从语言到行动：阿拉伯语结构化工具调用的数据主义微调方法
机器学习
2026-03-19 v1 人工智能
摘要
函数调用语言模型是代理型人工智能系统的关键，能够将自然语言转化为可执行的结构化动作，但现有模型在应用于阿拉伯语时表现出严重的结构不稳定性。我们提出了 AISA-AR-FunctionCall，一个基于 270M 参数 FunctionGemma backbone 构建的面向生产环境的阿拉伯语函数调用框架，通过系统性数据审计、模式修复、工具感知提示词重构和全参数监督微调进行训练。在 held-out 测试集上，微调将解析错误率从 87% 降至 1% 以下，函数名准确率提升超过八倍，显著增强了方言和领域间的参数对齐。错误分析揭示了从结构崩溃向语义错位的转变，表明序列化稳定性与决策层推理是可分离的挑战。我们进一步探索了一种引入显式中间推理的 LoRA 变体，以在工具调用前进行推理。所有数据集和模型均在 AISA 框架下公开。
引用
@article{arxiv.2603.16901,
title = {From Language to Action in Arabic: Reliable Structured Tool Calling via Data-Centric Fine-Tuning},
author = {Omer Nacar and Deema Alquffari and Saleh Alsharideh and Adeem AlOtaibi and Abdulaziz Alabdulkarim and Leen Alhazmi and Nada Alomar and Wareef Alzubaidi and Nada Alsultan and Ahmed Alrabghi and Demah Alhoshan and Rana Alsayyari and Hamed Alruwaili and Albaraa Jaafar and Khaled Alusmani and Abdulaziz Alsohimy and Munirah Alsubaie and Shahd Aldukhayil and Arwa Alali and Yazeed BinShihah and Razan Alsulaymi and Nourah Alhumaid and Razan Abdulsalam and Reem Alamoudi and Mohammed Alkhalifa},
journal= {arXiv preprint arXiv:2603.16901},
year = {2026}
}