Predicting potentially abusive clauses in Chilean terms of services with natural language processing
Universidad Adolfo Ibáñez(阿道夫·伊巴涅斯大学)
本文针对智利服务条款中潜在滥用条款检测问题,提出四类20类的标注方案并构建首个西班牙语法律条款多标签数据集,通过评估Transformer模型揭示了预训练策略和少样本规模对检测与分类性能的影响。
2025-05-05 cs.AI cs.CL cs.CY
A Two-Stage Architecture for NDA Analysis: LLM-based Segmentation and Transformer-based Clause Classification
本文提出基于LLM和Transformer的两阶段架构,用于自动化NDA文档的分段和条款分类,实验结果显示方法在准确率和精确度上均表现优异。
2026-02-13 cs.AI cs.CL
Auditing Data Provenance in LLM Fine-tuning via Intrinsic Distributional Fingerprints
State Key Laboratory of Novel Software Technology, Nanjing University(南京大学计算机软件新技术国家重点实验室);China Mobile Research Institute(中国移动研究院)
针对LLM微调的数据IP侵权审计难题,提出事后框架DPA,通过内在分布指纹实现黑盒恶意场景下的可靠审计,性能优于基线且抗混淆,同时存在审计与隐私攻击的两用张力。
2026-08-04 cs.AI
TrafficRAG: A Multimodal RAG Framework for Traffic Accident Liability Determination
Southwest Petroleum University(西南石油大学);Sichuan Police College(四川警察学院)
提出TrafficRAG框架,通过视觉语言模型生成结构化描述、混合检索获取法规和案例、大语言模型融合多模态证据进行推理,实现自动化交通事故责任分析报告生成。
2026-06-01 cs.AI
Auditing large language models: a three-layered approach
University of Oxford(牛津大学);Princeton University(普林斯顿大学);Centre for the Governance of AI(人工智能治理中心);Goethe University Frankfurt(法兰克福歌德大学);University of Bologna(博洛尼亚大学)
针对LLMs带来的伦理与治理挑战,本文提出一种包含治理、模型与应用审计的三层方法,为技术提供商与政策制定者提供评估LLMs的可行框架。
2023-06-27 cs.AI cs.CL cs.CY
Graph-based Keyword Planning for Legal Clause Generation from Topics
IIIT Hyderabad(印度海得拉巴国际信息技术学院);Adobe Research(奥多比研究院)
基于最少的用户提供的信息生成特定于域的内容(如法律条款),在自动化法律合同生成方面有很大的好处。在本文中,我们提出了一个可控的基于图的机制,可以生成法律条款只使用的主题或类型的法律条款。我们的管道包括两个阶段,涉及一个基于图的规划器,然后是一个子句生成器。规划器使用可控的基于图的机制基于输入主题将法律条款的内容概述为按照从通用到更具体的条款信息的顺序的关键字序列。生成阶段接受给定的计划并生成子句。管道由基于图形的规划器和文本生成组成。我们说明了我们提出的两阶段的方法在合同中的条款主题广泛的有效性。
2023-01-07 cs.AI cs.CL
Towards Automated Regulatory Compliance Verification in Financial Auditing with Large Language Models
Fraunhofer IAIS(弗劳恩霍夫智能分析和信息系统研究所);University of Bonn(波恩大学);PricewaterhouseCoopers GmbH(普华永道)
本文研究大型语言模型在金融审计合规验证中的表现,通过普华永道德国提供的两个定制数据集比较开源Llama-2与专有GPT模型,发现Llama-2 70B在检测不合规方面表现最佳,而GPT-4在非英语等广泛场景中表现最优。
2025-07-22 cs.AI cs.CL cs.LG
LegalPro-BERT: Classification of Legal Provisions by fine-tuning BERT Large Language Model
针对合同法律条款分类中专业词汇与标注数据不足的问题,本文提出并微调基于 BERT 的 LegalPro-BERT,实验表明其优于现有基准。
2024-04-15 cs.AI cs.IR cs.LG
CON-QA: Privacy-Preserving QA using cloud LLMs in Contract Domain
