摘要
针对大型语言模型在法律议题识别中精度不足的问题，本文构建了马来西亚合同法案例数据集。研究提出 LePREC 框架，这是一种结合神经生成与结构化统计推理的神经符号方法。该框架利用 LLM 将法律描述转化为问答对作为分析因子，并通过稀疏线性模型学习显式代数权重以识别关键推理因素。实验表明，相比 GPT-4o 等基线，该方法在数据效率和可解释性上提升了 30-40%，证实了基于相关性的因子分析是解决相关性决策的有效途径。
AI 推荐理由
论文提出神经符号框架，核心在于通过结构化因子进行分类推理，显著提升法律议题识别的推理精度。
研究机构
Faculty of Information Technology, Monash University, Australia
School of Information Technology, Monash University Malaysia
Faculty of Law, Monash University, Australia
论文信息