedDiac-25 بدل استعمال الموجود.
الحوسبة ليست النفط الجديد؛ القدرة المكرَّرة هي. ماذا تملك الدولة وماذا تستأجر.
مسراج من الداخل: ماذا يتعلم الباحث حين يكون المختبر سوقًا.
ماذا يكلف الرمز في الدمام مقابل فرجينيا، ولماذا يُبنى بعض الأشياء ويُستأجر بعضها.
ما لا يقوله المعيار، وما لا تجيب عنه الجلسة، ولماذا أصمم للفجوات عمدًا.
لا مقالات تحت هذا التيار بعد.
قطع مصممة من داخل الهوية: ثلاثة ملصقات مرسومة بالشيفرة لأعمالنا، وإطاران لأي صورة فوتوغرافية. كل صورة تُوضع هنا تكتسب «صبغة المدّ» تلقائيًا فتنسجم مع الموقع دون تعديل.
الوصفة: أي صورة تتحول رماديًا ثم تُصبغ بلون المدّ العميق عبر مزج الألوان، فتتوحد كل الصور الفوتوغرافية مع الهوية مهما اختلفت مصادرها.
القسم الشخصي. لا سِيَر هنا ولا مناصب؛ فقط المكان الذي تُكتب منه البقية.
I work by a window that faces the Gulf. Most of what I believe about Arabic and machines was decided there, late, between a coffee going cold and a model refusing to converge. This site is that desk, tidied slightly for guests.
أعمل قرب نافذة تطل على الخليج. أغلب ما أومن به عن العربية والآلات تقرر هناك، متأخرًا، بين قهوة تبرد ونموذج يرفض أن يتقارب. هذا الموقع هو ذلك المكتب، مرتَّبًا قليلًا من أجل الضيوف.
أحب أن أعمل على صوتٍ ما. المذياع في زاوية الشاشة يحمل ثلاث أجواء وُلِّدت داخل المتصفح، وخانتين فارغتين لقائمتي الحقيقية.
كورنيش الخبر بعد العشاء: أفضل قاعة اجتماعات لا كراسي فيها.
كلمتي المفضلة من اليابانية: ما (間)، الفراغ الذي يجعل ما حوله مقروءًا. أقرب أخواتها عندنا السَّكينة: ليست غياب الصوت، بل حضور المعنى بلا زحام.
أوميكوجي من أسئلة بحثية مفتوحة، بعضها يؤرقنا فعلًا في مسراج. اسحب واحدًا وخذه على محمل الجد.
الصندوق يحمل عشرة أسئلة مفتوحة.
عنوان واحد للبحث والمحاضرات واستفسارات المشاريع، يُقرأ باللغتين. البريد هو المنشور في أوراقنا العلمية.
Sara Chrouf is an Arabic NLP author and Ventures Manager at Misraj Technology in Al Khobar, Saudi Arabia. She is a co-author of Kuwain, Sadeed, Mutarjim, Lahjawi, and Baseer, and of the SadeedDiac-25, Tarjama-25, and Misraj-DocOCR benchmarks, working where Arabic-first research becomes product.
سارة شروف مؤلفة في معالجة اللغة العربية آليًا ومديرة المشاريع في مسراج للتقنية بمدينة الخبر، حيث وُلدت وتقيم. شاركت في تأليف كُوَين وسَديد ومُترجِم ولهجاوي وبَصير، وفي بناء معايير SadeedDiac-25 وترجمة-٢٥ وMisraj-DocOCR، وتعمل حيث يتحول البحث العربي أولًا إلى منتج.
«مؤلفة في معالجة العربية آليًا ومديرة مشاريع في مسراج للتقنية، من الخبر.»
@misc{chrouf2026site,
author = {Chrouf, Sara},
title = {Sara Chrouf: Arabic-first AI, from Al Khobar},
year = {2026},
url = {https://sarachrouf.com},
note = {Al Khobar, Saudi Arabia}
}
أصوات تُولَّد داخل متصفحك؛ استبدليها أو زيديها بملفاتك الحقيقية.