QMUL_AK ad AISA-ArabicFC: chiamata di funzione vincolata dallo schema con ALLaM

Abstract degli autori

Descriviamo la partecipazione di QMUL_AK ad AISA-ArabicFC 2026. Il sistema adatta il modello arabo-inglese ALLaM-7B-Instruct alla chiamata di funzione mediante adattamento a basso rango (LoRA). Combina un prompt in arabo consapevole dello schema, il ricampionamento per dialetto e per i casi senza chiamata, un obiettivo di addestramento ponderato per token e la validazione deterministica delle chiamate generate rispetto allo schema candidato dello strumento. Lo stesso output supporta la chiamata di funzione del Track A e la chiamata arricchita dal ragionamento del Track B. L’addestramento usa solo i dati ufficiali del task. Sul set di sviluppo, il sistema raggiunge un’accuratezza della funzione pari a 0,9982 e una corrispondenza esatta degli argomenti pari a 0,8920, con punteggi complessivi di 0,9345 per A e 0,9454 per B. Sul set di test cieco, il sistema ottiene punteggi complessivi di 0,9253 per A e 0,9380 per B, classificandosi al 3° posto in entrambi i track e al 1° posto tra 21 team nel test diagnostico di robustezza ai dialetti del Track C, con un punteggio medio macro di 0,9075 e il divario tra dialetti più contenuto del task condiviso (0,077). I risultati mostrano che la selezione delle funzioni è quasi satura, mentre l’estrazione degli argomenti rimane la principale fonte di errori.