Multi-stage Information Retrieval for Vietnamese Legal Texts
University of Information Technology（信息技术大学）；Vietnam National University, Ho Chi Minh City（胡志明市越南国家大学）；National Institute of Informatics（国立信息学研究所）
本文研究越南语法律文本的信息检索问题。尽管在许多语言中得到了很好的研究，信息检索仍然没有得到越南研究界的重视。对于难以处理的法律文件来说，情况尤其如此。本研究提出一种新的方法，信息检索越南法律文件使用的转换器。此外，本研究还进行了不同的Transformer模型、等级分数、音节水平和单词水平训练的对比实验。实验结果表明，该模型的性能优于目前的信息检索越南文文档的研究中使用的模型。
2022-11-12 cs.CL
Aspect Classification for Legal Depositions
Virginia Tech（弗吉尼亚理工大学）
律师和其他人对拥有一个具有合适服务的数字图书馆有着强烈的兴趣（例如，摘要、搜索和浏览），以帮助他们处理大型法律证词语料库。他们的需求通常涉及理解此类文档的语义。这部分取决于宣誓人的角色，例如，原告、被告、执法人员、专家等。在与财产和意外伤害保险索赔有关的侵权诉讼中，例如与伤害有关的侵权诉讼，不仅要了解责任，还要了解事件、事故、身体状况和治疗方法。我们假设，一个合法的沉积包括作为宣誓证词的一部分讨论的各个方面。因此，我们在事故和伤害案件的法律沉积方面开发了本体论。使用它，我们开发了一个分类器，可以识别每个感兴趣的方面的文本部分。这样做是复杂的特点，这种体裁，例如，证词笔录通常由问答形式的数据组成。因此，我们的自动化系统从预处理开始，然后将QA对转换为由陈述句组成的规范形式。根据方面对生成的陈述句进行分类，可以帮助完成下游任务，如摘要、分割、问答和信息检索。我们的方法已经实现了0.83的分类F1得分。以良好的准确性对方面进行分类将有助于选择可用作候选摘要句子的QA对，并为法律专业人士或保险索赔代理人生成信息丰富的摘要。我们的方法可以扩展到其他类型的法律证词，并帮助搜索等服务。
2020-09-09 cs.CL cs.IR cs.LG
A Dataset of German Legal Documents for Named Entity Recognition
DFKI GmbH（德国人工智能研究中心）
我们描述了一个数据集开发的命名实体识别在德国联邦法院的判决。它由近似。67，000个句子，超过200万个代币。该资源包含54，000个手动注释的实体，映射到19个细粒度的语义类：人，法官，律师，国家，城市，街道，景观，组织，公司，机构，法院，品牌，法律，条例，欧洲法律规范，法规，合同，法院判决和法律文献。此外，法律文件还自动标注了35，000多个基于TimeML的时间表达式。该数据集在CC-BY 4.0许可下以CoNNL-2002格式提供，旨在为欧盟项目Lynx中的德国法律文件培训NER服务。
2020-03-29 cs.CL cs.IR
Structural Text Segmentation of Legal Documents
Heidelberg University（海德堡大学）
随着法律案件的日益复杂化，人们对能够有效满足用户特定信息需求的法律信息检索系统的兴趣日益增加。然而，这样的下游系统通常要求文档被适当地格式化和分段，这通常是通过相对简单的预处理步骤来完成的，而不考虑片段的主题一致性。系统通常依赖于单个句子或段落的表示，这可能缺乏关键的上下文，或者文档级表示，这对于有意义的搜索结果来说太长了。为了解决这个问题，我们提出了一个分割系统，它可以预测跨几个段落的连续文本段的主题连贯性，有效地分割文档，并为下游应用程序提供更平衡的表示。我们建立我们的模型上流行的Transformer网络和制定结构文本分割为主题的变化检测，通过执行一系列独立的分类，允许有效的微调特定于任务的数据。我们抓取了一个新的数据集，该数据集大致由$74,000$在线服务条款文档组成，包括我们用于训练的分层主题注释。结果表明，我们提出的系统显着优于基线，并适应法律文件的结构特点。我们向研究社区发布数据和经过训练的模型，供未来使用work.https://github.com/dennlinger/TopicalChange
2021-05-17 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
Improving Legal Information Retrieval by Distributional Composition with Term Order Probabilities
世界各地的法律专业人士目前正在努力跟上通过数字手段提供法律文件的爆炸性增长。这就需要高效率的法律信息检索（IR）和问答（QA）方法。特别是IR任务有一系列独特的挑战，需要使用语义驱动的NLP技术。在这项工作中，一个两阶段的法律信息检索的方法，提出了结合词汇统计和分布式句子表示的法律信息抽取/蕴涵（COLIEE）的竞争的背景下。组合是通过使用消歧规则来完成的，消歧规则应用于通过n-gram统计获得的排名。排名完成后，将评估其结果的歧义性，如果结果被确定为对于给定查询不可靠，则进行消歧。竞争和实验结果表明，使用所提出的方法在整体检索性能的小收益。此外，分析错误和改进的情况下，提出了更好地理解的贡献。
2017-06-10 cs.CL cs.IR
