本文介绍了 CAIL2018 挑战数据集，以及其中包含的中国法律判例数据，分析了现有文本分类方法在预测判决结果方面的挑战，特别是在刑期上的预测还有待改进。

Jul, 2018

我们介绍了法律文书检索数据集 LePaRD，该数据集是美国联邦司法引文的巨大集合，旨在促进法律文书预测的工作。

Nov, 2023

LEVEN 数据集是一个包含 108 种事件类型的大规模中国法律事件检测数据集，它不仅涵盖与收费相关的事件，还涵盖重要但在现有 LED 数据集中被忽略的一般事件，该数据集可显着促进 LED 方法的培训和评估，并可作为提高下游应用程序性能的有用附加信息。

Mar, 2022

通过转化一个大型开源法律语料库为数据集，我们构建了 CLERC（Case Law Evaluation Retrieval Corpus）数据集，用于培训和评估智能系统在寻找相关引用和编写支持推理目标的连贯分析方面的能力。我们在 CLERC 上对最先进的模型进行了基准测试，结果表明目前的方法仍然存在困难。

Jun, 2024

在法律领域中，元素提取作为自然语言处理的重要任务之一，从司法文件中提取法律要素有助于增强对法律案例的解释和分析能力，进而促进法律领域各个方面的下游应用。通过引入一个更全面、大规模的刑事法律要素提取数据集，本研究解决了现有数据集的限制问题，该数据集由 15831 个司法文件和 159 个标签组成，并通过专家设计的标签系统和注释准则进行构建。LEEC 数据集是目前为中国法律系统最广泛且专业的法律要素提取数据集，利用标注的数据，我们运用各种最先进的模型验证了 LEEC 在文档事件提取任务中的适用性。

Oct, 2023

通过构建数据集，本论文提供了一种机器学习的决策支持工具，使研究者能够更严密地研究在刑事司法中的算法公平性以及与各种系统性问题相关的算法挑战。

Oct, 2023

本文介绍了 CAIL2019-SCM（Chinese AI and Law 2019 Similar Case Matching dataset）数据集，包含中国最高人民法院发布的 8964 个案例三元组。该数据集旨在检测相似案例，有 711 支团队参加了今年的比赛，最佳团队的得分为 71.88。我们还实现了几个基线来帮助研究人员更好地了解这个任务。

Nov, 2019

为了填补现有法律查询数据集对非专业用户提出的实际查询的不足，本文引入了 STAtute Retrieval Dataset（STARD），该数据集由 1543 个来自现实世界法律咨询的查询案例和 55348 个候选法规文章组成，并通过对各种检索基线模型进行综合评估，揭示了现有检索方法在非专业用户提交的实际查询中的不足，为进一步探索和研究提供了必要性。

Jun, 2024

本研究提出了使用五种法律关系从 2,388 个中国法典语料库中建立一个 1,134 个法律类比推理问题集 (LARQS)， 以评估中文词嵌入模型的准确性，并发现法律关系可能是词嵌入模型中普遍存在的。

Mar, 2022

本研究介绍了一个含有近 10K 文档和近 50K 个问题及其答案的中国司法阅读理解 (CJRC) 数据集，基于 Bert 和 BiDAF 构建了两个强基准模型，实验结果显示与人工标注员的表现相比仍有进步的空间。该数据集可用于司法领域中元素提取的机器阅读理解技术研究。

Dec, 2019