IBPS：印度保释预测系统
计算与语言
2025-08-22 v2 人工智能
摘要
保释裁决是印度法院中最常审理的事项之一，然而它们仍然受到主观性、延误和不一致性的困扰。印度监狱中超过75%的囚犯为未决犯，其中许多人来自社会经济弱势背景，缺乏及时和公正的保释裁决加剧了人权问题，并加剧了系统性的司法积压。在本文中，我们提出了印度保释预测系统（IBPS），这是一个由人工智能驱动的框架，旨在通过仅基于事实案件属性和法律规定来预测结果并生成法律上合理的理由，从而辅助保释决策。我们整理并发布了一个包含150,430份高等法院保释判决的大规模数据集，该数据集丰富了结构化标注，如年龄、健康状况、犯罪记录、犯罪类别、羁押时长、涉及法条和司法推理。我们使用参数高效技术微调了一个大语言模型，并在多种配置下评估其性能，包括有无法律条文上下文以及使用RAG的情况。我们的结果表明，使用法律知识微调的模型显著优于基线模型，在准确性和解释质量上均表现出色，并能很好地泛化到由法律专家独立标注的测试集上。IBPS提供了一种透明、可扩展且可复现的解决方案，以支持数据驱动的法律援助，减少保释延误，并促进印度司法系统中的程序公正。
引用
@article{arxiv.2508.07592,
title = {IBPS: Indian Bail Prediction System},
author = {Puspesh Kumar Srivastava and Uddeshya Raj and Praveen Patel and Shubham Kumar Nigam and Noel Shallum and Arnab Bhattacharya},
journal= {arXiv preprint arXiv:2508.07592},
year = {2025}
}