本文提出一种基于理论智能和自适应强化学习算法的合作式多智能体情境下的通讯协议，使得智能体可以在没有显式设计规则的情况下自发地学习 “读懂人心”，实现了语用学的概念在多智能体通讯系统中的有效应用。

Jan, 2020

提倡使用 LLMs 来增强基于规则的法律系统的可访问性、使用性和可解释性，为法律技术的民主和利益相关者导向视角做出贡献。发展了一种方法来探索 LLMs 在将规则系统生成的解释从高级编程语言翻译成自然语言上的潜在应用，使所有用户能够快速、清晰和便捷地与这些技术进行交互。研究还进一步建立在这些解释之上，通过使用一系列提示链来赋予非专业人士在自己身上执行复杂的法律任务的能力，用于对相同事实案例应用基于规则的不同推理的自主法律比较。

Nov, 2023

人们通过上下文来丰富文字表达，实现简洁而有效的沟通，为了让人工智能系统能够与人类进行自然交互，需要强调语用学技能，从分享语言目标和约定到视觉和肢体世界中的语境等，利用各种上下文信息有效地运用语言。本文调查现有的语境实现和语用模型方法，并分析了每个工作中的任务目标、环境语境和沟通便利之间的关系，从而丰富了语言含义。我们提出了关于未来基于任务设计的语境需求，以自然地引出语用现象的建议，并建议在更广泛的沟通语境和便利方面继续探索。

Nov, 2022

AI 系统的实施需要遵守 SLEEC 规则，该研究通过语言分析和逻辑编程框架的应用提供了一个可行的策略。

Dec, 2023

该论文探讨了针对网络安全法律文件的词性标注方法，使用 SpaCy 和 ClausIE 等工具对欧盟法律文书进行分析并得出结论，提出了一种自动化方法，并得出了第一个针对 NIS 2 指令的结构化解释。

Jun, 2023

这篇论文旨在将数学逻辑的基础知识传达给与人工智能合作的法律界。我们将重点放在基于规则的人工智能上，而忽略神经网络和机器学习。数学逻辑与法律基于规则的人工智能实践相互作用，并对人工智能应用带来了限制和复杂性。我们将这些限制和数学逻辑与法律人工智能的相互作用分类为三类：逻辑、计算和数学。交互作用的示例主要来自欧洲的交通法规。论文最后对如何使用和人工智能的基本机制对塑造社会的反思进行了总结。

Feb, 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

通过使用大型语言模型（LLM）、专家法律系统（即法律决策路径）和贝叶斯网络的方法，本文概述了一种应用于自主汽车方面的方法的原理证明，该方法旨在通过对 AI 代理控制设备的代理软件中编码现有规则，实现人工智能代理理解法律并与之推理的能力。

Mar, 2024

通过将法律知识和推理嵌入 AI 中并利用法律过程生成的数据来解决人类价值的规范问题，从而增加人工智能与人的对齐并提高其在本地上的实用性。

Sep, 2022

本文通过在英语材料的专家评估集上进行零 - shot 提示，进行了人类和语言模型在七个语用现象上的精细比较，发现最大的模型可以实现高精度和匹配人类错误模式，同时发现证据表明模型和人类对相似的语言提示敏感，旨在探讨人类语用处理机制和语言模型之间的关系。

Dec, 2022