摘要
本文旨在通过结合最新 NLP 进展与领域自适应少样本学习技术，提升基于逻辑的法律推理系统的泛化能力。针对现有方法依赖微调且受限于标注数据稀缺的问题，提出了 Legal2LogicICL 框架。该方法利用检索增强生成，在潜在语义和法律文本结构层面平衡示例的多样性与相似性，并消除实体诱导的检索偏差。实验表明，该方法无需额外训练即可显著提高将自然语言法律案例转化为逻辑表示的准确性、稳定性和泛化能力，并发布了新的 Legal2Proleg 数据集以支持评估。
AI 推荐理由
论文核心研究利用 LLM 进行法律领域的逻辑推理，将自然语言转化为逻辑公式，显著提升推理泛化能力。
研究机构
Center for Juris-Informatics, ROIS-DS, Japan Advanced Institute of Science and Technology, ROIS-DS, Tokyo, Japan
Center for Juris-Informatics, ROIS-DS, Tokyo, Japan
论文信息