本文介绍了利用弱标记的数据提高语言模型质量的方法，并实现了越南文章级别的基于检索的法律问答系统以应对低资源语言的挑战。经过多方面的实验，结果表明所提出的技术是有效的。

Jun, 2023

本文介绍了基于深度学习的法律文件处理方法，包括自动法律问答竞赛（ALQAC 2022）的法律文件检索和法律问答任务。使用 XLM-RoBERTa 模型在有限的标记数据下表现良好，在低资源语言的其他信息检索任务中也可以应用。

Nov, 2022

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

该论文提出了 NOWJ1 团队在 2023 年自动法律问答竞赛中的方法，通过整合经典统计模型和预训练语言模型来提高法律任务性能。该方法使用了预处理步骤以克服输入的限制，并应用学习排序方法来整合来自不同模型的特征。问答任务被分为两个子任务：句子分类和答案抽取。我们将最先进的模型用于开发每个子任务的不同系统，并利用经典统计模型和预训练语言模型。实验结果表明该方法在竞赛中具有良好的潜力。

Sep, 2023

利用自然语言处理为法律文盲提供自动法律援助系统，该系统通过一种检索然后阅读的流程以生成对任何法定法律问题的长篇回答。

Sep, 2023

这篇论文总结了第一届自动法律问题回答竞赛 (ALQAC 2021) 的评估，该竞赛包含三个任务：法规文档处理、法律文本推理预测和法律问题回答，旨在建立一个能够自动确定某个陈述是否合法的系统。

Apr, 2022

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

本文提出使用深度神经网络从越南法律问题中提取重要信息，采用三个阶段的深度模型，利用高级自编码语言模型、字符级和 POS 标签信息生成词表示，Bidirectional LSTM 模型捕捉单词之间的关系并生成句子级别的表示，然后使用 biaffine 分类器来评估每对起始 - 结束单词成为重要细节的概率。

Apr, 2023

本研究通过利用法律和金融数据的半结构化特点，实现有效检索相关背景知识来解决将现有问答系统应用于法律和金融等专业领域所面临的挑战，使得大型语言模型在领域特定的问答任务中表现优异，同时提供有用的答案解释，鼓励将大型语言模型整合到未来的法律和金融自然语言处理系统中进行研究。

Oct, 2023

在这个快速发展的人工智能时代，特别是在语言处理方面，对于在法律领域应用人工智能的需求变得越来越关键。本篇论文介绍了法律领域越南语的首个基础研究：通过越南语言和语音处理研讨会进行法律文本蕴含识别。通过分析参与者的结果，讨论了法律领域中存在的关键语言方面的挑战与需求。

Mar, 2024