法律文档图像分析：面向获取司法公平的多模态大语言模型

与司法系统和政府交互需要拼装和分析可能分布在不同（纸质）文件（如表格、证书和合同）中的各种信息。需要这些信息才能理解自己的法律权利，以及填写表格以在法庭上提出索赔或获取政府福利。然而，寻找正确信息、 locating correct forms and filling them out 对于非专业人士来说可能具有挑战性。大语言模型（LLM）作为一种强大的技术，潜在地有望弥补这一差距，但仍然依赖用户提供正确信息，这可能在信息仅以复杂纸质文档形式可用时具有挑战性和错误。我们present了一种利用多模态大语言模型分析 handwritten paper forms 的图像，以自动以结构化格式提取相关信息的研究。我们的初始结果令人鼓舞，但揭示了一些局限性（例如，当图像质量较低时）。我们的工作表明，将多模态大语言模型集成到为自行代表的原告和当事人提供帮助，以发现和拼装相关信息方面的潜力。