Judges
PulseAugur coverage of Judges — every cluster mentioning Judges across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
在LLM工具调用参数验证中发现新的“推导差距”
研究人员在LLM代理的工具调用裁判如何评估提议的参数值时，发现了一个“推导差距”。如果一个正确值的来源没有明确出现在输入文本中，这些裁判就越不可能接受它，倾向于接受可见的错误值而非隐藏的正确值。这种现象存在于多个裁判中，包括System One模型CLM和Jev。为了解决这个问题，引入了一个名为DeRef的新模型，它为裁判提供推导的参考，显著提高了各种基准测试中的参数准确性（AUROC）。
-
司法部就媒体评论起诉明尼苏达州联邦法官
美国司法部已就明尼苏达州联邦法官提起诉讼。该诉讼指控法官们因就移民执法激增对其法院的影响接受《纽约时报》采访而从事了不当和不道德的行为。司法部正寻求法官们回避与国土安全部相关的任何事务，并敦促第八巡回法院进行调查。
-
AI工具通过培训将巴基斯坦法官的案件解决率提升6.3%
一款名为JudgeGPT的AI系统被用于测试，以评估其能否帮助1,559名巴基斯坦法官处理积压案件。研究发现，接受过AI实践培训的法官案件解决率提高了6.3%。然而，未接受培训的法官并未获得显著收益。研究人员估计，该系统的投资回报率高达每投入1美元可获得38.50美元。
-
AI通过分析过往案例辅助法律研究，但人类策略仍是关键
人工智能在法律领域显示出其用处，通过分析过往的司法判决，但它尚不能确定法官*应该*怎么做。这一区别意味着，虽然AI可以提供对历史判例的见解，但战略决策和道德判断等关键的人类因素仍然不可或缺。因此，随着信息获取的增加和新技术能力的发展，法律行业正经历从传统研究角色向更侧重策略的职位的转变，这导致了更复杂的法律挑战和争议。
-
新的TW-LegalBench基准评估LLM在台湾法律方面的能力
研究人员推出了TW-LegalBench，这是一个旨在评估大型语言模型（LLM）在台湾法律体系内法律推理能力的新基准。该基准包含超过16,000个选择题，117个开放式论述题，以及超过14,000个法律判决预测实例。虽然表现最佳的LLM已超过合格律师的及格线，但它们在准确引用法律法规方面仍未能达到法官和检察官所需的表现。
-
AI生成的诉讼涌入法院，引发了可及性和问责制问题
法院收到的由无律师代理的个人提起的诉讼数量显著增加，一项研究表明，AI生成内容占了这些诉讼的很大一部分。虽然像大型语言模型这样的AI工具正在帮助个人更清晰地阐述他们的论点，可能提高司法可及性，但法官们正在努力应对AI在法律诉讼中的法律影响和责任。当AI提供不准确的法律建议时，谁应该承担责任的问题也日益受到关注，因为已经观察到虚假的案例和引述。
-
加州法院测试AI书记员以起草法律文件
加州法院正在试点一项AI工具，该工具旨在通过起草命令和生成研究备忘录来协助法官，主要用于民事案件。此举引发了对透明度的担忧，因为个人可能不知道AI是否参与了他们的法律诉讼。该AI工具可能扩展到刑事案件的潜力，其风险更高，也引发了关于其对司法和自由影响的辩论。
-
Claude AI 在法律系统中用于司法任务的探索
一位法律专业人士探讨了 Anthropic 的 Claude AI 助手在司法任务中的潜力。作者强调了 Claude 如何能帮助法官准备案件、进行研究，并可能协助裁决过程。这一应用预示着 AI 工具将融入法律系统的核心功能的未来。