LexChronos：面向印度司法的结构化事件时间线抽取智能体框架
计算与语言
2026-03-03 v1 人工智能
摘要
理解和预测司法结果需要对法律文件进行细致的分析。传统方法将判决和 procedings 视为非结构化文本，限制了大型语言模型（LLM）在摘要生成、论证生成和判决预测等任务中的效能。我们提出了 LexChronos，一个迭代从最高法院的判决中提取结构化事件时间线的智能体框架。LexChronos 采用双智能体架构：LoRA-instruct 微调的提取智能体识别候选事件，而预训练的反馈智能体通过置信度驱动的循环对其进行评分和细化。为解决印度法律事件数据稀缺的问题，我们采用逆向工程技术构建了包含 2000 个样本的合成语料库，利用 DeepSeek-R1 和 GPT-4 生成金标准事件标注。我们的管道在该合成基准上实现了 0.8751 的 BERT-based F1 分数。在下游评估中，GPT-4 在 75% 的情况下优先选择结构化时间线而非非结构化基线，表明在印度司法情境下实现了更好的理解和推理。该工作为未来在印度语境下发展法律 AI 应用（如案例映射、论证合成和预测性判决建模）奠定了基础，通过利用法律事件的结构化表示来实现这一目标。
引用
@article{arxiv.2603.01651,
title = {LexChronos: An Agentic Framework for Structured Event Timeline Extraction in Indian Jurisprudence},
author = {Anka Chandrahas Tummepalli and Preethu Rose Anish},
journal= {arXiv preprint arXiv:2603.01651},
year = {2026}
}
备注
Published in AILaw @ AAAI 2026 Conference