ReaKase-8B: 基于知识与推理表示的法律案件检索
信息检索
2025-10-31 v1
摘要
法律案件检索 (LCR) 是实际法律决策的基石, 因为它使从业者能够为给定查询案件识别先例。现有方法主要依赖传统词典模型和预训练语言模型对法律案件文本进行编码。然而, 不同法律实体之间的关系以及揭示法律事实与法律问题如何导致司法决策的关键推理过程蕴含着丰富的信息。这种关系推理过程反映了每个案件的独特特征, 能够区分一个案件与另一个案件, 映射到实际的司法过程。自然地, 将此类信息纳入精确的案件嵌入中, 可进一步提高案件检索的准确性。本文提出了一种新型 ReaKase-8B 框架, 通过提取法律事实、法律问题、法律关系三元组和法律推理, 实现有效的法律案件检索。ReaKase-8B 设计了一种基于微调大型语言模型的情境法律案件表示学习范式。在 COLIEE 2022 和 COLIEE 2023 两个基准数据集上的大量实验表明, 我们的知识与推理增强嵌入在基线模型之上显著提高了检索性能, 凸显了将法律推理集成到法律案件检索系统中潜在的可能性。该代码已发布于 https://github.com/yanran-tang/ReaKase-8B。
引用
@article{arxiv.2510.26178,
title = {ReaKase-8B: Legal Case Retrieval via Knowledge and Reasoning Representations with LLMs},
author = {Yanran Tang and Ruihong Qiu and Xue Li and Zi Huang},
journal= {arXiv preprint arXiv:2510.26178},
year = {2025}
}