論文の概要: Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA

• arxiv url: http://arxiv.org/abs/2603.08501v1
• Date: Mon, 09 Mar 2026 15:35:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:16.310802
• Title: Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA
• Title（参考訳）: Fanar-Sadiq: グラウンドド・イスラムQAのためのマルチエージェントアーキテクチャ
• Abstract要約: ファナー・サディク (Fanar-Sadiq) は、アラビア語/英語の多言語アシスタント。 イスラム関連のクエリをエージェント型ツール使用アーキテクチャ内の特殊なモジュールにルーティングする。 一般向けイスラムQAベンチマークによるエンドツーエンドシステムの評価を行った。
• 参考スコア（独自算出の注目度）: 14.54455982763367
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Large language models (LLMs) can answer religious knowledge queries fluently, yet they often hallucinate and misattribute sources, which is especially consequential in Islamic settings where users expect grounding in canonical texts (Qur'an and Hadith) and jurisprudential (fiqh) nuance. Retrieval-augmented generation (RAG) reduces some of these limitations by grounding generation in external evidence. However, a single ``retrieve-then-generate'' pipeline is limited to deal with the diversity of Islamic queries.Users may request verbatim scripture, fatwa-style guidance with citations or rule-constrained computations such as zakat and inheritance that require strict arithmetic and legal invariants. In this work, we present a bilingual (Arabic/English) multi-agent Islamic assistant, called Fanar-Sadiq, which is a core component of the Fanar AI platform. Fanar-Sadiq routes Islamic-related queries to specialized modules within an agentic, tool-using architecture. The system supports intent-aware routing, retrieval-grounded fiqh answers with deterministic citation normalization and verification traces, exact verse lookup with quotation validation, and deterministic calculators for Sunni zakat and inheritance with madhhab-sensitive branching. We evaluate the complete end-to-end system on public Islamic QA benchmarks and demonstrate effectiveness and efficiency. Our system is currently publicly and freely accessible through API and a Web application, and has been accessed $\approx$1.9M times in less than a year.
• Abstract（参考訳）: 大型言語モデル(LLM)は、宗教的な知識のクエリに精通して答えることができるが、しばしば幻覚と誤帰の情報源であり、特にイスラム教の環境では、ユーザーが標準文(クアーン語とハディス語)と法学(fiqh)ニュアンスに基礎を置くことを期待する。 Retrieval-augmented Generation (RAG) は、外部の証拠で生成を根拠にすることで、これらの制限のいくつかを削減する。 しかし、単一の'retrieve-then-generate'パイプラインは、イスラームのクエリの多様性に対処するために制限されており、ユーザーは、暗黙のスクリプチュアや、引用を伴うファトワスタイルのガイダンス、厳密な算術と法的な不変性を必要とするザカトや継承のような規則に制約された計算を要求できる。 本稿では、Fanar-Sadiqという、Fanar AIプラットフォームのコアコンポーネントであるバイリンガル(アラビア語/英語)のマルチエージェントイスラムアシスタントを紹介します。 Fanar-Sadiqは、IS関連のクエリをエージェント的なツール使用アーキテクチャ内の特殊なモジュールにルーティングする。 このシステムは、インテント対応ルーティング、検索接地されたfiqh応答、決定論的引用正規化と検証トレース、引用バリデーション付き正確なバースルックアップ、スンニ・ザカトのための決定論的電卓、マッドハブに敏感な分岐による継承をサポートする。 一般向けイスラムQAベンチマークによるエンドツーエンドシステムの評価を行い,有効性と効率性を実証した。 現在、当社のシステムはAPIとWebアプリケーションを通じて公開されており、1年足らずで$1.9M(190万ドル)でアクセスされている。

