FARSIQA：面向伊斯兰问答的可信且高级RAG系统
摘要
大型语言模型 (LLM) 的兴起彻底改变了自然语言处理领域，但其在高风险、专业领域如宗教问答中的应用受到诸如幻觉和不忠实于权威来源等挑战的制约。这一问题在波斯语 Muslim 社区中尤为关键，因 accuracy 和 trustworthiness 在那里至关重要。现有的检索增强生成 (RAG) 系统依赖单一传递管道，难以应对需要多跳推理和证据聚合的复杂查询。为填补这一差距，我们引入 FARSIQA，这是一个面向波斯伊斯兰领域的可信、先进问答的端到端系统。FARSIQA 建立在我们的创新 FAIR-RAG 架构之上：面向 RAG 的 Faithful、Adaptive、Iterative Refinement 框架。FAIR-RAG 采用动态自纠正过程：它自适应地分解复杂查询，评估证据充分性，并进入迭代循环以生成子查询，逐步填补信息差距。该系统基于由超过一百万份权威伊斯兰文件构成的精选知识库运行，FARSIQA 显示出卓越的性能。对挑战性的 IslamicPCQA 数据集进行严格评估显示，系统实现了 97.0% 的 Negative Rejection——显著超过基线 40 分，并且 Answer Correctness 分数高达 74.3%。我们的工作确立了波斯伊斯兰问答的新标准，验证了迭代、自适应架构对于构建可信、可靠 AI 系统至关重要。
关键词
引用
@article{arxiv.2510.25621,
title = {FARSIQA: Faithful and Advanced RAG System for Islamic Question Answering},
author = {Mohammad Aghajani Asl and Behrooz Minaei Bidgoli},
journal= {arXiv preprint arXiv:2510.25621},
year = {2025}
}
备注
37 pages, 5 figures, 10 tables. Keywords: Retrieval-Augmented Generation (RAG), Question Answering (QA), Islamic Knowledge Base, Faithful AI, Persian NLP, Multi-hop Reasoning, Large Language Models (LLMs)