基于先例增强与LLM及领域模型协作的法律判决预测
计算与语言
2023-10-16 v1
摘要
法律判决预测（LJP）已成为法律人工智能中一项日益关键的任务，即根据案件事实描述预测判决结果。先例是指事实相似的既往法律案件，在各国法律体系中是后续案件判决的依据。因此，探索在先例利用方面的应用颇具价值。深度学习的最新进展使得多种技术可用于解决LJP任务，这些技术可分为两类：大语言模型（LLM）和领域特定模型。LLM能够理解和生成复杂的自然语言，而领域模型则善于学习任务特定信息。本文提出先例增强的LJP框架（PLJP），该系统在先例背景下结合了LLM与领域模型的优势。具体而言，领域模型用于高效提供候选标签并检索合适先例，大语言模型则通过上下文先例理解做出最终预测。在真实数据集上的实验证明了PLJP的有效性。此外，本工作展示了LLM与领域模型协作这一可推广至其他垂直领域的 promising 方向。
引用
@article{arxiv.2310.09241,
title = {Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model Collaboration},
author = {Yiquan Wu and Siying Zhou and Yifei Liu and Weiming Lu and Xiaozhong Liu and Yating Zhang and Changlong Sun and Fei Wu and Kun Kuang},
journal= {arXiv preprint arXiv:2310.09241},
year = {2023}
}