本地 LLM 对敏感政府文件进行分类，媲美商业模型

研究人员开发了一种本地大型语言模型 (LLM) 方法，用于对政府文件中的敏感信息进行分类，特别关注《信息自由法》(FOIA) 请求的审议程序特权。该研究使用了 Qwen3.5 9B 模型，该模型可以在消费级硬件上运行，从而避免了与云 API 相关的法律和政治问题。他们的方法结合了思维链 (Chain-of-Thought) 和少样本提示 (few-shot prompting) 以及基于错误的示例，取得了与商业模型相当的性能，并在召回率和 F2 分数上优于先前的工作。分析显示，被归类为审议性的句子通常包含表示观点的动词，并且是以第一人称表述的。 AI

影响 能够安全地在本地对敏感政府文件进行分类，有可能提高对透明度法律的合规性。

排序理由 学术论文，详细介绍了使用 LLM 进行文档分类的新颖方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Gemini 2.5 Flash
• Qwen3.5 9B

• 论文
• 产品
• 政策

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →