QU-NLP 在 QIAS 2025 共享任务中的表现：基于双相 LLM 微调与检索增强生成的伊斯兰继承推理方法
计算与语言
2025-08-25 v1
摘要
本文介绍了我们在 QIAS 2025 子任务 1：伊斯兰继承推理中所采用的方法与结果。该共享任务旨在评估大型语言模型（LLM）在理解和推理伊斯兰继承知识方面的能力。我们采用低秩适应（LoRA）对 Fanar-1-9B 因果语言模型进行微调，并将其集成到检索增强生成（RAG）管道中。该系统旨在解决伊斯兰继承法的复杂问题，包括理解继承情景、识别合格继承人、应用固定比例规则以及进行精确计算。我们的系统在最终测试中实现了 0.858 的准确率，超越了 GPT 4.5、LLaMA、Fanar、Mistral 和 ALLaM 等其他竞争模型（均采用零样本提示）。我们的结果表明，QU-NLP 达到了近乎最先进的准确率（85.8%），在高级推理（97.6%）方面尤为出色，超过了 Gemini 2.5 和 OpenAI 的 o3。这表明，针对特定领域的微调结合检索 grounding 能够使中等规模的阿拉伯语 LLM 在伊斯兰继承推理方面超越前沿模型。
引用
@article{arxiv.2508.15854,
title = {QU-NLP at QIAS 2025 Shared Task: A Two-Phase LLM Fine-Tuning and Retrieval-Augmented Generation Approach for Islamic Inheritance Reasoning},
author = {Mohammad AL-Smadi},
journal= {arXiv preprint arXiv:2508.15854},
year = {2025}
}