这篇论文介绍了欧洲创新项目 Lynx 中正在开发的一个系统的技术组件，包括工作流程管理器，基于自然语言处理和内容管理服务的工作流程的灵活编排，以及包含语义信息和有意义的法律文件参考的多语言法律知识图。论文还描述了不同的使用案例以及我们正在实验和开发的原型解决方案。

Mar, 2020

该研究旨在以简单易懂的语言对单方面合同，如使用条款等，进行摘要，以帮助用户更好地理解他们正在接受的条款，并呼吁资源和技术的开发以简化和转换法律语言。

Jun, 2019

自动法律推理在智能合约和自动决策中的应用日益受到关注，然而伦理和法律问题使得自动推理器在人能理解的术语中进行理由指明变得必要。本文提出使用 s (CASP) 来建模不确定性和其他模糊概念，并实现了一个框架来模拟、推理和证实适用法规，并通过翻译和基准测试了一个代表性用例，即 “Comunidad de Madrid” 的学生录取标准。

Jan, 2024

本研究提出了一种新的自然语言推理应用 —— 针对合同的 “文档级自然语言推理”，解决了合同审查过于耗时和过于昂贵的问题，并标注并发布了目前最大的包括 607 个合同的语料库。研究还指出，以往的模型在该任务上表现不佳，而研究者引入了一种新的算法，并通过多标签分类和更复杂的上下文分割方法使该任务取得了显著进展，并认为这一领域还有很大的改进空间。

Oct, 2021

合同分析是一项重复且不可或缺的过程，为了避免业务风险和责任，需要识别和分类协议中的关键条款和段落。本研究提出了 LegalPro-BERT，一种预训练的大规模语言模型，经过法律分类校准后用于有效处理法律条款的分类任务，并通过与当前基准结果的比较证明其性能优于以往研究的基准。

Apr, 2024

本文总结了 NLP 与法律领域的现状并关注最近的技术和实质性发展。通过构建并分析过去十年发表的超过六百篇与 NLP & 法律相关的论文，我们发现了一些主要趋势，并且我们相信这些趋势对于该领域的未来发展具有积极意义，但是仍有许多问题需要解决。

Feb, 2023

该论文介绍了 NeCo 团队在 2023 年自动化法律问题回答竞赛（ALQAC 2023）中针对越南文本处理任务提供的解决方案，重点是通过数据丰富来实现对低资源语言的法律领域知识获取。我们的法律文档检索任务方法结合了相似性排名和深度学习模型，而对于第二个任务，要求根据问题从相关的法律文章中提取答案，我们提出了一系列适应性技术来处理不同类型的问题。我们的方法在竞赛的两个任务中都取得了出色的成绩，展示了法律领域中问答系统特别是对于低资源语言的潜在优势和有效性。

Sep, 2023

利用人工智能聊天机器人技术开发法律文件处理工具，包括 Android 应用、查询处理代码、Flask 后端和 REST API 方法的集成。

Nov, 2023

我们引入了一项新的法律 NLP 任务，通过生成澄清问题来识别合同中的歧义，从而帮助非法律相关的利益相关者获取引出需求所必需的细节。

Mar, 2024

该论文提出了一个新的共享任务来从法律文本中进行语义检索，并给出了在这个方法框架下提出的多个解决方案的评估。此外，针对文本片段相关性检测准确度的问题，提出了一些策略。最终，该论文展示了在法律领域专门化的语言模型方面的成果，这些模型已经公开。

Nov, 2019