Fanar-Sadiq: Un'Architettura Multi-Agente per Domande e Risposte Islamiche Fondate

Fanar-Sadiq: A Multi-Agent Architecture for Grounded Islamic QA

March 9, 2026

Autori: Ummar Abbas, Mourad Ouzzani, Mohamed Y. Eltabakh, Omar Sinan, Gagan Bhatia, Hamdy Mubarak, Majd Hawasly, Mohammed Qusay Hashim, Kareem Darwish, Firoj Alam

cs.AI

Abstract

I modelli linguistici di grandi dimensioni (LLM) possono rispondere con fluidità a interrogativi di conoscenza religiosa, ma spesso producono allucinazioni e attribuiscono erroneamente le fonti, un problema particolarmente rilevante in contesti islamici dove gli utenti si aspettano un ancoraggio a testi canonici (Corano e Hadīth) e a sfumature giurisprudenziali (fiqh). La generazione aumentata tramite recupero delle informazioni (RAG) riduce alcune di queste limitazioni basando la generazione su evidenze esterne. Tuttavia, una singola pipeline di tipo "recupera e poi genera" è limitata nel gestire la diversità delle domande islamiche. Gli utenti possono richiedere citazioni scritturali verbatim, consigli in stile fatwa con riferimenti bibliografici o calcoli vincolati da regole, come quelli per lo zakat e l'eredità, che richiedono il rigoroso rispetto di invarianti aritmetiche e giuridiche. In questo lavoro, presentiamo un assistente islamico bilingue (arabo/inglese) multi-agente, chiamato Fanar-Sadiq, che è un componente centrale della piattaforma Fanar AI. Fanar-Sadiq instrada le domande di pertinenza islamica verso moduli specializzati all'interno di un'architettura agentica che utilizza strumenti. Il sistema supporta l'instradamento consapevole dell'intento, risposte di fiqh basate sul recupero delle informazioni con normalizzazione deterministica delle citazioni e tracce di verifica, ricerca esatta dei versetti con validazione delle citazioni, e calcolatori deterministici per lo zakat e l'eredità sunniti con diramazioni sensibili al madhhab. Valutiamo il sistema end-to-end completo su benchmark pubblici di domande e risposte islamiche e ne dimostriamo l'efficacia e l'efficienza. Il nostro sistema è attualmente accessibile pubblicamente e gratuitamente tramite API e un'applicazione Web, ed è stato utilizzato circa 1,9 milioni di volte in meno di un anno.

English

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 approx1.9M times in less than a year.