ASP2LJ：对抗自我博弈增强型法律判决框架
计算与语言
2025-06-24 v1
摘要
法律判决预测 (LJP) 旨在预测司法结果，包括相关法律条款、内容和罚款，这是大型语言模型 (LLM) 中的关键过程。然而，LJP 面临两个关键挑战：(1)长尾分布：当前数据集源于真实案例，因人工标注成本高且分布不平衡，导致模型性能下降。(2)律师的改进：现有系统侧重于增强法官的决策能力，但忽视律师在细化论点方面发挥的关键作用，这限制了整体司法准确性。为解决这些问题，我们提出了对抗自我博弈律师增强型法律判决框架，称为 ASP2LJ，该框架集成案例生成模块以解决长尾数据分布问题，并采用对抗自我博弈机制提升律师的论证技能。我们的框架使法官能够参考演化后的律师论点，从而提高司法决策的客观性、公平性和理性。此外，我们还引入 RareCases 数据集，该数据集包含 120 个尾端案例。我们在 SimuCourt 数据集和 RareCases 数据集上 demonstrate 了该方法的有效性。实验结果表明，我们的方法带来了改进，表明其有效性。我们的贡献包括一个集成框架、一个罕见案例数据集，以及公开发布数据集和代码以支持进一步的自动化司法系统研究。
引用
@article{arxiv.2506.18768,
title = {ASP2LJ : An Adversarial Self-Play Laywer Augmented Legal Judgment Framework},
author = {Ao Chang and Tong Zhou and Yubo Chen and Delai Qiu and Shengping Liu and Kang Liu and Jun Zhao},
journal= {arXiv preprint arXiv:2506.18768},
year = {2025}
}