SAHM：阿拉伯语金融与教法合规推理基准

针对阿拉伯语金融 NLP 研究不足的现状，本文提出 SAHM，一个基于文档的基准测试及指令微调数据集，专注于阿拉伯语金融自然语言处理与教法合规推理。该数据集包含 14,380 个专家验证实例，涵盖七项任务，包括 AAOIFI 标准问答、基于法特瓦的问答、会计考试、情感分析及事件因果推理等。研究评估了 19 种主流大语言模型，发现阿拉伯语流利度并不能可靠地转化为基于证据的金融推理能力，模型在识别类任务上表现优于生成和因果推理任务，尤其在事件因果推理方面差距显著。