Info Origin INC;Indian Institute of Technology New Delhi (IITD)(印度理工学院新德里学院(IITD))
针对企业合同问答中的隐私泄露风险,提出CON-QA混合框架,结合本地与云LLM,通过查询分解、实体匿名化和反向映射实现安全问答,并基于CUAD-QA数据集验证其隐私与效用兼顾。
2025-09-24 cs.AI
Smart Privacy Policy Assistant: An LLM-Powered System for Transparent and Actionable Privacy Notices
Binghamton University(宾汉姆顿大学)
本文提出基于大语言模型的智能隐私政策助手,通过自动提取和分类隐私条款,生成可理解的解释,提升用户对隐私政策的理解和透明度。
2026-01-09 cs.AI cs.CR
Shortcut Learning in Legal Judgment Prediction: Empirical Evidence from the UK Employment Tribunal
Faculty of Law, University of Cambridge(剑桥大学法学院);The Psychometrics Centre, Cambridge Judge Business School, University of Cambridge(剑桥大学心理学测量中心,剑桥Judge商学院);Faculty of English, University of Cambridge(剑桥大学英语学院);Department of Statistics, Uppsala University(乌普萨拉大学统计系);Department of Computer Science and Technology, Tsinghua University(清华大学计算机科学与技术系);Department of Engineering, University of Cambridge(剑桥大学工程系)
研究英国就业法庭判决中索赔结果预测的捷径学习,用33158条索赔语料库预测结果,发现基于事后司法文本训练的法律判决预测系统性能或被夸大,去除泄漏特征后模型仍能提取有用信号。
2026-07-13 cs.AI
GRACE: Grounded Adversarial Reasoning over Canadian Law
University of Toronto(多伦多大学);UTOA Computing Analytics Co., Ltd.(UTOA计算分析有限公司);King Mongkut’s University of Technology Thonburi(国王科技大学)
针对法律基准缺乏立场辩护与多条款推理评估的问题,提出GRACE数据集及CLeAR-4B模型,验证了基于法定文本的轻量级法律推理的有效性。
2026-09-22 cs.AI cs.CL
ViLegalNLI: Natural Language Inference for Vietnamese Legal Texts
University of Information Technology(信息技术大学);Vietnam National University(越南国家大学)
本文提出ViLegalNLI,首个针对法律领域构建的越南语自然语言推理数据集,包含42,012个前提-假设对,涵盖多种法律领域,用于评估法律推理的结构逻辑与术语一致性。
2026-04-30 cs.AI cs.CL cs.LG
Investigating Strategies for Clause Recommendation
International Institute of Information Technology, Hyderabad(海得拉巴国际信息技术学院);Adobe Research(奥多比研究院)
条款推荐是指根据合同的上下文和条款应属于的条款类型,向法律合同推荐一个条款的问题。由于之前在生成法律合同方面没有做太多工作,因此提出这个问题作为解决合同生成这一更大问题的第一步。作为一个开放式的文本生成问题,该问题的显著特点在于法律语言作为一种亚语言的性质和特定类型的条款内的文本内容的相当大的相似性。法律条款中的相似性促使我们研究相似合同的表示对于推荐条款的重要性。在我们的工作中,我们实验生成条款15常见的条款类型的合同扩展到以前的工作在这个问题上,并分析条款的建议,在不同的设置使用来自类似的合同的信息。
2023-01-21 cs.AI cs.CL
Poli-Bias: Understanding and Measuring Large Language Model Biases in International Political Conflicts
Technical University Munich(慕尼黑工业大学)
本研究提出细粒度反事实框架Poli-Bias,通过交换国家身份的成对提示对比响应,分解偏差维度,发现13个LLMs存在因国家身份导致的政治偏差,可用于审计LLMs的政治公正性与谄媚性。
2026-10-19 cs.AI cs.CL
Auditing of AI: Legal, Ethical and Technical Approaches
