本文使用自然语言处理技术，比较了基于关键词和逻辑运算符的传统方法与基于 Claude 2 大型语言模型的创新方法，在英国法院裁决案例的大语料库中提取总结性判决案例。结果表明，大语言模型的加权 F1 得分为 0.94，而关键词法的得分仅为 0.78，说明大语言模型在捕捉法律语言中的细微差别方面更加有效。本文展示了先进自然语言处理技术在核心法律研究任务中的应用，并且阐明了这些技术如何填补系统性差距并提升法律信息的可获取性。同时，我们分享了提取的数据集度量，以支持进一步的总结性判决研究。

Mar, 2024

使用主题建模算法（如 Latent Dirichlet Allocation、非负矩阵分解和 Bertopic）对来自印度和英国的大量法律文件进行了案例注释，并对印度案例的时间线进行了分析，以识别不同司法管辖区中主要主题的演变。

May, 2024

通过研究法律数据集和大型语言模型产生的案件判决摘要中存在的偏见，分析其对法律决策的影响，揭示大型语言模型和预训练的摘要模型生成结果中存在的有趣偏见，并探讨这些偏见背后的原因。

Dec, 2023

为了解决多个司法管辖区缺乏数据集的问题，我们提出了 CLSum，这是用于总结多司法管辖区普通法法院判决文件的第一个数据集。此外，本文还首次采用基于大型语言模型（LLM）的数据增强、摘要生成和评估方法来进行法院判决摘要研究，实验证明 LLM 方法在少样本和零样本设置下能够表现良好，同时本文还进行了全面的对比实验，找到能够提高摘要性能的关键模型组成部分和设置。

Mar, 2024

本文研究比较了各种机器学习方法，用于将判决分为不同的法律领域，结果表明包括主题模型、词向量和语言模型分类器在内的所有方法都表现良好，但还需要进一步优化这些先进的方法以适应法律领域。

Apr, 2019

利用大型语言模型进行相关判决的准确性研究，提出了一种适用于法律案例相关判决的新型工作流程，并通过与人工专家判断的比较，证明了该工作流程可以获得可靠的相关判决，并通过大型语言模型生成的数据综合增强现有的法律案例检索模型的能力。

Mar, 2024

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

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

本文研究了如何将文本分类方法应用于法国最高法院判决案件的法律领域和判决预测，并调查了判决描述的文本形式在时间段上对判决的影响以及模拟真实世界测试情景需要遮盖法官动机的程度。我们使用基于词汇特征训练的线性支持向量机分类器报告了 96％的案件判决预测 f1 得分，90％的法律领域预测 f1 得分和 75.9％的发布判决时间跨度估计 f1 得分。

Aug, 2017

通过自动化流程从法律决策文本中发现相关主题，方法包括使用主题模型生成特征，并通过惩罚回归和后选择显著性检验进行评估；实验证明该方法在域名争议和欧洲人权法院侵权案例数据集上识别出与结果显著相关的案例主题、可以手动解释的主题 - 词分布以及可以用于找出每个主题的代表性案例的案例 - 主题权重；该方法产生的主题与两个领域的法律原则一致，可在其他相关法律分析任务中发挥作用。

Jan, 2024