Mina: A Multilingual LLM-Powered Legal Assistant Agent for Bangladesh for Empowering Access to Justice
Mina通过多语言嵌入和基于RAG的工具链框架,为孟加拉国提供多语言法律助理服务,实现法律文书、引文和通俗解释的生成,经评估在法律考试中表现优异,成本显著降低。
2026-04-09 cs.CL cs.CY cs.HC
Introducing the A2AJ's Canadian Legal Data: An open-source alternative to CanLII for the era of computational law
Lincoln Alexander School of Law, Toronto Metropolitan University(多伦多都会大学林肯·亚历山大法学院);Osgoode Hall Law School, York University(约克大学奥斯古德霍尔法学院)
本文指出CanLII限制数据访问阻碍了法律计算发展,为此介绍了A2AJ的Canadian Legal Data项目,通过API等渠道开放超11.6万份判决与5千部法规,以促进法律数据民主化与AI工具开发。
2025-09-16 cs.AI cs.CY
Computer Assisted Access to Justice via Formal Jurisprudence Modeling
本文讨论了一个基于互联网的系统,使人们能够自我评估他们在特定情况下的法律权利,以及这种系统的开发方法。评估过程以相关判例的正式模式为基础,通过访谈向用户展示。该模型由一个多维空间和一个决策图组成,该多维空间的维度代表正交的法理学方面,该决策图引导用户通过该空间。自我评估系统可以彻底改变法律援助组织帮助客户的方式,因为它们允许这些组织在互联网规模上提供个性化的帮助。通过实施一个工人在就业结束时的权利模式,验证了所提出的方法。这一模式描述了以色列的法律,是与一个工人权利非政府组织合作开发的,外部专家认为它足够准确,可以在实际案件中使用。
2019-11-05 cs.CY
How Can AI Augment Access to Justice? Public Defenders' Perspectives on AI Adoption
Princeton University(普林斯顿大学)
本文通过访谈17名美国公共辩护人,探讨人工智能在公共辩护工作中的应用潜力与伦理限制,提出五项核心任务框架,并强调需通过开放科学和领域数据集促进公平正义。
2026-07-27 cs.CY
AI and Legal Argumentation: Aligning the Autonomous Levels of AI Legal Reasoning
Techbruim;CodeX: Stanford Center for Legal Informatics(CodeX:斯坦福法律信息学中心)
法律论证是司法的重要基石,是对抗性法律形式的基础,广泛的研究试图通过使用基于计算机的自动化(包括人工智能)来增强或进行法律论证。人工智能在自然语言处理(NLP)和机器学习(ML)方面的进步,特别是进一步提高了利用人工智能帮助法律专业人士的能力,其方式在这里被建模为关怀,即制作,评估,精炼和参与法律论证。除了人工智能支持的法律论证有助于增强以人为本的律师工作之外,这个多学科领域的一个理想目标还包括最终实现自主实现与人类等效的法律论证。因此,提出了一种创新的元方法,将人工智能法律推理(AILR)的自治水平(LoA)应用于人工智能和法律论证(AILA)的成熟,为衡量这个不断发展和严格追求的领域的进展提供了一种新的方法。
2020-09-11 cs.AI cs.CY
From Punishment to Protection: Charting Six Decades of U.S. Juvenile Justice Through Topic Modeling and LLM-Assisted Analysis
Sidwell Friends School(Sidwell Friends 学校);Harvard University(哈佛大学)
本文通过主题建模和LLM辅助分析60470份美国上诉意见(1970-2025),发现儿童福利案件激增、性犯罪登记案件翻倍,而传统惩罚机制(移交成人法庭、少年死刑)大幅下降,并揭示了法律词汇的十年演变和司法管辖区碎片化风险。
2026-06-23 cs.CY
Responsible AI in criminal justice: LLMs in policing and risks to case progression
University of Glasgow(格拉斯哥大学);University of Northumbria(诺森比亚大学);University of Newcastle(纽卡斯尔大学)
本文探讨了大语言模型在警务中的应用及其对案件进展的风险,识别了15项可能的应用任务和17项潜在风险,并通过40多个案例展示其影响。
2026-03-18 cs.CY
Surviving the Narrative Collapse: Sustainability and Justice in Computing Within Limits
本文针对计算领域可持续性研究在当前社会政治语境中面临的质疑,提出创意故事重述方法 Fictomorphosis,通过结构化叙事转换探讨该研究在后真相世界中的感知、争议与适应路径。
2025-08-12 cs.CY
Uniting Machine Intelligence, Brain and Behavioural Sciences to Assist Criminal Justice
