THUIR 在 COLIEE 2023 Legal Case Entailment 任务中尝试了传统词汇匹配方法和不同规模的预训练语言模型，使用学习排序方法进一步提高性能，但学习排序在此任务上不够强大，实验结果表明更多参数和法律知识有助于实现，最终在 COLIEE 2023 中获得第三名。

May, 2023

本文提出了一种基于语言模型和机器学习方法，结合多种词汇和形态特征，用于解决法律问题和提供正确答案的 Legal Information Extraction/Entailment 问题，且无需大量训练数据和专业知识即可与最先进的法律信息检索和问题回答方式相竞争，并在比赛中获得了显著成果。

Sep, 2016

该论文介绍了在 COLIEE 2023 竞赛中处理 Task 2、Task 3 和 Task 4 的策略，使用了先进的深度学习方法、基于领域特征观察的设计方法，以及严谨的工程实践和方法论，在这些任务中取得了优秀的成绩，并在 Task 2 和 Task 3 中获得了第一名，Task 4 中也有良好结果。源代码可在指定的 URL 获得。

Jan, 2024

使用深度学习方法实现在 COLIEE 2020 中自动的法律检索和法律问题解答系统，该方法通过在大量数据上进行预训练并进行微调，克服了数据稀缺性并取得了良好的性能，在信息检索和法律决策支持等领域具有相关应用价值。此外，这种方法也可以用于解决其他领域特定的问题。

Nov, 2020

采用编码总结、文档表示模型、词汇特征提取等方法，结合资源进行比较及潜在特征提取，实现针对法律信息提取 / 推理比赛的最优成果。

Sep, 2020

利用神经网络和传统检索模型，我们参加了 COLIEE-2022 律师案例比赛的任务 1 和任务 2，结果在所有团队中排名第五。实验结果表明，传统的检索模型 BM25 仍然优于神经网络模型。

Apr, 2022

该论文介绍了 NOWJ 团队参加 COLIEE 2023 比赛的方法，重点是提高法律信息处理技术并将其应用于现实法律情景中， 团队使用最先进的机器学习模型及创新方法，研究了四个任务，虽然成果未达到最新颖水准但结果提供了有价值洞察，并为改进法律信息处理铺平了道路。

Jun, 2023

本文提出 SAILER，一个基于结构感知的先训练语言模型，适用于法律案例检索，实验证明其能在公共数据集上显著优于现有方法。

Apr, 2023

本研究使用句子转换器提出了一种新的越南法律文件信息检索方法，并通过多次实验比较不同的转换器模型、排名得分、音节层和单词层的训练，实验结果表明所提出的模型的表现优于当前越南文件信息检索的模型。

Sep, 2022

通过将专业的法律知识与大型语言模型相结合，KELLER 引入了一种基于大型语言模型的法律案例重构方法，用于实现有效和可解释的法律案例检索，并在两个法律案例检索基准上展示了 KELLER 相比现有方法在复杂法律案例查询方面的卓越性能和鲁棒性。

Jun, 2024