AppellateGen：面向上诉法律判决生成的基准
计算机与社会
2026-03-31 v3 计算与语言
机器学习
摘要
法律判决生成是法律智能中的关键任务。然而，现有研究在法律判决生成领域主要聚焦于一审审判，依赖于静态的事实到判决的映射，忽略了上诉（二审）审查的辩证性。为此，我们提出 AppellateGen，一个包含 7,351 对案例的二审法律判决生成基准。该任务要求模型通过对初始判决和事实证据的更新进行推理，草拟具约束力的法律判决，从而建模审判阶段之间的因果依赖。我们进一步提出一种基于司法标准操作程序（SOP）的法律多智能体系统（SLMAS），模拟司法工作流程，将生成过程分解为问题识别、检索与起草等离散阶段。实验结果表明，尽管 SLMAS 改善了逻辑一致性，但当前 LLM 仍在处理上诉推理的复杂性方面面临重大挑战。该数据集和代码已公开于：https://anonymous.4open.science/r/AppellateGen-5763。
引用
@article{arxiv.2601.01331,
title = {AppellateGen: A Benchmark for Appellate Legal Judgment Generation},
author = {Hongkun Yang and Lionel Z. Wang and Wei Fan and Yiran Hu and Lixu Wang and Chenyu Liu and Yu Zeng and Shenghong Fu and Lei Gong and Zhengxin Zhang and Haoyang Li and Jiexin Zheng and Xin Xu},
journal= {arXiv preprint arXiv:2601.01331},
year = {2026}
}
备注
15 pages, 4 figures, 3 tables