主页 › 范文 › 法学政治 › 本文

多语言法律案例关键性预测：瑞士判例研究

摘要

文章提出了一种新的法律案例关键性预测任务，旨在评估瑞士联邦最高法院案件对未来判例的影响。通过算法生成二元LD标签（判断案件是否被列为指导性判决）和细粒度Citation标签（基于引用频率与时效性），构建了包含138,531个多语言案例的数据集。实验表明，微调的小型模型（如XLM-RLarge）在预测任务中显著优于零样本大语言模型（如GPT-3.5），最高聚合分数达37.1，验证了领域特定模型在法律NLP任务中的必要性。

1. 关键性预测任务与数据集

文章提出关键性预测任务，用于评估瑞士联邦最高法院案件对未来判例的影响力。该任务采用两种算法生成的标签：

  • LD标签：二元分类（关键/非关键），标识案件是否被列为指导性判决（Leading Decision）
  • 引用标签：四级分类（关键1-4级），基于引用频率与时效性加权公式计算（近年判决权重更高）

数据集涵盖2002-2023年138,531个案例，包含德语（85,167）、法语（45,451）和意大利语（7,913）文本，按时间划分为训练集（2002-2015）、验证集（2016-2017）和测试集（2018-2022）。

2. 模型与方法

评估了13种多语言模型，包括微调的小型模型（如XLM-R、SwissBERT）和零样本大语言模型（GPT-3.5、LLaMA-2）。关键设计包括：

  • 输入文本分为事实描述（用于案件优先级排序）和法律考量（用于指导性判决选择）
  • 采用宏观F1分数调和均值评估，确保多语言与输入类型的公平性
  • 大语言模型通过提示工程进行零样本预测，限定验证集样本量以控制成本

3. 实验结果

微调模型全面超越零样本LLM：

  • 最佳模型XLM-RLarge达到37.1聚合分数，较GPT-3.5（28.1）和LLaMA-2（12.5）优势显著
  • 领域特定模型（如Legal-Swiss-LF）在LD标签预测表现优异，但引用标签预测仍具挑战性
  • 语言分析显示：瑞士BERT在德语任务领先，XLM-RLarge在意大利语表现突出，训练数据语言分布与下游性能相关性较弱

4. 局限与未来方向

关键性预测依赖算法生成的代理标签（引用频次与指导性判决状态），可能与真实法律影响力存在偏差。未来工作需扩展至更多司法管辖区，并探索提示设计对大语言模型稳定性的影响。文章同时指出封闭模型（如GPT-3.5）的可复现性风险，倡导开源模型以促进法律NLP透明度。

相关论文