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:2501.01743v2

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2501.01743v2 (cs)
[提交于 2025年1月3日 (v1) ,修订后的 2025年2月16日 (此版本, v2) , 最新版本 2025年5月31日 (v3) ]

标题: 使用大语言模型自动进行法律概念解释:检索、生成和评估

标题: Automating Legal Concept Interpretation with LLMs: Retrieval, Generation, and Evaluation

Authors:Kangcheng Luo, Quzhe Huang, Cong Jiang, Yansong Feng
摘要: 法律条文通常包含模糊概念,以适应不断变化的社会。 对这些概念进行详细解释,即使是法律从业者也是一项关键且具有挑战性的任务。 这需要法律专家进行细致专业的注释和总结,而大规模收集这些内容显然耗时且昂贵。 通过模仿法律专家的学说方法,我们引入了一个新的框架ATRIE,利用大语言模型(LLMs)自动检索相关概念信息, 解释法律概念,并评估生成的解释,从而消除对法律专家的依赖。 ATRIE包括一个法律概念解释器和一个法律概念解释评估器。 解释器使用LLMs从司法判例中检索相关信息并解释法律概念。 评估器使用我们在法律概念蕴含上的性能变化作为解释质量的代理指标。 自动化的多方面人工评估表明,我们解释的质量与法律专家撰写的解释相当,且在全面性和可读性方面更具优势。 尽管在准确性上仍存在微小差距,但它已经能够帮助法律从业者提高概念解释的效率。
摘要: Legal articles often include vague concepts for adapting to the ever-changing society. Providing detailed interpretations of these concepts is a critical and challenging task even for legal practitioners. It requires meticulous and professional annotations and summarizations by legal experts, which are admittedly time-consuming and expensive to collect at scale. By emulating legal experts' doctrinal method, we introduce a novel framework, ATRIE, using large language models (LLMs) to AuTomatically Retrieve concept-related information, Interpret legal concepts, and Evaluate generated interpretations, eliminating dependence on legal experts. ATRIE comprises a legal concept interpreter and a legal concept interpretation evaluator. The interpreter uses LLMs to retrieve relevant information from judicial precedents and interpret legal concepts. The evaluator uses performance changes on legal concept entailment, a downstream task we propose, as a proxy of interpretation quality. Automatic and multifaceted human evaluations indicate that the quality of our interpretations is comparable to those written by legal experts, with superior comprehensiveness and readability. Although there remains a slight gap in accuracy, it can already assist legal practitioners in improving the efficiency of concept interpretation.
主题: 计算与语言 (cs.CL) ; 人工智能 (cs.AI)
引用方式: arXiv:2501.01743 [cs.CL]
  (或者 arXiv:2501.01743v2 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.01743
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Kangcheng Luo [查看电子邮件]
[v1] 星期五, 2025 年 1 月 3 日 10:11:38 UTC (558 KB)
[v2] 星期日, 2025 年 2 月 16 日 09:15:08 UTC (569 KB)
[v3] 星期六, 2025 年 5 月 31 日 13:48:07 UTC (574 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)
  • 其他格式
查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.AI

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