为消除合同歧义生成澄清性问题

企业经常签订商业合同，这些合同可作为项目特定需求的重要来源。合同条款具有强制性，从合同中推导出的需求能够详细说明非法律相关方（包括需求分析师、工程师和交付人员）需要执行的下游实施活动。然而，由于法律术语的广泛使用和合同语言固有的复杂性，理解合同对这些相关方而言认知负担重且容易出错。此外，合同常包含措辞模糊的条款以确保全面覆盖。相比之下，非法律相关方需要对合同条款有详细且无歧义的理解，以制定可操作的需求。在这项工作中，我们引入了一项新颖的法律自然语言处理任务，即为合同生成澄清性问题。这些问题旨在从文档层面识别合同的歧义之处，从而协助非法律相关方获取引出需求所必需的细节。该任务面临三个核心挑战：(1) 数据可用性，(2) 合同的长度与非结构化特性，以及 (3) 法律文本的复杂性。为解决这些问题，我们提出了 ConRAP，一个用于生成澄清性问题以消除合同文本歧义的检索增强提示框架。在源自公开可用 CUAD 数据集的合同上进行的实验表明，使用 ChatGPT 的 ConRAP 能够以 0.87 的 F2 分数检测歧义。70% 的生成澄清性问题被人类评估者认为是有用的。