面向法律判决预测模型的可解释性研究
计算与语言
2024-04-17 v2 人工智能
摘要
当前的法律判决预测模型——法律NLP的基础——并未解释其推理过程。然而，要在现实世界中部署这些模型，人类法律行为者需要能够理解模型的决策。在普通法系中，法律从业者通过引用过去的判例（即先例）来推理案件的结果。因此，我们认为先例是促进法律NLP模型可解释性的一种自然方式。在本文中，我们提出了一种识别法律判决预测模型所用先例的新方法。此外，通过开发法律先例分类法，我们能够就人类法官和神经模型所依赖的不同先例类型进行比较。我们发现，尽管这些模型学会了合理地预测结果，但它们对先例的使用不同于人类法官。
引用
@article{arxiv.2403.16852,
title = {Towards Explainability in Legal Outcome Prediction Models},
author = {Josef Valvoda and Ryan Cotterell},
journal= {arXiv preprint arXiv:2403.16852},
year = {2024}
}