Finding the Law: Enhancing Statutory Article Retrieval via Graph Neural Networks
Maastricht University（马斯特里赫特大学）
法律条文检索是法律文本处理的一个重要应用，是对与法律问题相关的法律条文进行检索的任务。特别是高质量的特区系统，可以提高法律专业人员的工作效率，为有需要的公民无偿提供基本的法律援助。与传统的特设信息检索，其中每个文件被认为是一个完整的信息源，SAR处理的文本，其全部意义取决于补充信息的拓扑组织的成文法。虽然现有的作品忽略了这些特定领域的依赖关系，我们提出了一种新的图形增强密集规约检索（G-DSR）模型，通过图神经网络，以提高稠密检索性能的立法结构。实验结果表明，我们的方法优于强大的检索基线在现实世界的专家注释的SAR数据集。
2023-01-30 cs.CL cs.IR
Creating a silver standard for patent simplification
University of Padua（帕多瓦大学）；Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）；Universitat Pompeu Fabra（庞培法布拉大学）
本文提出通过改写自动简化专利文本的方法，利用通用领域改写系统结合过滤器构建大规模银标准语料库，成功训练简化系统并通过人工评估。
2023-10-24 cs.CL
JUDGEBERT: Assessing Legal Meaning Preservation Between Sentences
Université Laval（拉瓦尔大学）；Computer Science Department（计算机科学系）；Faculty of Law（法学院）
本文提出FrJUDGE数据集和JUDGEBERT评估指标，用于评估法语法律文本简化中的法律含义保留，实验表明其与人类判断相关性优于现有指标，并通过了相同句子得100%、无关句子得0%的健全性检查。
2025-08-23 cs.CL
A Comprehensive Survey of Document-level Relation Extraction (2016-2023)
Univ. La Rochelle（拉罗谢尔大学）；L3i（L3i实验室）
本文综述了2016至2023年间文档级关系抽取（DocRE）的最新进展，强调其跨句识别实体关系的挑战，并对比句子级方法，展示其在自动构建知识库中的应用价值。
2023-10-12 cs.CL
All for law and law for all: Adaptive RAG Pipeline for Legal Research
University College London（伦敦大学学院）
本文提出一种自适应RAG流水线，通过上下文感知查询转换、开源嵌入及综合评估框架，实现法律研究检索质量媲美专有方法，并提升答案忠实度。
2025-09-10 cs.CL cs.IR
German BERT Model for Legal Named Entity Recognition
University of Passau（帕绍大学）
BERT是最流行的语言模型之一，它的使用使得许多自然语言处理（NLP）任务得到了改进。一个这样的任务是命名实体识别（NER），即从给定文本自动识别诸如位置、人、组织等的命名实体。它也是许多自然语言处理任务，如信息抽取和论证挖掘的重要基础步骤。尽管使用BERT和其他流行的语言模型对NER进行了大量研究，但在法律NLP或法律技术方面却没有详细探讨。法律NLP应用各种NLP技术，如句子相似性或NER专门针对法律数据。使用BERT语言模型的NER任务只有少数模型，然而，这些模型都不是针对德语的法律文档。在本文中，我们微调了一个流行的BERT语言模型，该模型在法律实体识别（LER）数据集上对德国数据（德语BERT）进行了训练。为了确保我们的模型不会过度拟合，我们进行了分层的10倍交叉验证。我们在LER数据集上通过微调德国BERT获得的结果优于相同LER数据集作者使用的BiLSTM-CRF+模型。最后，我们通过HuggingFace公开提供模型。
2023-03-07 cs.CL cs.LG
Diamonds in the Rough: Generating Fluent Sentences from Early-Stage Drafts for Academic Writing Assistance
Tohoku University（东北大学）；Langsmith Inc.（Langsmith公司）；Yahoo Japan Corporation（雅虎日本公司）；RIKEN（理化学研究所）；Octanove Labs LLC（Octanove实验室有限责任公司）
写作过程包括几个阶段，如起草，修改，编辑和校对。对写作辅助的研究，如语法错误纠正（GEC），主要集中在句子编辑和校对上，其中应该纠正印刷，拼写或语法错误等表面问题。我们扩大这一重点，包括早期的修订阶段，句子需要调整的信息包括或主要重写，并提出句子级修订（SentRev）作为一个新的写作援助任务。在这项任务中表现良好的系统可以帮助没有经验的作者，在他们粗糙、不完整的草稿中产生流畅、完整的句子。我们构建了一个新的免费众包评估数据集，由非母语作者撰写的不完整句子与从已发表的学术论文中提取的最终版本配对，用于开发和评估SentRev模型。我们还使用新构建的评估数据集在SentRev上建立基线性能。
2019-10-21 cs.CL
nigam@COLIEE-22: Legal Case Retrieval and Entailment using Cascading of Lexical and Semantic-based models
