基于指令微调大语言模型的小样本提示用于古兰经抽取式问答

本文提出了两种针对古兰经抽取式问答（QA）的有效方法，旨在应对文本中复杂语言、独特术语和深层含义带来的挑战。第二种方法使用小样本提示与指令微调的大语言模型（如 Gemini 和 DeepSeek）。我们开发了一个专门的阿拉伯语提示框架用于片段抽取，并构建了一个强大的后处理系统，集成了子词对齐、重叠抑制和语义过滤。这提高了精确度并减少了幻觉。评估结果表明，使用阿拉伯语指令的大语言模型优于传统的微调模型。最佳配置达到了 0.637 的 pAP10 分数。结果证实，基于提示的指令微调对于低资源、语义丰富的问答任务是有效的。