Enhancing Legal Argument Mining with Domain Pre-training and Neural Networks
University College Dublin（都柏林大学学院）；Birkbeck, University of London（伦敦大学伯贝克学院）
上下文词嵌入模型BERT已经证明了其在有限数量的注释数据的下游任务上的能力。BERT及其变体有助于减轻许多跨学科研究领域中复杂注释工作的负担，例如，数字人文学科中的法律论证挖掘。论证挖掘旨在开发能够自动检索论证并识别论证子句之间关系的文本分析工具。由于论证是判例法的一个关键方面，法律文本的论证挖掘工具适用于学术和非学术法律研究。特定领域的BERT变体（使用来自特定背景的语料库进行预训练）在许多任务中也取得了很好的性能。据我们所知，以前的机器学习研究的论点挖掘的司法判例法仍然严重依赖于统计模型。在本文中，我们提供了一个广泛的研究经典和上下文嵌入模型和他们的实际案例法从欧洲人权法院（ECHR）的表现。在我们的研究中，我们还探索了一些神经网络与不同嵌入相结合的情况。我们的实验提供了一个全面的概述各种方法的法律论据挖掘任务。我们的结论是，域预训练的Transformer模型在这一领域具有很大的潜力，虽然传统的嵌入也可以实现强大的性能时，与额外的神经网络层相结合。
2022-04-06 cs.CL
BriefMe: A Legal NLP Benchmark for Assisting with Legal Briefs
NYU School of Law（纽约大学法学院）；University of Utah（犹他大学）；Columbia University（哥伦比亚大学）
本文提出BRIEFME，一个面向法律文书撰写的NLP基准，包含论点摘要、补全和案例检索三项任务，发现现有LLM在摘要和引导补全上表现优异，但在现实补全和案例检索上欠佳。
2025-06-19 cs.CL
AutoLAW: Augmented Legal Reasoning through Legal Precedent Prediction
MIT Media Lab（麻省理工学院媒体实验室）；Harvard Law School（哈佛法学院）
本文展示了如何使用NLP来解决法律界未满足的需求，并增加诉诸司法的机会。本文介绍了法律先例预测（LPP），预测相关段落的任务，从先例法院判决给定的法律论点的背景。为此，本文展示了一个BERT模型，该模型基于美国联邦法官提出的53万个法律论据的例子进行训练，以预测给定法律论据背景下的判例法院判决中的相关段落。在96%看不见的测试示例中，正确的目标段落是前10个预测段落之一。给定复杂且不可见的法律简报的简短摘要，同一模型能够预测相关先例，预测该简报的合著者、前美国副检察长和现任美国最高法院法官埃琳娜·卡根实际引用的先例。
2021-06-30 cs.CL
Improving Argument Saliency Coverage in Small LLMs for Long Legal Opinion Summarization via Sequence-Level Distillation
University of Pittsburgh（匹兹堡大学）；University of the Basque Country (UPV/EHU)（巴斯克大学（UPV/EHU））
该研究针对小型LLMs在长法律意见摘要中难以保留关键论点的问题，提出从高性能长上下文教师模型进行序列级蒸馏的方法，其数据效率高且效果优于专家摘要微调，为该任务提供了高效解决方案。
2026-09-01 cs.CL
Measuring Faithfulness and Abstention: An Automated Pipeline for Evaluating LLM-Generated 3-ply Case-Based Legal Arguments
Intelligent Systems Program, University of Pittsburgh（匹兹堡大学智能系统项目）；School of Computer Science, Carnegie Mellon University（卡内基梅隆大学计算机科学学院）
本文提出一种自动化流水线，通过外部LLM提取因子并与案件三元组比对，评估LLM生成三层法律论证时的忠实性、因子利用和弃权（不执行）能力，发现现有模型虽幻觉率低但因子利用不足且弃权表现差。
2025-06-03 cs.AI cs.CL cs.LG
eagerlearners at SemEval2024 Task 5: The Legal Argument Reasoning Task in Civil Procedure
Iran University of Science and Technology（伊朗科学技术大学）
本研究针对美国民事诉讼法律论证推理任务，对比大语言模型零样本方法与大输入、法律预训练模型的表现，在相关法律数据集上取得64%的最高F1分数，验证了零样本方法处理法律复杂数据的能力。
2024-06-24 cs.CL
Shift-of-Perspective Identification Within Legal Cases
University of Moratuwa（莫拉图瓦大学）