Indian Institute of Technology, Kanpur（印度理工学院坎普尔分校）；Vellore Institute of Technology（韦洛尔理工学院）
本文介绍了我们提交的法律信息抽取/蕴涵2022年（COLIEE-2022）的案例法竞争工作坊的任务1和2。任务1是一个法律案例检索任务，它涉及阅读一个新的案例，并从提供的判例法语料库中提取支持案例来支持决策。任务2是法律案例蕴含任务，涉及从现有案例中识别一个段落，该段落包含相关案例中的决定。我们采用神经模型Sentence-BERT和Sent 2 Vec进行语义理解，并采用传统的检索模型BM 25进行精确匹配。因此，我们的团队（“nigam”）在任务1和任务2中的所有团队中排名第五。实验结果表明，传统的检索模型BM 25仍然优于基于神经网络的模型。
2022-04-16 cs.CL cs.IR cs.LG
Enhancing Pre-Trained Language Models with Sentence Position Embeddings for Rhetorical Roles Recognition in Legal Opinions
Nantes Université（南特大学）；École Centrale Nantes（南特中央理工学院）；CNRS（法国国家科学研究中心）；LS2N（南特数字科学实验室）；Peoples' Friendship University of Russia (RUDN University)（俄罗斯人民友谊大学（RUDN大学））；Joint Institute for Nuclear Research（联合核研究所）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Skövde（舍夫德大学）
本研究针对法律意见书修辞角色识别难题，提出融合句子位置信息的预训练语言模型架构，在LegalEval@SemEval2023语料上以更低参数和计算成本实现了优异性能，验证了位置信息与注意力机制的提升作用。
2023-10-08 cs.CL
Chunking German Legal Code
Technical University of Munich（慕尼黑技术大学）
研究针对德国成文法，以德国民法典为基准语料库，比较多种分块策略在检索增强生成中的性能，发现基于法律固有结构（如章节、小节）的分块方法在召回率和计算效率上优于语义增强方法。
2026-05-29 cs.AI cs.CL
Leveraging deep active learning to identify low-resource mobility functioning information in public clinical notes
University of South Florida（南佛罗里达大学）；Moffitt Cancer Center（莫菲特癌症中心）；State University of New York at New Paltz（纽约州立大学新帕尔茨分校）；Oklahoma State University（俄克拉荷马州立大学）
针对临床NLP中移动功能信息研究不足的问题，构建了首个ICF移动领域公共标注数据集，并利用基于密度加权委员会查询的深度主动学习方法训练BERT和CRF等模型，实现了对临床笔记中移动功能信息的有效自动提取。
2023-11-27 cs.CL
Attentive Deep Neural Networks for Legal Document Retrieval
Japan Advanced Institute of Science and Technology（日本北陆先端科学技术大学院大学）；National Institute of Informatics（日本国立信息学研究所）；Posts and Telecommunications Institute of Technology（邮电技术学院）
本文针对法律文档检索中长文本表示难题，提出基于注意力机制的Attentive CNN和Paraformer层次化模型，在多语言数据集上验证其优于非神经方法及现有最优方法。
2022-12-13 cs.CL cs.IR
AlignAR: Generative Sentence Alignment for Arabic-English Parallel Corpora of Legal and Literary Texts
School of Foreign Languages, Huaihua University（怀化大学外国语言学院）；Al-lith University College, Umm al-Qura University（乌姆·盖拉大学阿尔利思学院）
AlignAR通过生成式句子对齐方法，提升阿拉伯-英语法律和文学文本的平行语料库质量，验证了大语言模型在对齐任务中的优越性。
2026-01-01 cs.CL
Exploring Possibilities of AI-Powered Legal Assistance in Bangladesh through Large Language Modeling
Shahjalal University of Science and Technology（沙贾拉尔科技大学）；Independent University（独立大学）；Louisiana State University（路易斯安那州立大学）
