论文页面 - 大型语言模型时代的圣训计算科学：批判性叙事综述

来源：https://huggingface.co/papers/2608.20364

摘要

圣训计算科学被视为一项需要整合Transformer与检索方法、并借助专家验证和溯源机制的证据基础设施挑战。

本文审视圣训计算科学如何被Transformer模型 (https://huggingface.co/papers?q=transformer%20models)、检索增强流程 (https://huggingface.co/papers?q=retrieval-grounded%20pipelines) 以及大型语言模型 (https://huggingface.co/papers?q=large%20language%20models) (LLMs) 所重塑。近期的综述文献记录了该领域的增长，但尚未批判性地厘清哪些进展在方法论上是坚实的、哪些仍受限于基准测试、以及哪些未解决的问题仍在限制其学术应用。我们通过一项批判性叙事综述来填补这一空白，该综述结合了对现有综述的批判、对代表性原创研究的论文级评估，并综合了伊斯兰学者与领域专家关于真实性、权威性和负责任使用的观点。我们发现进展并不均衡：数据资源有所扩展，分割任务趋于成熟，传述人与来源验证问题得到了更好的形式化，而LLM辅助的工作流现已能支持语料库规模的增强、多语言访问和基于溯源的评估。与此同时，进展仍受限于狭窄的语料库、薄弱的基准可比性、合成数据到真实数据的迁移 (https://huggingface.co/papers?q=synthetic-to-real%20transfer) 鸿沟、传述人身份解析、预处理脆弱性、有限的可重复性以及稀疏的专家验证。我们表明，重要的差距存在于主流基准测试之外：非正典和冷门语料库、注释与解释性文献、与《古兰经》和先知传记的跨来源关联，以及面向教法（Fiqh）的证据支持。我们认为，圣训计算的评估不应孤立地看待模型性能，而应将其视为一个需要知识整合、溯源和专家监督的证据基础设施问题。基于此，我们定义了一项研究议程，旨在使该领域在方法论上更强健，并对伊斯兰学术更有用。

查看 arXiv 页面 (https://arxiv.org/abs/2608.20364) 查看 PDF (https://arxiv.org/pdf/2608.20364) 项目页面 (https://minstar.github.io/AgentMercury/) 添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2608.20364)

在您的智能体中获取此论文：

hf papers read 2608\.20364

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2608.20364 以从本页链接它。

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2608.20364 以从本页链接它。

引用此论文的 Spaces0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2608.20364 以从本页链接它。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 以从本页链接它。