AppealCase：面向民事案件上诉情景的数据集与基准
计算与语言
2025-05-27 v2
摘要
近期的LegalAI进展主要聚焦于单个案件的判决分析，往往忽视了司法系统中至关重要的上诉程序。上诉作为纠正错误、确保公正审判的核心机制，在实践和研究中都高度重要。为填补这一空白，我们提出AppealCase数据集，包含10,000对真实世界、匹配的一级和二级民事案件文件，覆盖91个案件类别。数据集还包括关于五个核心维度的详细标注：判决推翻、推翻原因、引用的法律条款、分项裁决以及二级是否包含新信息。基于这些标注，我们提出五个新型LegalAI任务，并对20种主流模型进行全面评估。实验结果显示，所有当前模型在判决推翻预测任务中F1分数均低于50%，凸显了上诉情景的复杂性与挑战。我们希望AppealCase数据集能推动LegalAI在上诉案件分析方面的进一步研究，并有助于提高司法决策的一致性。
引用
@article{arxiv.2505.16514,
title = {AppealCase: A Dataset and Benchmark for Civil Case Appeal Scenarios},
author = {Yuting Huang and Meitong Guo and Yiquan Wu and Ang Li and Xiaozhong Liu and Keting Yin and Changlong Sun and Fei Wu and Kun Kuang},
journal= {arXiv preprint arXiv:2505.16514},
year = {2025}
}
备注
15 pages, 4 figures