本研究构建孟加拉国法律英文语料库 UKIL-DB-EN，并微调 GPT-2 得到法律辅助模型 GPT2-UKIL-EN，首次为孟加拉国开发 AI 法律助理提供可行方案。
2024-10-22 cs.AI cs.CL cs.CY
Lightweight Domain Adaptation of a Large Language Model for Legal Assistance in the Indian Context
Department of Computer Science and Engineering, Sharda University, Greater Noida, India（计算机科学与工程系，Sharda大学，Greater Noida，印度）
本文提出Legal Assist AI框架，通过检索增强生成与策略性提示工程，在印度法律领域实现高效表现，利用高质量法律文档集提升性能，比GPT-3.5 Turbo更高效，且有效缓解幻觉问题。
2026-05-01 cs.AI cs.CL
Critical Sentence Identification in Legal Cases Using Multi-Class Classification
University of Moratuwa（莫拉图瓦大学）
从本质上讲，法律领域包含大量文本格式的数据。因此，它需要应用自然语言处理（NLP）来满足该领域的分析需求。NLP的进步正在以实际应用和学术研究的形式传播到各个领域，例如法律领域。在法律案件中识别关键句子，事实和论点对于法律专业人士来说是一项繁琐的任务。在本研究中，我们探讨使用句子嵌入的多类分类，以确定关键的句子在法律案件中，在案件中的主要当事人的角度。此外，一个特定于任务的损失函数的定义，以提高直接使用类别交叉熵损失的精度限制。
2021-11-14 cs.AI cs.CL cs.LG
Computing and Exploiting Document Structure to Improve Unsupervised Extractive Summarization of Legal Case Decisions
University of Pittsburgh（匹兹堡大学）
虽然许多算法可以用来自动总结法律案件的决定，大多数未能纳入领域知识的法律判决中的重要句子如何与其文档结构的表示。例如，对一个法律案例摘要数据集的分析表明，在判决中扮演不同类型论证角色的句子出现在文档的不同部分。在这项工作中，我们提出了一个无监督的基于图的排名模型，使用重新加权算法，利用法律案件的决定的文档结构的属性。我们还探讨了使用不同的方法来计算文档结构的影响。加拿大法律判例法数据集上的结果表明，我们提出的方法优于几个强大的基线。
2022-11-06 cs.CL
CDJUR-BR -- A Golden Collection of Legal Document from Brazilian Justice with Fine-Grained Named Entities
Universidade de Fortaleza（福塔莱萨大学）；Instituto Federal de Educação, Ciência e Tecnologia do Ceará（塞阿拉联邦教育、科学与技术学院）；Tribunal de Justiça do Estado do Ceará（塞阿拉州法院）
本文构建了巴西司法系统细粒度法律命名实体黄金标准集合CDJUR-BR，并基于BERT训练NER模型，验证了该集合在法律实体识别中的优势。
2023-05-20 cs.AI cs.CL cs.IR
Discovering Explanatory Sentences in Legal Case Decisions Using Pre-trained Language Models
Carnegie Mellon University（卡内基梅隆大学）；University of Pittsburgh（匹兹堡大学）
法律文本通常使用难以理解的概念。律师们详细阐述这些概念的含义，除其他外，仔细调查它们在过去是如何使用的。查找以有用的方式提到特定概念的文本片段是乏味、耗时的，因此是昂贵的。我们收集了一个由26,959个句子组成的数据集，这些句子来自法律案件的判决，并根据它们对解释选定的法律概念的有用性对它们进行了标记。使用该数据集，我们研究了在大型语言语料库上预训练的基于transformer的模型的有效性，以检测哪些句子是有用的。根据模型的预测，我们分析了解释性语句的各种语言属性以及它们与需要解释的法律概念的关系。我们表明，基于transformer的模型能够学习令人惊讶的复杂功能，并优于以前的方法的任务。
2021-12-14 cs.CL cs.IR
Sentence Embeddings and High-speed Similarity Search for Fast Computer Assisted Annotation of Legal Documents
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）
对法律文档中的句子进行人工注释是许多基于机器学习的系统支持法律任务的重要前提。通常，注释是逐句顺序完成的，这通常是耗时的，因此是昂贵的。在本文中，我们介绍了一个概念证明系统，用于注释句子的横向。“这种方法是基于这样一种观察，即意义相似的句子在特定的类型系统中通常具有相同的标签。我们使用这种观察，允许注释者快速查看和注释句子，语义上类似于一个给定的句子，在整个语料库的文件。在这里，我们提出了系统的接口和经验评估的方法。实验表明，横向标注有可能使标注过程更快，更一致。
