基于欧洲专利数据集丰富专利权利要求生成

起草专利权利要求耗时、昂贵，且需要专业技能。因此，研究人员调查使用大型语言模型（LLM）帮助发明者编写权利要求。然而，现有工作主要依赖美国专利商标局（USPTO）的数据集。为拓展关于各种司法管辖、起草惯例和法律标准的研究范围，我们引入EPD（European Patent Dataset），即欧洲专利数据集。EPD提供丰富的文本数据和结构化元数据，以支持多项专利相关任务，包括权利要求生成。该数据集在三个关键方面丰富了该领域：（1）司法管辖多样性：来自不同机构的专利在法律和起草惯例上存在差异。EPD通过提供面向欧洲专利的基准，填补了关键空白，使评估更为全面。（2）质量提升：EPD提供高质量获批专利，具有最终且经法律批准的文本，而其他数据集则由未经审查或临时专利申请组成。实验表明，在EPD上微调的LLM在权利要求质量和跨域泛化方面显著优于在先前数据集上训练的LLM，甚至优于GPT-4o。（3）真实世界仿真：我们提出EPD的一个困难子集，以更好地反映权利要求生成的真实世界挑战。结果显示，所有测试的LLM在这些具挑战性的样本上表现大幅下降，这凸显了未来研究的必要性。