当前最先进的法律推理模型对溯因推理的支持程度如何？

我们考察了法律推理中使用的当前最先进（SOTA）模型对溯因推理任务的支持程度。溯因推理是一种逻辑推断形式，其中从一组观察中形成假设，并用该假设来解释这些观察。形成此类假设的能力对律师和法律学者十分重要，因为它有助于他们阐述逻辑论证、解释法律并发展法律理论。我们的动机源于这样一种观点：深度学习模型，尤其是大语言模型（LLMs），将很快取代律师，因为它们在与法律文本处理相关的任务上表现良好。但我们认为，要做到这一点，需要某种形式的溯因假设形成。换言之，尽管 LLMs 变得更流行且更强大，我们仍希望研究其溯因推理能力。为实现这一目标，我们首先构建了一个包含 498,697 个样本的、用于溯因推理的逻辑增强数据集，然后用它来评估法律领域一个 SOTA 模型的性能。我们的实验结果表明，尽管这些模型在与法律文本处理某些方面相关的任务上表现良好，但在支持溯因推理任务方面仍存在不足。