Mar, 2024

往往可解释的法律结果预测模型

PDF
TL;DR本文提出了一种新颖的方法来识别法律结果预测模型使用的先例，并开发了法律先例的分类法，从而能够比较人类法官和我们的模型在依赖的不同类型的先例方面的差异。我们发现，虽然这些模型在预测结果方面表现良好，但它们对先例的使用与人类法官不同。
legal outcome prediction modelsreasoningcommon lawprecedentlegal nlp models
发现论文，激发创造
  • 论法律结果预测中负面判例的作用

    本文介绍了一项新任务 —— 负面结果预测，并提出了两种基于法庭流程动态的模型来解决现有模型在此任务上的性能差距，使得负面结果预测表现得以提高。

    Aug, 2022

  • PILOT：案例法律结果预测

    我们提出了一种名为 PILOT（PredictIng Legal case OuTcome）的新模型，用于案例结果预测。该模型由相关案例检索和时间模式处理两个模块组成，通过对大规模案例数据库进行实验，我们展示了准确识别先例案例和缓解时间转移对案例法预测的重要性，并显示出显著改进，超过之前专注于民事案件结果预测的方法。

    Jan, 2024

  • 利用 LLM 与领域模型合作增强的法律判决预测

    利用先例加强的 LJP 框架（PLJP）结合了大型语言模型和领域模型的优势，能够有效地预测案件的判决结果，并展示了 LLM 和领域模型协作的有希望的方向。

    Oct, 2023

  • 运用注意力机制预测司法结果

    利用 NLP、AI 和法律领域的结合，本研究利用 AI 分类器来预测巴西法律系统中二级谋杀案和主动贪污案的司法结果，并发现分层注意网络是最好的算法之一，可用于找出用于证明被告无罪或有罪的最重要单词。

    Jul, 2022

  • 基于原型的法律引用预测可解释性

    本文在考虑高风险决策领域如何利用深度学习解决实际问题的情况下，设计了一个法律引用预测任务，利用先例和立法规定为参考，引入用户反馈并且添加可解释性，最终达到了律师使用的决策参数，并建立在最先进的法律语言处理模型和实际社会影响的关键考虑上。

    May, 2023

  • 英文下的神经网络法律判决预测

    本文发布了一个新的英文司法判决预测数据集，通过使用各种神经模型对该数据集进行评估，建立了强大的基准线，并探索了模型是否会受到人口统计信息的偏见影响。作为一个附带产品，我们提出了 BERT 的分层版本，绕过 BERT 的长度限制。

    Jun, 2019

  • 基于树估计器的依区域法类别对西班牙法律裁决的自动解释

    结合自然语言处理和机器学习的可解释法律文本分类系统，对决策的特征和决策路径进行分析并以自然语言形式呈现，实现模型决策的可理解性。该系统在法律类别上的实验结果表明，其分类性能具有竞争力，准确度值超过 90%，并且自动解释能够被非专业用户轻松理解。

    Mar, 2024

  • 预测赡养费案件的法院裁决：避免非法律因素，关注法官决策和可理解的 AI 模型

    通过使用大量的法庭离婚案例并观察允许分配抚养费的变量，本研究通过结合分类和随机森林回归模型，提供了一个可解释的人工智能模型，旨在作为现有决策工具的补充，以更好地理解法官所做的决策机制。

    Jul, 2020

  • 重新想象的法律判断：PredEx 与智能人工智能在印度法院的崛起

    在大型语言模型（LLMs）时代，提供了一个在印度背景下针对法律判决进行预测和解释的最大专家标注数据集（PredEx），该数据集具有超过 15,000 个注释。通过使用调整指令来提高 LLMs 的预测准确性和解释深度，我们表明这一方法显著提升了此类模型在法律判决上的预测准确性和解释深度，并且我们的模型通过严格的词法、语义和专家评估，有效地利用 PredEx 来提供精确的预测和有意义的解释，将其确定为法律专业和自然语言处理社区的有价值的基准。

    Jun, 2024

  • 对抗性鲁棒神经法律判断系统

    提出了一种增强早期现有法律判决预测系统鲁棒性的方法，并在三个法律数据集上进行了广泛实验，结果显示我们的方法在处理对抗性攻击方面明显优于最先进的法律判决预测系统。据我们所知，我们是第一个提高早期现有法律判决预测系统鲁棒性的研究。

    Jul, 2023