2021-12-21 cs.AI cs.CL cs.LG
ParaLaw Nets -- Cross-lingual Sentence-level Pretraining for Legal Text Processing
Japan Advanced Institute of Science and Technology（日本北陆先端科学技术大学院大学）；University of Engineering and Technology, VNU（越南国立大学工程技术大学）；National Institute of Informatics（国立信息学研究所）
歧义性是自然语言的一个特点，它使表达思想具有灵活性。然而，在一个需要准确陈述的领域，它成为一个障碍。具体来说，一个单词可以有许多含义，多个单词可以有相同的含义。在将文本翻译成外语时，译者需要确定原句中每个元素的确切含义，以产生正确的翻译句子。基于这一观察，在本文中，我们提出了ParaLaw Nets，这是一个使用文本级跨语言信息进行预训练的模型家族，可以减少歧义并提高法律文本处理的性能。该方法在COLIEE-2021的问答任务中取得了最好的效果。
2021-06-25 cs.AI cs.CL
MultiLegalSBD: A Multilingual Legal Sentence Boundary Detection Dataset
University of Bern（伯尔尼大学）；Bern University of Applied Sciences（伯尔尼应用科学大学）；Stanford University（斯坦福大学）
针对法律领域多语言句子边界检测任务，构建含6种语言超13万标注句的MultiLegalSBD数据集，训练多种模型实现最优性能，且多语言模型零样本表现优于基线，相关资源已公开。
2023-05-02 cs.AI cs.CL cs.LG
An interpretability framework for Similar case matching
Guangdong University of Technology（广东工业大学）；KTH Royal Institute of Technology（KTH皇家理工学院）；Guangdong University of Foreign Studies（广东外语外贸大学）；Lingnan Normal University（岭南师范学院）
针对相似案例匹配缺乏可解释性的问题，提出包含特征句识别、案例匹配、句子对齐与冲突解决的流水线框架，并通过实验验证其有效性。
2023-08-16 cs.CL
Unsupervised Simplification of Legal Texts
Bilkent University（比尔肯特大学）
法律文本的处理是自然语言处理中的一个新兴领域。法律文本包含独特的术语和复杂的语言属性在词汇，语义，句法和形态。因此，特定于法律领域的文本简化（TS）方法的开发对于促进普通人对法律文本的理解以及为主流法律NLP应用程序的高级模型提供输入至关重要。虽然最近的研究提出了一个基于规则的TS方法的法律文本，学习为基础的TS在法律领域还没有被考虑以前。本文介绍了一种无监督的法律文本简化方法USLT。USLT通过替换复杂词和拆分长句来执行特定于领域的TS。为此，USLT检测句子中的复杂单词，通过掩蔽变换器模型生成候选词，并基于排名分数选择候选词进行替换。然后，USLT递归地将长句分解为较短的核心句和上下文句，同时保留语义。我们证明，USLT优于国家的最先进的领域一般TS方法在文本的简单性，同时保持语义完整。
2022-09-01 cs.AI cs.CL cs.LG
Comparing Sentence-Level Suggestions to Message-Level Suggestions in AI-Mediated Communication
Cornell University（康奈尔大学）；Thomson Reuters Labs（汤森路透实验室）；Allen Institute for Artificial Intelligence（艾伦人工智能研究所）
传统上，写作辅助系统专注于简短甚至单个单词的建议。最近，像GPT-3这样的大语言模型已经可以生成更长的自然建议，提供更高级的帮助机会。本研究探讨了句子与消息级别的建议之间的权衡人工智能介导的通信。我们招募了120名参与者，作为立法者办公室的工作人员，他们经常需要对大量的选民关注做出回应。参与者被要求回复电子邮件，提供不同类型的帮助。结果表明，收到消息级别建议的参与者响应更快，对体验更满意，因为他们主要编辑建议的草稿。此外，他们写的文章被其他人评价为更有帮助。相比之下，接受中级援助的参与者保留了更高的代理感，但需要更长的时间完成任务，因为他们需要计划他们的回应流程并决定何时使用建议。我们的研究结果对设计适合任务的沟通辅助系统具有一定的意义。
2023-02-26 cs.CL cs.HC
Multi-granularity Argument Mining in Legal Texts
University of Pittsburgh（匹兹堡大学）
在本文中，我们将探讨使用多层次的粒度的法律论据挖掘。论证挖掘通常被概念化为句子分类问题。在这项工作中，我们将参数挖掘概念化为令牌级（即，词级）分类问题。我们使用Longformer模型来对令牌进行分类。结果表明，令牌级的文本分类识别某些法律论点的元素更准确地比证据级的文本分类。令牌级分类还提供了更大的灵活性来分析法律文本，并在处理大量输入数据时更深入地了解模型的重点。
2022-10-19 cs.CL cs.IR
