面向司法实体抽取的大语言模型：一项比较研究

领域特定实体识别在法律语境中具有重要意义，它是一项基础任务，支持判例法文档中的各种应用，如问答系统、文本摘要、机器翻译、情感分析和信息检索。最近的进展凸显了大语言模型在自然语言处理任务中的有效性，展示了它们从临床和金融文档等专业文本中准确检测和分类领域特定事实（实体）的能力。本研究调查了大语言模型在判例法文档中识别领域特定实体（例如，法院、请愿人、法官、律师、被告、FIR编号）的应用，特别关注它们处理领域特定语言复杂性和上下文变化的能力。该研究评估了最先进的大语言模型架构（包括LLaMA 3、Mistral和Gemma）在提取针对印度司法文本的司法事实方面的性能。Mistral和Gemma成为表现最佳的模型，展现出对准确实体识别至关重要的平衡精确率和召回率。这些发现证实了大语言模型在司法文档中的价值，并展示了它们如何通过生成适合深入检查的精确、结构化的数据输出来促进和加速科学研究。