Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.00097

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2501.00097 (cs)
[提交于 2024年12月30日 ]

标题: CaseSumm:来自美国最高法院意见的长上下文摘要的大规模数据集

标题: CaseSumm: A Large-Scale Dataset for Long-Context Summarization from U.S. Supreme Court Opinions

Authors:Mourad Heddaya, Kyle MacMillan, Anup Malani, Hongyuan Mei, Chenhao Tan
摘要: 本文介绍了 CaseSumm,这是一个针对法律领域长上下文摘要的新数据集,旨在满足对更长、更复杂数据集用于摘要评估的需求。 我们收集了 25,600 篇美国最高法院 (SCOTUS) 意见及其官方摘要,这些摘要被称为“概要”。 我们的数据集是最大的公开可用的法律案件摘要数据集,并且是首个包括追溯到 1815 年的 SCOTUS 决策摘要的数据集。 我们还通过自动指标和专家人工评估全面评估了大型语言模型生成的摘要,揭示了这些评估方法之间的差异。 我们的评估显示,Mistral 7b,一个较小的开源模型,在大多数自动指标上优于更大的模型,并成功生成了类似概要的摘要。 相比之下,人类专家标注员指出 Mistral 摘要包含幻觉。 标注员一致认为 GPT-4 摘要更清晰,并表现出更高的敏感性和特异性。 此外,我们发现基于大型语言模型的评估与传统自动指标相比,并未显示出更高的与人类评估的相关性。 此外,我们的分析确定了生成摘要中的特定幻觉,包括先例引用错误和案件事实的误传。 这些发现展示了当前自动评估方法在法律摘要方面的局限性,并强调了人工评估在评估摘要质量方面的重要作用,特别是在复杂且高风险的领域。 CaseSumm 可在 https://huggingface.co/datasets/ChicagoHAI/CaseSumm 获取。
摘要: This paper introduces CaseSumm, a novel dataset for long-context summarization in the legal domain that addresses the need for longer and more complex datasets for summarization evaluation. We collect 25.6K U.S. Supreme Court (SCOTUS) opinions and their official summaries, known as "syllabuses." Our dataset is the largest open legal case summarization dataset, and is the first to include summaries of SCOTUS decisions dating back to 1815. We also present a comprehensive evaluation of LLM-generated summaries using both automatic metrics and expert human evaluation, revealing discrepancies between these assessment methods. Our evaluation shows Mistral 7b, a smaller open-source model, outperforms larger models on most automatic metrics and successfully generates syllabus-like summaries. In contrast, human expert annotators indicate that Mistral summaries contain hallucinations. The annotators consistently rank GPT-4 summaries as clearer and exhibiting greater sensitivity and specificity. Further, we find that LLM-based evaluations are not more correlated with human evaluations than traditional automatic metrics. Furthermore, our analysis identifies specific hallucinations in generated summaries, including precedent citation errors and misrepresentations of case facts. These findings demonstrate the limitations of current automatic evaluation methods for legal summarization and highlight the critical role of human evaluation in assessing summary quality, particularly in complex, high-stakes domains. CaseSumm is available at https://huggingface.co/datasets/ChicagoHAI/CaseSumm
主题: 计算与语言 (cs.CL) ; 人工智能 (cs.AI); 计算机与社会 (cs.CY); 机器学习 (cs.LG)
引用方式: arXiv:2501.00097 [cs.CL]
  (或者 arXiv:2501.00097v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.00097
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Mourad Heddaya [查看电子邮件]
[v1] 星期一, 2024 年 12 月 30 日 19:00:01 UTC (1,039 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CY
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.AI
cs.CL
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号