Aslema 在 NADI 2026：用于意图识别和槽位填充的数据增强

我们展示了 Aslema，这是我们用于 NADI 2026 共享任务 5 的系统，它由两个子任务组成：意图识别和槽位填充。我们在零射击设置下评估了四个全向 LLM，并将它们与微调模型进行比较。我们的结果表明，微调 始终优于零样本推理。我们通过使用 LLM 生成基于文化的突尼斯 Derja 话语，然后通过语音克隆来生成合成语音，进一步探索合成数据增强。合并这些合成数据可以提高这两项任务的性能。我们最终提交的系统基于 Qwen3-Omni-30B，并使用原始数据和合成数据的混合训练，在开发测试中实现了 86.8% 的意图准确度和 34.7 WER。在官方测试集上，它在槽位填充方面排名第一（59.5 CoER），在意图识别方面在 8 个团队中排名第四（准确率 66.1%）。我们发布了实验脚本，并将很快共享合成数据集以支持该领域的进一步研究。