Oxford Internet Institute, University of Oxford(牛津大学牛津互联网研究院);Center for Information Technology Policy, Princeton University(普林斯顿大学信息技术政策中心)
本文作为AI审计主题综述与社论,梳理领域研究现状,提出审计可借鉴多学科经验、政产研共推治理、多学科融合三大要点,区分技术与流程导向审计,主张整合形成覆盖系统全维度影响的整体性审计机制。
2024-07-07 cs.AI cs.CY
The Hidden Structure -- Improving Legal Document Understanding Through Explicit Text Formatting
Osborne Clarke(奥斯本·克劳克)
本研究探究输入文本结构与提示工程对LLM法律问答表现的影响,发现合理的输入结构化与系统提示优化可显著提升GPT-4.1的法律任务准确率,验证了格式与提示设计对高风险法律场景LLM应用的关键作用。
2025-05-19 cs.AI cs.CL
On the Need and Applicability of Causality for Fairness: A Unified Framework for AI Auditing and Legal Analysis
CISPA, Helmholtz Center for Information Security(亥姆霍兹信息安全中心CISPA);University of Liège(列日大学);INRIA, Saclay Ile-de-France(法国国家信息与自动化研究所萨克雷-法兰西岛分部)
本文聚焦AI公平性评估中的因果关系需求,结合法律与社会视角,分析欧盟相关案例与监管下证明AI决策因果性的挑战及方法局限,提出提升算法透明度、问责制与公平性的可行方案。
2025-03-19 cs.AI cs.CY cs.LG
PopResume: Causal Fairness Evaluation of LLM/VLM Resume Screeners with Population-Representative Dataset
ECE, Seoul National University(首尔国立大学电子与计算机工程系);IPAI, Seoul National University(首尔国立大学人工智能研究所);ASRI / INMC / AIIS, Seoul National University(首尔国立大学人工智能研究所)
PopResume通过人口统计数据和自然属性关系,实现对LLM和VLM简历筛选系统的因果公平性评估,识别出五种传统指标无法捕捉的歧视模式。
2026-09-09 cs.AI cs.CY
Text to Trust: Evaluating Fine-Tuning and LoRA Trade-offs in Language Models for Unfair Terms of Service Detection
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
本研究系统评估了微调、LoRA和零样本策略在服务条款不公平条款检测中的表现,发现全量微调平衡最佳,LoRA以3倍低内存成本提供竞争性召回率,为法律NLP提供实用设计权衡与开放基线。
2025-10-26 cs.AI cs.CL cs.LG
LegalHalluLens: Typed Hallucination Auditing and Calibrated Multi-Agent Debate for Trustworthy Legal AI
Independent Researcher, Sunnyvale, CA, USA(独立研究者,美国加州太阳谷);Independent Researcher, San Diego, CA, USA(独立研究者,美国加州圣地亚哥)
针对法律AI中聚合指标掩盖的错误集中性和方向性问题,提出LegalHalluLens审计框架,通过类型化幻觉画像、风险方向指数(RDI)和校准辩论管道,将幻觉检测减少45%,并揭示聚合指标隐藏的失败模式。
2026-06-17 cs.AI cs.CL cs.LG
SerenAI: State-transition system inspired by text-based world AI models
Collision Technologies S.R.L.S. Societa Benefit(碰撞科技有限责任公司(福利型))
SerenAI提出一种受世界模型启发的状态转换系统,通过参数高效微调和基于验证器的强化学习,将结构化预测的JSON有效性从85%提升至93.2%,并定义了法律级验证协议。
2026-09-09 cs.AI cs.CL
Towards Mitigating Perceived Unfairness in Contracts from a Non-Legal Stakeholder's Perspective
TCS Research(塔塔咨询服务公司研究院)
本文从非法律利益相关者视角研究合同条款的感知不公平问题,通过实证分析不同利益相关者观点,并比较思维链提示与半监督微调方法,证明基于BERT的微调在识别不公平条款上准确率达84%,优于Vicuna-13B思维链提示9个百分点。