通过与以前的法庭案件有关的文件获得的论点，反驳，事实和证据是法律专业人员的基本需要。因此，从包含与法庭案件相关的法律意见的文档中自动信息抽取的过程可以被认为是非常重要的。本研究的重点是识别法律意见书文本中对某一主题或实体表达不同观点的句子。我们结合了几种基于语义分析，开放式信息抽取，和情感分析的方法来实现我们的目标。然后，我们的方法在人类法官的帮助下进行了评估。评估的结果表明，我们的系统是成功的，在检测的情况下，两个句子提供不同的意见，对同一主题或实体。所提出的方法可用于促进与法律领域有关的其他信息抽取任务。一个这样的任务是自动检测给定参数的反参数。另一个是在法庭案件中识别对方当事人。
2019-08-17 cs.CL
LAMUS: A Large-Scale Corpus for Legal Argument Mining from U.S. Caselaw using LLMs
University of North Texas（北卡罗来纳大学达顿分校）
LAMUS利用LLMs构建大规模美国判例法法律论证语料库，通过数据驱动方法提升法律NLP研究的可扩展性和实证支持。
2026-07-30 cs.CL
No Argument Left Behind: Overlapping Chunks for Faster Processing of Arbitrarily Long Legal Texts
Escola Politécnica, Universidade de São Paulo (USP)（圣保罗大学工程学院（USP））；Télécom Paris, Institut Polytechnique de Paris（巴黎综合理工学院电信学院）
针对巴西司法系统案件处理缓慢的危机，提出混合模型uBERT，结合Transformer与RNN架构，通过重叠分块处理任意长度法律文本，性能优于BERT+LSTM且速度显著快于ULMFiT。
2024-12-15 cs.AI cs.CL cs.CY
LAR-ECHR: A New Legal Argument Reasoning Task and Dataset for Cases of the European Court of Human Rights
Athens University of Economics and Business（雅典经济与商业大学）；Athena Research Center（雅典娜研究中心）；Institute for Language and Speech Processing（语言与语音处理研究所）
本文提出法律论证推理任务LAR及基于欧洲人权法院案件的LAR-ECHR数据集，通过评估七个LLM发现其排名与LegalBench一致且区分度更高，最佳模型GPT-4o准确率仅75.8%，仍有较大提升空间。
2024-10-17 cs.AI cs.CL
Toward an Intelligent Tutoring System for Argument Mining in Legal Texts
Université de Montréal（蒙特利尔大学）；Carnegie Mellon University（卡内基梅隆大学）；Hofstra University（霍夫斯特拉大学）；University of Pittsburgh（匹兹堡大学）
我们提出了一个自适应环境（CABINET），以支持判例法分析（确定关键参数元素）的基础上，仔细匹配各种机器学习（ML）的能力，以熟练的用户的一种新的认知计算框架。CABINET支持法律学生的学习以及专业人士的工作。我们的实验结果集中在所提出的框架的可行性是有前途的。我们表明，该系统能够以非常低的误报率（2.0-3.5%）识别分析中的潜在错误，以及预测关键参数元素类型（例如，问题或持有），具有合理的高F1分数（0.74）。
2022-10-24 cs.AI cs.CL cs.LG
Mining Legal Arguments in U.S. Corporate Case Law
Johns Hopkins University（约翰斯·霍普金斯大学）；University of Maryland School of Law（马里兰大学法学院）
本工作构建了首个专家标注的树状法律论证语料库（42篇美国联邦税务意见），提出五类功能标签及支持树结构，实验表明功能标签可学习且监督微调提升案件内检索，但跨案件泛化仍弱。
2026-09-23 cs.CL
STRONG -- Structure Controllable Legal Opinion Summary Generation
University of Pittsburgh（匹兹堡大学）
针对长篇法律意见摘要，本文提出利用预测论证角色引导模型遵循指定结构生成摘要的方法，并在法律意见数据集上于ROUGE、BERTScore和结构相似度上超越多个强基线。
2023-09-29 cs.AI cs.CL
Mining Legal Arguments to Study Judicial Formalism
Center for Critical Computational Studies（批判性计算研究所以）；Goethe University Frankfurt（法兰克福歌德大学）；Department for Legal Theory and Legal Doctrines, Faculty of Law（法学院法律理论与法律学说系）；Charles University（查尔斯大学）；Technical University of Darmstadt（达姆施塔特技术大学）；Research Center Trustworthy Data Science and Security of the University Alliance Ruhr & Ruhr University Bochum（鲁尔大学博德姆大学可信数据科学与安全研究所以）
