Il Framework LePREC Affronta le Limitazioni dei LLM nell'Identificazione di Questioni Legali
Un nuovo framework neuro-simbolico denominato LePREC (Legal Professional-inspired Reasoning Elicitation and Classification) è stato introdotto per migliorare l'identificazione di questioni legali attraverso i Large Language Model. I ricercatori hanno compilato un dataset da 769 casi giudiziari reali relativi al Malaysian Contract Act, utilizzando GPT-4o per estrarre fatti pertinenti e proporre potenziali questioni legali, successivamente revisionate da professionisti legali senior. I risultati hanno indicato che, sebbene i LLM producano una varietà di candidati problematici, la loro accuratezza è carente, con GPT-4o che raggiunge solo il 62% di precisione. Questo framework integra la generazione neurale con il ragionamento statistico strutturato per colmare questa lacuna. La sfida globale di oltre metà della popolazione che affronta esigenze di giustizia civile sottolinea l'importanza di questo studio, pubblicato su arXiv con l'identificatore arXiv:2604.19464v1.
Fatti principali
- LePREC è un framework neuro-simbolico per l'identificazione di questioni legali
- Dataset creato da 769 casi giudiziari reali del Malaysian Contract Act
- GPT-4o utilizzato per estrarre fatti e generare candidati problemi legali
- Esperti legali senior hanno annotato le questioni generate
- GPT-4o ha raggiunto solo il 62% di precisione nell'identificazione di questioni legali
- Più della metà della popolazione globale affronta esigenze di giustizia civile
- Ricerca annunciata su arXiv con identificatore arXiv:2604.19464v1
- Il framework combina generazione neurale con ragionamento statistico strutturato
Entità
Istituzioni
- arXiv
Luoghi
- Malaysia