2023-12-03 cs.AI cs.CL cs.LG
GANDR: Claim Auditing for Verifiable Legal Answer Generation
William & Mary(威廉与玛丽学院);Anytime AI
GANDR通过双智能体系统(起草器与评审器)对法律答案逐项主张进行审计,在185项基准上以70.8%严格准确率领先最强基线11.3个百分点,实现可验证的生成。
2026-09-10 cs.AI cs.CL cs.IR
Reproducibility is the New Copyleft: Defining AGI-oriented Reproducible Builds
Surugadai University(上贺茂大学)
本文提出面向通用人工智能(AGI)的可重现构建作为Copyleft的功能等价物,通过定义七项要求来确保模型从声明输入到输出的比特精确可重现性,并论证协议而非平台是更优的治理框架。
2026-06-02 cs.AI cs.CY
From Statute to Control Flow: Span-Grounded Deontic Trees for Defeasible Scope Parsing
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Sun Yat-Sen University(中山大学)
提出NormBench基准和跨度义务树(SG-DT)中间表示,用于诊断和缓解规则遵循模型中的静默范围遗漏(SSO)问题,揭示递归衰减和可审计性陷阱两种病理,并通过约束输出改善树结构保真度。
2026-06-08 cs.AI cs.CE cs.CL
Challenges for Generative AI in Legal Reasoning
Tampere University(塔尔库大学);University of Helsinki(赫尔辛基大学)
本文探讨了生成AI在法律推理中的关键挑战,分析了现有AI技术在处理法律问题中的局限性,并提出分阶段采用技术以提升法律推理的严谨性。
2026-01-24 cs.AI
MC-PDD: Masked Corpus-Level Pretraining Data Detection for Black-Box Large Language Models
University of Macau(澳门大学);Macau Millennium College(澳门万人大学);BoardWare Information System Limited(博纬信息系统有限公司)
提出MC-PDD方法,通过掩码特定token并利用LLM预测缺失内容,比较候选语料与参考非成员语料的预测命中率差异,以黑盒方式检测预训练数据,性能与现有方法相当。
2026-06-06 cs.AI cs.CL
HSCodeComp: A Realistic and Expert-level Benchmark for Deep Search Agents in Hierarchical Rule Application
Alibaba International Digital Commerce(阿里巴巴国际数字商业)
针对现有基准忽视层级规则应用能力的问题,提出首个专家级电子商务基准HSCodeComp,用于评估深度搜索智能体预测10位HS编码的能力,实验显示最佳智能体准确率仅46.8%,远低于人类专家的95.0%。
2025-10-22 cs.AI cs.CL cs.MA
LLMs Remember First, Forget Last: Dual-Process Interference in Large Language Models
Thomson Reuters(汤姆森路透)
研究探讨了大型语言模型在面对冲突信息时的记忆保留机制,发现前瞻性干扰主导后置性干扰,揭示了Transformer注意力机制中的优先效应。
2026-08-11 cs.AI cs.CL cs.IR
Explanation Fairness in Large Language Models: An Empirical Analysis of Disparities in How LLMs Justify Decisions Across Demographic Groups
Independent Researcher(独立研究者)
本文提出解释公平性分类法,分析大语言模型在不同群体中解释决策的差异,发现模型选择与差异幅度密切相关,提出两种提示方法减少解释差异。
2026-05-09 cs.AI cs.CL
Sovereign Context Protocol: An Open Attribution Layer for Human-Generated Content in the Age of Large Language Models
本文提出Sovereign Context Protocol,旨在为大型语言模型提供开放的归属层,解决人类生成内容在价值链中的可见性问题,通过标准化LLM与创作者数据的连接方式,实现访问事件的记录、许可和归属。
2026-03-28 cs.AI cs.CR cs.LG
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