从文本到结构:利用大型语言模型支持法律专家系统的发展
本篇论文探讨了大型语言模型(LLMs)在应用税法方面的能力,发现使用少量提示可以显着提高最先进的模型性能,但它们仍不能像专业的税务律师那样进行推理和判断。
Jun, 2023
研究探索了利用大型语言模型(LLMs)自动提取食品安全领域与要求相关的法律内容并检查法规工件的合规性。研究结果表明,LLMs 在提高法规合规性和监管分析效率方面具有显著的潜力,尤其通过减少手动工作量,提高准确性,并在合理的时间和财务限制下实现。
Apr, 2024
人工智能和大型语言模型的进步正在给法律领域的自然语言处理任务带来深刻的转变。大型语言模型在法律部门展示出越来越多独特的优势和各种挑战。本调查研究了大型语言模型与法律系统之间的协同作用,例如在法律文本理解、案例检索和分析等任务中的应用。此外,该调查还突出了大型语言模型在法律领域面临的关键挑战,包括偏见、可解释性和道德考虑,以及研究人员如何解决这些问题。调查展示了针对不同法律体系量身定制的最新进展,以及用于各种语言的大型语言模型微调的法律数据集。此外,它提出了未来研究和发展的方向。
Apr, 2024
使用法律专家与大型语言模型(LLM)的协作框架进行主题分析和归纳编码相关研究,对刑事法院意见中的案件描述进行分析,发现典型盗窃案的类别,并证明 LLM 能有效产生初步编码、提高编码质量以及自动分类案件描述主题,为法律研究人员在整合 LLM 到他们的主题分析项目中提供指导。
Oct, 2023
大型语言模型可以提高对法律系统的访问,但是目前很少有关于它们在进行法律任务方面有效性的实证研究。本研究以涉及加密货币的证券案件为背景,研究了语言模型的法律推理和起草能力。我们使用真实案例的情节喂给 GPT-3.5,并评估其确定正确违规行为的能力。研究发现,GPT-3.5 的法律推理能力较弱,但在法律起草方面表现更好。虽然目前无法取代律师,但这些模型的起草能力可以通过降低法律服务成本,为更多人提供司法公正的机会。本研究是第一个系统研究大型语言模型在诉讼、证券法和加密货币相关不当行为中的法律起草和推理能力的研究。
Aug, 2023
人工智能对传统司法行业产生了重大影响。最近,随着 AI 生成内容的发展,人工智能和法律在图像识别、自动文本生成和交互式聊天等领域得到应用。然而,法律领域的大型语言模型的应用仍处于初级阶段。本文对法律领域的大型语言模型进行了全面调查,揭示了它们在司法系统中的应用。同时,我们还讨论了法律领域大型语言模型的实际实施,如为用户提供法律咨询和协助法官审理案件。此外,我们探讨了法律领域大型语言模型的局限性,包括数据、算法和司法实践。最后,我们总结了实际建议并提出了未来发展方向以解决这些挑战。
Nov, 2023
近期大语言模型(LLM)如 GPT-3 和 GPT-4 在政治学领域的文本分析方面取得了新突破,它们承诺以更好的结果和更少的编程工作来实现自动化。本研究评估 LLM 在三个原始编码任务的非英文政治学文本上的效果,并提供了在政治学研究中使用 LLM 进行文本编码的详细说明。我们的案例研究为希望将 LLM 纳入文本分析研究的研究人员提供了实用指南。我们发现,当提供了详细的标签定义和编码示例时,LLM 可以与甚至优于人工标注员,且速度快得多(高达数百倍),成本更低(比人工编码节省高达 60%),且更易于扩展到大量文本。总体而言,LLM 是大多数文本编码项目的可行选择。
Nov, 2023
该研究通过将人类专业知识与大型语言模型(如 GPT-4)相结合,探索了人与计算机相互配合进行教育政策研究中的文本分析。结果显示,GPT-4 在特定主题上与人类编码的统一性达到 77.89%,在更广泛的主题上达到 96.02%,超过传统自然语言处理方法 25%以上,并且 GPT-4 更接近专家的情感分析。这种人与计算机相互配合的方法提高了教育政策研究的效率、有效性和可解释性。
Dec, 2023
公开可获得的最好的 LLM(如 GPT-4 和 PaLM 2)在律师或律师助理所需的基本文本处理方面表现不佳,我们引入了一个基准来量化这种不良表现,这对于目前的 LLMs 在法律实践中的可靠性提出了疑问。为这些任务进行微调使得一种旧的 LLM 在我们的测试集上接近完美的表现,并提高了与法律相关的任务的表现。这个鲜明的结果凸显了在 LLM 训练中需要更多的领域专业知识。
Nov, 2023
通过使用多级编码器层次框架(MESc)以及大型语言模型和无监督聚类方法,我们研究了在没有结构注释的情况下,从大型法律文件中预测裁决的问题,并测试了这些方法在法律领域的转移学习能力和效果,我们的方法相较于之前的最先进方法取得了至少 2 个性能指标的增益。
Mar, 2024