Identifying Relationships Among Sentences in Court Case Transcripts Using Discourse Relations
University of Moratuwa（莫拉图瓦大学）
判例法对法律案件的审理过程有着重要的影响。因此，从以前的法庭案件中获得的信息对律师和其他法律官员履行职责很有价值。本文介绍了一种方法，应用语句之间的话语关系时，处理与法律领域的文本文件。在这项研究中，我们开发了一种机制来分类之间的关系，可以观察到的句子在美国法庭案件的成绩单。首先，我们定义的关系类型，可以观察到的句子之间的法庭案件笔录。然后结合机器学习模型和基于规则的方法，根据关系类型对句子对进行分类。通过我们的系统获得的结果进行了评估使用人类法官。据我们所知，这是第一个研究，句子之间的话语关系已被用来确定在法律法庭案件笔录句子之间的关系。
2018-09-15 cs.CL cs.LG stat.ML
HKJudge: A Legal Discourse-Annotated Corpus for Interpreting What Courts Find, How They Reason, and What They Rule
City University of Hong Kong（香港城市大学）；University of Chinese Academy of Sciences（中国科学院大学）
提出首个句子级专家标注的法律话语数据集HKJudge，包含香港各级法院刑事判决，设计双层话语模式（26种修辞角色和3种判刑要素），并基于BERT和LLM进行基准评估。
2026-06-04 cs.AI cs.CL cs.CY
LegalSeg: Unlocking the Structure of Indian Legal Judgments Through Rhetorical Role Classification
IIT Kanpur（印度理工学院坎普尔分校）；IISER Kolkata（印度科学教育与研究学院加尔各答分校）；Symbiosis Law School Pune（共生法律学院浦那分校）
本文针对印度法律判决的语义分割任务提出LegalSeg大型标注数据集，评估多种先进模型后发现融合上下文等信息的模型性能更优，为法律NLP研究奠定基础。
2025-02-09 cs.AI cs.CL cs.IR
Sentence-Level Context Sensitivity as a Training-Free Detector of Unsupported Content, Evaluated Against Trained Verifiers
Centre for Intelligent Cloud Computing, CoE for Advanced Cloud, Faculty of Information Science and Technology, Multimedia University（智能云计算中心、高级云研究中心、信息科学与技术学院、多媒体大学）
研究检索增强生成中幻觉检测问题，提出GASP方法，通过固定答案重新打分，衡量对数似然下降和Jensen-Shannon散度，评估显示其在RAGTruth上效果显著，信号能转移到TofuEval。
2026-10-05 cs.AI cs.CL cs.LG
TEMPS: Temporal Sentence Embeddings for Temporal Information Retrieval
SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris（SAMOVAR，巴黎电信 SudParis，巴黎综合理工学院）；Aldebaran Care
TEMPS提出时间文本相似度任务，通过将时间表达式解析为区间并匹配高斯分布，训练附加于冻结语义检索器的模块化时间分支，在三个时间基准上显著提升检索性能。
2026-09-24 cs.AI cs.CL
LawSum: A weakly supervised approach for Indian Legal Document Summarization
Dhirubhai Ambani Institute of Information and Communication Technology（迪鲁巴伊·安巴尼信息与通信技术学院）；Malaviya National Institute of Technology（马拉维亚国家理工学院）；Paramonic AI
与西方国家的法院不同，印度司法机构的公共记录完全是无结构的，而且很嘈杂。到目前为止，还没有大规模的公开的印度法律文件注释数据集。这限制了法律分析研究的范围。在这项工作中，我们提出了一个新的数据集，由印度最高法院的10，000多个判决及其相应的手写摘要组成。建议的数据集通过规范化常见的法律缩写，处理命名实体中的拼写变化，处理错误的标点符号和准确的句子标记来进行预处理。每个句子都有其修辞作用的标签。我们还对每项判决进行了注释，其中包括日期、原告、被告及其代表的姓名、作出判决的法官、引用的法令/法规以及用于引用判决的最常见引用。此外，我们提出了一个自动标签技术，用于识别具有摘要价值的信息的句子。我们证明，这种自动标记的数据可以有效地用于训练一个弱监督的句子提取器具有高精度。除了法律文件摘要之外，该数据集的一些可能的应用可以用于检索，引文分析和预测特定法官的判决。
2021-10-23 cs.AI cs.CL cs.IR
Joint Span Segmentation and Rhetorical Role Labeling with Data Augmentation for Legal Documents
