研究人员通过在不同地缘政治时期的乌克兰法院判决上训练Transformer模型，研究了法律判决预测中的时间概念漂移。他们发现，在旧数据上训练的模型在新数据上的表现显著变差，表明预测准确性存在严重的向前衰退。虽然法律领域预训练在一定程度上缓解了这一问题，但按时间顺序的持续学习被证明能有效防止灾难性遗忘并随着时间的推移提高性能。该研究强调，受地缘政治事件影响的法律语言演变是累加性的，并对AI模型提出了重大挑战。 AI
影响 强调了法律AI中时间漂移的挑战，表明随着法律语言的演变，持续学习对于保持准确性至关重要。
排序理由 学术论文，详细介绍了评估AI模型在时变数据上性能的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
