L'IA Neuro-Simbolica per il Diritto Tributario Supera i LLM in uno Studio sulla Contaminazione

Una recente indagine pubblicata su arXiv (2605.16052) esamina a fondo le capacità dei grandi modelli linguistici (LLM) nel campo del diritto tributario, scoprendo che le loro prestazioni sono spesso sopravvalutate a causa della contaminazione dei dati. Il team ha sviluppato un protocollo per rilevare la contaminazione e creato una suite di test innovativa con variazioni di casi e regole per valutare la generalizzazione a documenti sconosciuti. Hanno confrontato i LLM tradizionali con sistemi ibridi neuro-simbolici che convertono il linguaggio normativo in rappresentazioni formali, affidandosi a risolutori simbolici per l'inferenza. I risultati suggeriscono che il ragionamento giuridico è fondamentalmente compositivo, con gli approcci neuro-simbolici che offrono una base più affidabile e solida per l'IA legale. Questa ricerca evidenzia l'importanza di valutazioni consapevoli della contaminazione negli studi sull'IA giuridica.