面向大语言模型回答法律影响的问题的提示工程方法与知识图谱驱动框架
人工智能
2024-10-22 v1
摘要
随着大语言模型 (LLM) 在近期流行的不断增长，用户盲目信任其响应中信息的风险日益增加，甚至在 LLM 建议可能产生法律影响的行动时，这可能会将用户置于风险之中。我们对多个现有 LLM 进行了实证分析，显示出解决这一问题的紧迫性。因此，我们提出了一种短期解决方案，通过提示重工程来隔离这些法律问题。我们进一步分析了基于提示工程的方法的结果及其局限性，并强调需要额外资源来全面解决该问题。我们还提出了一个由法律知识图谱 (KG) 驱动的框架，用于生成这些法律问题的法律引用，丰富 LLM 的响应。
引用
@article{arxiv.2410.15064,
title = {A Prompt Engineering Approach and a Knowledge Graph based Framework for Tackling Legal Implications of Large Language Model Answers},
author = {George Hannah and Rita T. Sousa and Ioannis Dasoulas and Claudia d'Amato},
journal= {arXiv preprint arXiv:2410.15064},
year = {2024}
}
备注
27 pages, 2 figures