超越罪责：基于三分法推理的法律判决预测
计算与语言
2025-02-25 v2
摘要
在司法实践中，法官依据刑法的三分法原则，依次评估罪名要件、非法性和责任性，以确定个人行为是否构成犯罪。虽然当前法律大型语言模型（LLM）在判决预测方面显示出良好的准确性，但由于缺乏适当的基准数据集，缺乏三分法推理能力，无法预测无罪结果。因此，所有输入都会自动归因为犯罪，限制了其在司法语境中的实际应用。为弥合这一差距，我们引入LJPIV，这是第一个针对包含无罪判决的法律判决预测基准数据集。遵循三分法原则，我们通过LLM生成式增强和人工验证，将三个广泛使用的法律数据集扩展。我们使用最先进的法律LLM和集成三分法推理于零样本提示和微调的新策略进行实验，结果显示：（1）当前法律LLM仍有显著提升空间，即使是最佳模型在LJPIV上的F1分数也不到0.3；（2）我们的策略显著提升了原领域和跨领域判决预测准确率，尤其是针对结果为无罪判决的案件。
引用
@article{arxiv.2412.14588,
title = {Beyond Guilt: Legal Judgment Prediction with Trichotomous Reasoning},
author = {Kepu Zhang and Haoyue Yang and Xu Tang and Weijie Yu and Jun Xu},
journal= {arXiv preprint arXiv:2412.14588},
year = {2025}
}