开发应用的法律技术的进展

法律大型语料库的可用性和深度学习的进步而言,建造大型语言模型(LLM)打开门改善系统,支持法律从业者的复杂工作。律师、律师助理、或会计师发现过程,从集合中提取信息的大型文档描述复杂的法律问题,在简报的形式创建复杂的法律环境,合同或其他法律事务。日常任务要求他们考虑世界和特定的法律知识,开展复杂的法律推理和识别类比。根据Lewkowycz(2022),当前LLM方法掌握了琐事问答等任务,新闻摘要和各种消费数据相关任务,如情绪分析和命名实体提取,他们越来越多地提高性能的各种常识推理任务,包括gpt - 3.5通过律师资格考试。

深度学习新技术的发展可以推动国家运用法律技术和艺术的可能刺激主要法律专业人士的工作方式的变化,但同样的技术也可能带来新的挑战和风险。这些挑战和风险,我们的目标是解决与本研究主题:

——大型语言模型等各种NLP任务展示了令人印象深刻的成果总结和问题回答,甚至在某种程度上在常识推理。llm也能够支持的法律推理,需要深入理解各自的法律体系?

——尽管法律大型语料库的可用性,法律专家所需标签文本或创建概要。因为这样的工作是劳动密集型,可以相当昂贵由于所需的专业知识,已经新技术被开发出来,它们可以产生合成数据或代理数据加快法律AI系统的开发周期?

——llm被批评,因为它的发展需要大量的计算资源。LMs培训在一个特定的领域如法律更有效地训练而达到类似的结果吗?

——搜索法律信息也可能受益于最近的进展如浓密的检索系统,可以提供更细致入微的结果比先前部署的法律研究引擎。法律如何解决特定法律问题的搜索引擎从深度学习/语言模型的最新进展吗?

——因为用户的法律系统是专业人士,这样一个系统的设计需要进一步考虑的以人为中心的设计。是什么系统,用户需求的用户交互要求很高的精度?

——标准指标评估NLP系统,如蓝色,精度/召回或MRR可能达不到有用的法律专业人士的工作。其他方法测量成功部署的法律是什么技术?

——法律推理需要大量的领域知识可能不是通过LLM捕获。这些知识如何被包括在模型超出培训法律文本(如知识图的形式或其他形式的结构化知识为了解决复杂法律推理任务)?

——因为法律体系及其预测是影响人类生活,伦理问题需要解决这种系统的开发和部署。我们如何确保AI系统的负责任的使用在法律系统?

——深度学习模型是黑盒的模型和预测是难以解释给终端用户。可以解释的AI系统提高信任这样的系统和/或潜在的解决一些法律的伦理挑战的应用人工智能系统?

——律师经常处理个人信息,甚至可能不想透露高度敏感的信息系统的保护数据泄漏。最近开发的如何加强隐私技术推进法律的发展人工智能系统,处理个人信息?


我们邀请论文-不限于上述研究问题描述小说应用工作或描述法律技术的进步。提交论文并不局限于实证研究但还可以包括理论/方法注意事项和立场文件以及系统论文关注法律技术生产。