本文通过自动化方法分析捷克最高法院判决中的法律论证，建立MADON数据集，验证了东欧司法形式主义的主张，提升了司法决策分类的准确性和可解释性。
2026-03-21 cs.CL cs.CY
Team UTSA-NLP at SemEval 2024 Task 5: Prompt Ensembling for Argument Reasoning in Civil Procedures with GPT4
The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
本文提出基于GPT4的提示集成方法，结合思维链推理与上下文学习，用于民事诉讼法律论证推理，在SemEval 2024任务5中取得验证集Macro F1 0.8095、测试集0.7315（21队第5）的成绩。
2024-04-02 cs.CL
ALARB: An Arabic Legal Argument Reasoning Benchmark
King Abdullah University of Science and Technology（卡塔尔国王阿卜杜勒阿齐兹科学与技术大学）；THIQAH
本研究推出阿拉伯语法律推理基准ALARB，含1.3万余起沙特商业案件及多类推理任务，测试多款阿拉伯语LLM，且用其微调12B模型可达到与GPT-4o相当的法律推理性能。
2025-10-01 cs.AI cs.CL cs.IR
Japanese Tort-case Dataset for Rationale-supported Legal Judgment Prediction
Tokyo Institute of Technology（东京技术大学）；Nakamura, Tsunoda & Matsumoto；Hitotsubashi University（立命馆大学）
本文提出了首个日本 tort 案件数据集，用于基于理由的法律判断预测，包含 tort 预测和理由提取两个任务，并通过实验验证了其可行性。
2024-06-13 cs.AI cs.CL
Pardon the Interruption: An Analysis of Gender and Turn-Taking in U.S. Supreme Court Oral Arguments
Educational Testing Service（教育考试服务中心）；University of Washington（华盛顿大学）
本研究提出了一个语料库的话轮之间的变化，在美国最高法院口头辩论。每一个回合的变化都被一个在美国有法律经验的人类注释者贴上了“合作”到“竞争”的标签。我们分析了言语特征、交流的性质以及说话者的性别和法律角色之间的关系。最后，我们证明了该模型可以用来预测标签的交流与适度的成功。自动分类的性质的交流表明，未来的研究话轮转换在口头辩论可以依靠更大的，未标记的语料库。
2020-09-15 cs.CL cs.SD eess.AS
Does the Competitive Component of Adversarial Self-Play Improve Legal Reasoning? A Controlled Negative Result
该研究通过四项测试及一项试点发现，对抗自我博弈的竞争成分未为法律推理模型带来可靠增益，其价值在于揭示相关陷阱并验证多教师课程的核心价值源于可验证环境而非竞争。
2026-08-04 cs.AI cs.CL cs.LG
AI-Assisted Moot Courts: Simulating Justice-Specific Questioning in Oral Arguments
Princeton University（普林斯顿大学）；Stanford University（斯坦福大学）
本文研究AI能否有效模拟特定司法机关的提问以辅助模拟法庭训练，提出双层评估框架，发现模拟问题被人类标注者认为真实且能识别法律问题，但存在提问类型单一和奉承等问题。
2026-03-05 cs.AI cs.CL
Magis-Bench: Evaluating LLMs on Magistrate-Level Legal Tasks
Maritaca AI；Jusbrasil；Campinas São Paulo Brazil（巴西坎皮纳斯圣保罗）
Magis-Bench评估大语言模型在法官级别法律任务上的能力，包含74道来自巴西司法职位竞争考试的问题，采用LLM-as-a-judge方法评估23种先进模型，结果显示法官级法律推理和写作仍具挑战性。
2026-05-08 cs.AI cs.CL
Natural Language Processing for the Legal Domain: A Survey of Tasks, Datasets, Models, and Challenges
The University of Queensland（昆士兰大学）
本文综述了法律领域NLP的任务、数据集、模型及挑战，探讨了法律文本处理的独特性与现存问题，并提出了十六项开放研究挑战。
