法律信息抽取与推理的数据增强管道
Data Augmented Pipeline for Legal Information Extraction and Reasoning
AI总结：
本文提出了一种基于大型语言模型的数据增强管道，用于提升法律领域信息抽取与推理的效率和鲁棒性，同时具备跨领域应用的通用性。
摘要：
在本文中，我们提出了一种利用大型语言模型（LLMs）进行数据增强的管道，用于法律领域的信息抽取任务。所提出的方法既简单又有效，显著减少了数据标注所需的人工努力，同时增强了信息抽取系统的鲁棒性。此外，该方法具有通用性，使其能够应用于各种自然语言处理（NLP）任务，而不仅限于法律领域。
英文摘要：
In this paper, we propose a pipeline leveraging Large Language Models (LLMs) for data augmentation in Information Extraction tasks within the legal domain. The proposed method is both simple and effective, significantly reducing the manual effort required for data annotation while enhancing the robustness of Information Extraction systems. Furthermore, the method is generalizable, making it applicable to various Natural Language Processing (NLP) tasks beyond the legal domain.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