関連論文リスト

• Islamic Large Language Models: From Knowledge Acquisition to Trustworthy and Hallucination-Resistant AI [0.0]
  大きな言語モデル (LLM) は知識集約的な質問応答にますます使われている。 この調査は、イスラムLLMと信頼できるイスラムAIの新興分野をレビューする。
  論文  参考訳（メタデータ） (2026-06-15T12:22:36Z)
• Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
  複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。 RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T10:38:38Z)
• Grounding Arabic LLMs in the Doha Historical Dictionary: Retrieval-Augmented Understanding of Quran and Hadith [0.0]
  ダイアクロニック・レキソグラフィーの知識を基盤とした検索強化型生成フレームワークを開発した。 汎用コーパスに依存する従来のRAGシステムとは異なり、我々の手法はドハ歴史辞典から証拠を回収する。
  論文  参考訳（メタデータ） (2026-03-25T06:09:42Z)
• Inferential Question Answering [67.54465021408724]
  新しいタスクであるInferential QAを導入します。これは、答えをサポートするパスから答えを推測するためにモデルに挑戦するものです。 そこで本研究では,7,401問と2.4M節からなるQUITデータセットを構築した。 我々は,従来のQAタスクに有効な手法が推論QAに苦しむことを示し,レトリバーは性能が低下し,リランカーは利得が制限され,微調整は不整合の改善をもたらすことを示した。
  論文  参考訳（メタデータ） (2026-02-01T14:02:43Z)
• From RAG to Agentic RAG for Faithful Islamic Question Answering [12.67590523116037]
  ISLAMICFAITHQAは、3,810itemのバイリンガル(アラビア語/英語)生成ベンチマークであり、原子シングルゴールドの回答である。 我々はまた,反復的証拠探索と回答のための構造化ツールコールを用いたエージェント的クラングラウンドフレームワーク(エージェントRAG)を開発した。
  論文  参考訳（メタデータ） (2026-01-12T13:28:28Z)
• Implementing a Sharia Chatbot as a Consultation Medium for Questions About Islam [0.0]
  このシステムは、クルアーン、ハディス、学術的なファトワといった真正な情報源から、25,000の質問応答対のキュレートされたデータセットを処理する。 プロトタイプは、Fiqh、aqidah、ibadah、muamalahなどのさまざまなトピックで機能テストにおいて87%のセマンティックな精度を実現している。
  論文  参考訳（メタデータ） (2025-12-18T15:15:46Z)
• ReAG: Reasoning-Augmented Generation for Knowledge-based Visual Question Answering [54.72902502486611]
  ReAG(Reasoning-Augmented Multimodal RAG)は、粗い部分ときめ細かい部分の検索と、無関係な通路をフィルタリングする批評家モデルを組み合わせた手法である。 ReAGは従来の手法よりも優れており、解答精度が向上し、検索された証拠に根ざした解釈可能な推論を提供する。
  論文  参考訳（メタデータ） (2025-11-27T19:01:02Z)
• FARSIQA: Faithful and Advanced RAG System for Islamic Question Answering [0.0]
  本稿では,ペルシア・イスラム領域におけるFARSIQAの導入について紹介する。 FARSIQAは、我々の革新的なFAIR-RAGアーキテクチャの上に構築されています。
  論文  参考訳（メタデータ） (2025-10-29T15:25:34Z)
• Automatic Pronunciation Error Detection and Correction of the Holy Quran's Learners Using Deep Learning [0.0]
  高品質なQuranicデータセットを生成するために、98%の自動パイプラインを構築しています。 私たちはカスタムのQuran Phonetic Scriptを使ってTajweedルールをエンコードしています。 すべてのコード、データ、モデルをオープンソースとしてリリースしています。
  論文  参考訳（メタデータ） (2025-08-27T15:28:46Z)
• Few-Shot Prompting for Extractive Quranic QA with Instruction-Tuned LLMs [1.0124625066746595]
  複雑な言語、独特な用語、そしてテキストにおける深い意味に関する課題に対処する。 2つ目は、GeminiやDeepSeekのような命令調整された大きな言語モデルで、ほとんどショットプロンプトを使用しない。 スパン抽出のための特殊アラビアプロンプトフレームワークが開発されている。
  論文  参考訳（メタデータ） (2025-08-08T08:02:59Z)
• The benefits of query-based KGQA systems for complex and temporal questions in LLM era [55.20230501807337]
  大規模言語モデルは質問回答(QA)に優れていますが、マルチホップ推論や時間的質問には苦戦しています。 クエリベースの知識グラフ QA (KGQA) は、直接回答の代わりに実行可能なクエリを生成するモジュール形式の代替手段を提供する。 WikiData QAのためのマルチステージクエリベースのフレームワークについて検討し、課題のあるマルチホップと時間ベンチマークのパフォーマンスを向上させるマルチステージアプローチを提案する。
  論文  参考訳（メタデータ） (2025-07-16T06:41:03Z)
• Benchmarking Uncertainty Quantification Methods for Large Language Models with LM-Polygraph [83.90988015005934]
  不確実性定量化は機械学習アプリケーションにおいて重要な要素である。 最新のUQベースラインの集合を実装した新しいベンチマークを導入する。 我々は、11タスクにわたるUQと正規化技術に関する大規模な実証的研究を行い、最も効果的なアプローチを特定した。
  論文  参考訳（メタデータ） (2024-06-21T20:06:31Z)
• Evaluating and Modeling Attribution for Cross-Lingual Question Answering [80.4807682093432]
  この研究は、言語間質問応答の属性を初めて研究したものである。 我々は、5つの言語でデータを収集し、最先端の言語間QAシステムの属性レベルを評価する。 回答のかなりの部分は、検索されたどのパスにも帰属しないことがわかった。
  論文  参考訳（メタデータ） (2023-05-23T17:57:46Z)
• Multifaceted Improvements for Conversational Open-Domain Question Answering [54.913313912927045]
  対話型オープンドメイン質問回答(MICQA)のための多面的改善フレームワークを提案する。 第一に、提案したKL分割に基づく正規化は、検索と解答のためのより良い質問理解をもたらすことができる。 第二に、追加されたポストランカモジュールは、より関連性の高いパスをトップにプッシュし、2アスペクトの制約で読者に選択できる。 第3に、十分に設計されたカリキュラム学習戦略は、訓練と推論の黄金の通路設定のギャップを効果的に狭め、黄金の通路支援なしで真の答えを見つけることを奨励する。
  論文  参考訳（メタデータ） (2022-04-01T07:54:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。