Technical University of Munich（慕尼黑工业大学）
法律判决书的切分和修辞角色标注在判决书的检索和相关任务中起着至关重要的作用，包括案例摘要、语义搜索、论点挖掘等。在这项工作中，我们重新制定的任务在跨度水平识别跨度的多个连续的句子，共享相同的修辞角色标签通过分类分配。我们采用半马尔可夫条件随机场（CRF），共同学习跨度分割和跨度标签分配。我们进一步探讨了三种数据增强策略，以缓解法律专业领域的数据稀缺性，其中单个文档往往很长，注释成本很高。我们的实验表明，在CRF基线的跨度级预测指标与半马尔可夫CRF模型的改善。这种好处取决于文档中是否存在多个句子跨度。
2023-02-13 cs.CL cs.IR
SproutRAG: Attention-Guided Tree Search with Progressive Embeddings for Long-Document RAG
University of British Columbia（不列颠哥伦比亚大学）；ServiceNow Research（ServiceNow研究院）
提出SproutRAG，通过注意力引导构建句子级分块树，实现多粒度检索，无需额外LLM调用，平均信息效率提升6.1%。
2026-06-18 cs.CL cs.IR
SMART SLM: Structured Memory and Reasoning Transformer, A Small Language Model for Accurate Document Assistance
ABB Ability Innovation Center（ABB能力创新中心）；Indian Institute of Information Technology（印度信息科技学院）
SMART SLM通过结构化记忆与推理变换器，提升工程文档处理的准确性与效率。
2025-12-24 cs.AI cs.CL
Lex Rosetta: Transfer of Predictive Models Across Languages, Jurisdictions, and Legal Domains
Carnegie Mellon University（卡内基梅隆大学）；Université de Montréal（蒙特利尔大学）；Georgia State University（佐治亚州立大学）；HEC Paris（巴黎高等商学院）；Uniwersytet Jagielloński（雅盖隆大学）；University of Pittsburgh（匹兹堡大学）；MITRE Corporation（MITRE公司）；Libera Università di Bolzano（博尔扎诺自由大学）
在本文中，我们研究了使用多语言句子嵌入来转移预测模型，用于跨司法管辖区，法律体系（普通法和民法），语言和域（即上下文）的判决的功能分割。在原始语境之外利用语言资源的机制在人工智能和法律领域具有重大的潜在利益，因为法律制度、语言或传统之间的差异往往会阻碍研究成果的广泛采用。我们分析了在序列标记模型中使用的不可知的句子表示，使用门控递归单元（GRU），可跨语言转移。为了研究不同背景之间的转移，我们开发了一个注释计划的功能分割的裁决决定。我们发现，模型的泛化超出了它们所训练的上下文（例如，美国的行政决定培训模式可适用于意大利的刑法决定）。此外，我们发现，在多个上下文上训练模型可以提高鲁棒性，并在评估以前看不见的上下文时提高整体性能。最后，我们发现，从所有上下文中汇集训练数据可以增强模型的上下文性能。
2021-12-15 cs.CL
Exploring the Promises of Transformer-Based LMs for the Representation of Normative Claims in the Legal Domain
University of St.Gallen（圣加仑大学）
在这篇文章中，我们将探讨基于transformer的语言模型（LM）在法律领域中正确表示规范性声明的潜力，并以税法作为我们的用例。在我们的实验中，我们使用各种LM作为基于单词和基于数据的聚类器的基础，然后在一个小的专家编制的测试集上进行评估，该测试集由来自税法研究文献的真实样本组成，可以明确分配给四种规范理论之一。实验结果表明，基于自适应BERT嵌入的聚类器具有最好的聚类效果。基于这个主要的实验，我们第一次尝试在一个自举循环中使用性能最好的模型来构建分类器，这些分类器将规范性声明映射到这四个规范性理论之一。
2021-08-25 cs.CL cs.CY
CiteCaseLAW: Citation Worthiness Detection in Caselaw for Legal Assistive Writing
Adobe MDSR（奥多比 MDSR）
本研究针对法律领域引用价值识别任务，构建了含1.78亿句子的标注数据集CiteCaseLAW，实验表明领域预训练模型在该任务上F1值达88%，可助力法律引用推荐系统减负。
2023-05-03 cs.CL cs.LG
Explaining Legal Concepts with Augmented Large Language Models (GPT-4)
Carnegie Mellon University（卡内基梅隆大学）；University of Pittsburgh（匹兹堡大学）；Université de Montréal（蒙特利尔大学）
