利用大语言模型通过故事讲述学习复杂法律概念
计算与语言
2024-07-03 v4 人机交互
摘要
使法律知识易于非专业人士获取，对于提高整体法律素养和鼓励公民参与民主至关重要。然而，法律文件对于没有法律背景的人来说往往难以理解。在本文中，我们提出了一种大语言模型（LLMs）在法律教育中的新颖应用，旨在帮助非专业人士通过故事讲述这一传达复杂抽象概念的有效教学工具来学习复杂的法律概念。我们还引入了一个新数据集 LegalStories，其中包含 294 个复杂的法律原则，每个原则都配有由 LLMs 生成的故事和一组多项选择题。为了构建该数据集，我们尝试了各种 LLMs 来生成解释这些概念的法律故事。此外，我们采用专家在环（expert-in-the-loop）的方法迭代设计多项选择题。随后，我们通过针对数据集中 10 个样本的法律新手随机对照试验（RCTs），评估了结合 LLMs 的故事讲述的有效性。我们发现，与仅提供定义相比，LLM 生成的故事增强了非母语者对法律概念的理解和对法律的兴趣。此外，故事始终能帮助参与者将法律概念与他们的生活联系起来。最后，我们发现对于非母语者而言，通过故事学习在后续评估中显示出更高的保留率。我们的工作对于在法律领域及其他领域利用 LLMs 促进教学和学习具有重要意义。
引用
@article{arxiv.2402.17019,
title = {Leveraging Large Language Models for Learning Complex Legal Concepts through Storytelling},
author = {Hang Jiang and Xiajie Zhang and Robert Mahari and Daniel Kessler and Eric Ma and Tal August and Irene Li and Alex 'Sandy' Pentland and Yoon Kim and Deb Roy and Jad Kabbara},
journal= {arXiv preprint arXiv:2402.17019},
year = {2024}
}
备注
Accepted to ACL 2024