法律援助接待流程中基于大语言模型的意图与情境探询
计算机与社会
2023-11-23 v1 计算与语言
摘要
大语言模型（LLMs）与聊天机器人在简化法律接待流程方面展现出显著潜力。这一进展可大幅降低法律援助机构的工作量与成本，在提升可及性的同时使更广泛受众更易获得法律协助。然而，当前 LLMs 的一个关键挑战在于它们倾向于过度自信地基于训练数据上学习的输出分布对客户问题立即给出“最佳猜测”。这种方式常忽略客户的实际意图或其法律情境的具体细节。结果，客户可能未意识到提供关键附加情境或表达潜在意图的重要性，而这些对其法律案件至关重要。传统上，基于逻辑的决策树已被用于自动化特定司法可及性议题（如移民与驱逐）的接待。但这些方案缺乏可扩展性。我们展示了一个概念验证，使用 LLMs 通过自由形式的基于语言的交互来探询并推断客户的潜在意图与具体法律情形。我们还提出未来研究方向，利用监督微调或离线强化学习在聊天机器人中自动融入意图与情境探询而无需显式提示。
引用
@article{arxiv.2311.13281,
title = {Intention and Context Elicitation with Large Language Models in the Legal Aid Intake Process},
author = {Nick Goodson and Rongfei Lu},
journal= {arXiv preprint arXiv:2311.13281},
year = {2023}
}