本研究评估GPT-4解释法律术语的能力，发现直接生成表面高质量但事实有误，通过法律信息检索增强可提升准确性并消除幻觉，为自动构建法律解释系统奠定基础。
2023-06-22 cs.AI cs.CL
EURO-5K: When Does Domain Pretraining Matter? Benchmarking Transformers for EU Reporting Obligation Extraction
Division of Computer Science, School of Electrical and Computer Engineering（计算机科学系，电气与计算机工程学院）；National Technical University of Athens（雅典技术大学）；Department of Humanities Social Sciences and Law, School of Applied Mathematical and Physical Sciences（人文社会科学与法律系，应用数学与物理科学学院）
本文构建了EURO-5K数据集，通过对比判别式与生成式模型在欧盟报告义务提取上的表现，发现领域预训练在参数高效微调时收益显著，且模型可作为专用提取器。
2026-06-02 cs.CL
TransLaw: A Large-Scale Dataset and Multi-Agent Benchmark Simulating Professional Translation of Hong Kong Case Law
City University of Hong Kong, Hong Kong SAR, China（香港城市大学）
针对香港判例法英译中资源匮乏、法律术语和格式要求严格的问题，构建了首个大规模句对齐平行语料库HKCFA Judgment 97-22，并提出多智能体框架TransLaw，通过分解翻译任务、集成法律词汇库和检索增强生成，显著提升翻译质量，但仍未达到人类专家的风格自然度。
2026-06-19 cs.CL cs.HC cs.MA
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
Explainable machine learning multi-label classification of Spanish legal judgements
University of Vigo（维戈大学）
提出一个结合机器学习多标签分类与自然语言解释的混合系统，用于西班牙法律判决分类，在专家标注数据集上实现超过85%的微平均精确率，以减轻法律专家负担。
2024-05-27 cs.AI cs.CL cs.LG
Multi label classification of Artificial Intelligence related patents using Modified D2SBERT and Sentence Attention mechanism
University of Auckland（奥克兰大学）；NHN Diquest（NHN Diquest公司）；Yonsei University（延世大学）
专利分类是专利信息管理和专利知识挖掘的重要内容。对与人工智能相关的专利进行分类是非常重要的，这是这些天最大的话题。但是，与人工智能相关的专利非常难以分类，因为它混合了复杂的技术和法律术语。而且，由于目前算法的性能不理想，它仍然大多是手工完成的，浪费了大量的时间和金钱。因此，我们提出了一种使用自然语言处理技术和深度学习方法对USPTO公布的人工智能相关专利进行分类的方法。我们使用变形的BERT和句子注意克服了BERT的局限性。与其他深度学习方法相比，我们的实验结果是最高的性能。
2023-03-03 cs.AI cs.CL
Knowledge is Power: Understanding Causality Makes Legal judgment Prediction Models More Generalizable and Robust
Fudan University（复旦大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Tsinghua University（清华大学）
本文通过因果结构模型分析法律判决预测模型依赖非因果信息的问题，提出数据层面的CIESAM和模型层面的CASAM两种因果增强方法，在三个法律数据集上取得SOTA性能，证明因果关系是提升模型鲁棒性与泛化性的关键。
2023-04-18 cs.AI cs.CL
Contrast Is All You Need
Utrecht University（乌得勒支大学）；Shareforce B.V.；Tilburg University（蒂尔堡大学）
针对标注数据少且不平衡的法律分类场景，本文提出使用SetFit对比学习方法，相比普通微调能在更少样本下取得更好效果，且基于LIME分析表明对比学习使模型更自信地依赖具法律信息量的特征进行决策。
2023-07-06 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
In With the Old: Enhancing 'Classical' Document Automation with Generative AI
Capstone Practice Systems；Maastricht University（马斯特里赫特大学）
本文探讨专家系统等符号方法如何与生成式AI相互增强，并报告了用大语言模型修复非专业人士文本问题的初步实验。
2026-10-07 cs.AI cs.CL
