Ukrainian court decisions
PulseAugur coverage of Ukrainian court decisions — every cluster mentioning Ukrainian court decisions across labs, papers, and developer communities, ranked by signal.
-
新指标检测并减少大语言模型法律引文幻觉
研究人员开发了一种名为Citation Grounding (CG) 的新指标，用于检测和减少大语言模型 (LLM) 在生成法律引文时出现的幻觉。该指标在大量乌克兰法院判决数据集上进行了测试，将幻觉分解为精确性、相关性和时间性问题。为了在没有人工标注的情况下解决这些问题，他们还引入了Citation Grounding DPO (CG-DPO)，一种使用算法生成的偏好对来微调大语言模型的方法，在区分正确引文和错误引文方面取得了高准确率。
-
AI模型在政治格局变化中难以应对不断演变的法律语言
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。
-
乌克兰法院引用显示共引可预测性显著衰减
研究人员开发了一个新的基准 UA-StatuteRetrieval，用于评估法律信息系统中共引可预测性随时间的稳定性。通过分析 2007 年至 2026 年的 3.96 亿份乌克兰法院引用，他们发现检索性能显著衰减，可预测性下降高达 47%。虽然高频文章和刑事诉讼程序保持了稳定性，但中频文章和民事法律显示出明显的退化，部分原因在于 2017 年的司法改革和文章引用模式 4.3% 的语义变化。
-
乌克兰法院判决数据生成法律领域图谱
研究人员开发了一种从超过1亿份乌克兰法院判决书中自动构建法律引文图谱的方法。该图谱揭示了清晰的法律领域边界，并能准确预测未来的立法重要性。通过引文熵的激增，分析识别出了关键的司法中心，并检测到了重大变化，例如2022年入侵的影响。