我在这里讨论三个重要的角色,其中机器智能,大脑和行为研究一起可以促进刑法。首先,使用大脑和行为数据的预测建模可以通过预测与脑损伤和精神疾病相关的利益的分类,连续和纵向法律结果来支持法律调查。其次,由机器学习算法支持的心理学、精神病学和行为学研究可能有助于预测人类的行为和行动,如谎言、偏见和犯罪现场访问。第三,机器学习模型已被用于使用临床和犯罪数据预测累犯,而大脑解码则开始根据大脑成像数据揭示一个人的想法和意图。免除成就和承诺,我检查有关的准确性,可靠性和可重复性的大脑和行为为基础的评估在刑法,以及有关数据占有,道德,自由意志(和自动),隐私和安全的问题。此外,我将讨论与可预测性与可解释性、人口水平预测与个性化预测以及预测未来行动相关的问题,并概述大脑和行为数据可用作法庭证据的三种可能情况。综合来看,大脑和行为解码在当前法律探索和决策中的应用前景广阔,但还处于初级阶段。衍生的证据是有限的,不应用于产生明确的结论,虽然它可以被用来补充或平行,现有的证据。最后,我建议需要有(更精确的)定义和规定,关于大脑和行为数据何时以及何时可以在法律案件中以预测的方式使用。
2022-09-25 cs.CY stat.AP stat.ME
E2MoCase: A Dataset for Emotional, Event and Moral Observations in News Articles on High-impact Legal Cases
University of Calabria(卡拉布里亚大学);University of Lausanne(洛桑大学)
针对媒体法律案件报道存在偏见、需整体分析其情感、道德与事件的问题,本研究推出新型数据集E2MoCase,借助先进的多任务模型,为相关报道的多维度分析提供支撑。
2024-09-13 cs.AI cs.CL cs.CY
Legal Judgment Prediction (LJP) Amid the Advent of Autonomous AI Legal Reasoning
Techbruim(泰克布鲁姆);CodeX: Stanford Center for Legal Informatics(CodeX:斯坦福法律信息学中心)
法律判断预测是法学理论和实务中一个长期存在的开放性课题。预测司法事务的性质和结果是法律行业和整个社会所充分保证、热切寻求和大力追求的。产生司法负载预测的脆弱行为在实用性和准确性方面受到限制,需要进一步发展。随着时间的推移,各种预测法律案件和司法行动的方法和技术已经出现,特别是随着基于计算机的建模的出现而出现。已经尝试了各种各样的方法,包括简单的计算方法,高度复杂和复杂的统计模型。基于人工智能(AI)的方法也越来越多地被利用。在本文中,我们回顾了有关法律判断预测的文献,并创新性地提出人工智能法律推理(AILR)的出现将对LJP的执行方式及其预测准确性产生显著影响。法律判断预测特别使用人工智能法律推理的自治水平(LoA)进行检查,此外,还探讨了其他考虑因素,包括LJP概率趋势,偏见处理,演员预测,透明度,司法依赖,法律案件结果以及其他涉及总体法律司法环境的关键要素。
2020-09-29 cs.AI cs.CY
"Make It Sound Like a Lawyer Wrote It": Scenarios of Potential Impacts of Generative AI for Legal Conflict Resolution
University of Amsterdam(阿姆斯特丹大学);University of Hohenheim(霍恩海姆大学);Northwestern University(西北大学)
本文通过场景写作方法,探讨生成式AI在法律冲突解决中的潜在影响,分析不同专业背景和区域监管下的风险与收益,为法律部门的数字化转型提供指导。
2026-02-27 cs.CY
Why Avoid Generative Legal AI Systems? Hallucination, Overreliance, and their Impact on Explainability
University of Szeged, Faculty of Law and Political Sciences(塞格德大学法律与政治科学学院);International and Regional Studies Institute(国际与区域研究所)
本文论证生成式AI在法律领域的部署因幻觉和过度依赖风险需严格限制,分析其如何削弱可解释性并挑战司法独立。
2026-03-16 cs.CY cs.HC
Before the Arrest: Benchmarking LLMs on Criminal Profiling from Incomplete Evidence
University of Macau(澳门大学)
针对逮捕前从证据不完整推断嫌疑人特征的挑战,提出PIJ基准(含2500起凶杀案),评估9个LLM,发现隐式推理任务性能下降且存在偏见,表明该问题仍是开放挑战。
2026-09-18 cs.CL cs.CY
Risks and Compliance with the EU's Core Cyber Security Legislation
本文通过定性法律解释与分类构建,比较欧盟五项核心网络安全法案的风险表述,揭示其覆盖范围、趋同分歧及残余风险等缺口,并给出合规与研究建议。
2025-08-29 cs.CR cs.CY cs.SE
Ethical Considerations for the Military Use of Artificial Intelligence in Visual Reconnaissance
HENSOLDT Sensors GmbH(亨索尔特传感器有限公司);HENSOLDT Optronics GmbH(亨索尔特光电有限公司);Fraunhofer IOSB(弗劳恩霍夫IOSB研究院)
本文围绕军事视觉侦察中AI应用的伦理问题,提出FATE准则及可追溯性、相称性等军事专用伦理原则,并结合海、空、陆三个用例,借助自动化传感器分析、XAI和直观用户体验加以说明,为负责任地部署军事AI提供伦理框架。
2025-02-05 cs.CV cs.CY