2025-07-30 cs.AI cs.CL
Figurative Justice: Detecting metaphors in Hindi judgements with qualitative assessment and transformers
DigiTS, University of Tartu（塔尔图大学 DigiTS）；The West Bengal National University of Juridical Sciences (NUJS)（西孟加拉邦国家司法科学大学）；School of Languages and Linguistics, Jadavpur University（贾达普大学语言与语言学学院）
本研究针对低资源语言印度语，构建了HiLeMe语料库并采用mBERT及Transformer架构，实现了印度语司法判决中的隐喻检测，为低资源语言法律论述的自动化模型发展提供了支撑。
2026-08-25 cs.CL
When Large Language Models Meet Law: Dual-Lens Taxonomy, Technical Advances, and Ethical Governance
School of Law, China University of Political Science and Law（中国政法大学法学院）；Zhejiang University of Finance and Economics Dongfang College（浙江财经大学东洋学院）；School of Information Management for Law, China University of Political Science and Law（中国政法大学信息管理法学院）；Department of Artificial Intelligence, Chung-Ang University（成均馆大学人工智能系）；Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University（香港理工大学数据科学与人工智能系）
本文综述了LLMs在法律领域的应用，提出整合法律推理与专业本体的双透镜分类法，系统梳理了技术进展、核心挑战及伦理治理，为法律AI的未来发展奠定基础。
2025-07-10 cs.AI cs.CL
MARRO: Multi-headed Attention for Rhetorical Role Labeling in Legal Documents
University of Utah（犹他大学）；Bosch Research（博世研究院）；Indian Institute of Technology Kharagpur（印度克勒格布尔理工学院）；Indian Institute of Science Education and Research Kolkata（印度加尔各答科学教育与研究学院）
针对法律文书长、术语专、标注少导致的修辞角色识别难题，本文提出基于多任务学习和多头注意力的 MARRO 模型，并以标签偏移为辅助任务，在印度与英国最高法院数据集上达到最优性能。
2025-03-08 cs.AI cs.CL
ECtHR-PCR: A Dataset for Precedent Understanding and Prior Case Retrieval in the European Court of Human Rights
School of Computation, Information, and Technology（计算、信息与技术学院）；Technical University of Munich（慕尼黑工业大学）
本文提出基于欧洲人权法院判决的PCR数据集ECtHR-PCR，分离事实与论证以支持先例检索的全面理解，并基准测试多种检索方法，揭示难度负采样无效及模型时间退化问题。
2024-03-31 cs.CL cs.IR
Rethinking Legal Judgement Prediction in a Realistic Scenario in the Era of Large Language Models
Indian Institute of Technology Kanpur (IIT-K)（印度理工学院坎普尔分校）；Indian Institute of Technology Kharagpur (IIT-Kgp)（印度理工学院卡拉格普尔分校）
本研究在印度判决背景下，利用Transformer模型和LLM在现实场景中预测法律判决，发现GPT-3.5 Turbo表现稳健且结合法规与判例可显著提升效果，但LLM尚未达到专家级水平。
2024-10-14 cs.AI cs.CL cs.IR
LLM-based Embedders for Prior Case Retrieval
School of Computing and Communications, Lancaster University, UK（计算与通讯学院，兰卡斯特大学）
针对法律文本冗长与训练数据不足导致深度学习 PCR 效果受限的问题，本文以无监督方式评估基于 LLM 的长文本嵌入模型，并在四个基准上证明其优于 BM25 和有监督 transformer 模型。
2025-07-24 cs.CL cs.IR
