人工智能时代法律论证挖掘的结构困境与发展路径
计算与语言
2026-05-05 v1
摘要
在人工智能快速发展的背景下，法律论证挖掘作为连接法律文本与智能分析的重要研究领域，具有显著的理论和实践意义。现有研究主要沿着三个维度发展：数据、技术和理论。数据层面，原始法律文本和已注释语料库构成了基础资源。技术层面，研究范式从基于规则的系统和传统机器学习演进为大语言模型(LLM)。理论层面，论证理论和法律学科论提供了重要参考，以建模论证结构。然而，尽管已有进展，法律论证挖掘的整体发展仍相对缓慢。基于对现有研究的系统综述，本研究深入分析发现，这不仅源于数据稀缺或技术限制，更根本源于缺乏一种兼顾理论表达性与计算可行性的结构化表示方法。具体而言，这一挑战体现在数据标准化的困境、建模有效性的障碍以及领域适应性的局限。就此，本文提出若干关键的未来研究方向。旨在为法律论证挖掘的关键问题提供再框架，并为未来发展指明道路，具体的模型和实现方案留待进一步探讨。
引用
@article{arxiv.2605.02308,
title = {Structural Dilemmas and Developmental Pathways of Legal Argument Mining in the Era of Artificial Intelligence},
author = {Xianglei Liao and Chuanyi Li and Kun Chen},
journal= {arXiv preprint arXiv:2605.02308},
year = {2026}
}