标签
Capital One 的 AI Foundations 团队提出了 UCVE——一个领域无关的框架，将合规需求空间建模为上下文需求图（Contextual Requirement Graph, CRG），并基于强化学习加权的拉普拉斯矩阵执行谱重排序（spectral reranking）以完成检索。在三个合规领域的评估中，UCVE 在 matched-K 召回率上较平坦余弦检索提升 4.3%，表现优于多种强检索基线和基于图的基线方法。
论文提出 MARS-Gov，一个多智能体立场感知框架，用于荷兰政府文件中的官僚偏见检测、改写与验证，在 DGDB 数据集上以 0.880 F1 取得新的 SOTA，并通过动态「第十位陪审员」机制实现开放集偏见目标识别。
一位从业者介绍了他将 LLM 的文档抽取标注（实体、动作、数值）蒸馏到两个 287M 参数编码器中的流程——一个 GLiNER 风格的片段标注器，外加一个用于实体消歧的选择题模型——以处理约 500 万份法院判决书，并请人反馈为什么效果不及教师模型。
LexReward 提出了一种面向法律语言模型的分类法驱动奖励框架，从风格、要素和推理链三个维度评估回答质量，用于构建 DPO 偏好数据以及奖励模型（LexRM），从而提升法律推理性能。
LabourCrew 是一个多智能体RAG框架，专为劳动法的可信对抗性审议和法规推理而设计，包含基础机制以控制错误接受率并提高答案相关性。
本文在ContractNLI上比较了JEV与九种语言模型，评估了不同请求配置下的推理成本、响应时间和正确性，发现JEV具有更低的成本和响应时间，而语言模型达到了更高的基线准确率。
本文提出一个用于越南劳动法跨语言法律问答的双语评估套件，评估检索、翻译和验证器引导纠正，以提高答案忠实度并解决不支持的主张。
LexLattice 提出了一种多语言抽取式摘要方法，该方法利用文档层次结构上的神经元胞自动机，在 EUR-Lex-Sum 数据集上实现了最先进的 ROUGE 分数，并通过紧凑模型超越了大型指令调优基线。
本文介绍了一个用于在法律文件中分类解释准则的句子层面基准，评估了 LLMs 在 German Federal Constitutional Court 数据集上的表现。
本文介绍了一个专家标注的数据集，包含42个 U.S. 联邦税务意见，用于法律论证挖掘，具有功能标签和树结构论证，并演示了分类与检索实验。
本文提出了一种针对LLM生成的合同条款的风险敏感评估框架，重点关注法律失效模式和质量维度，以评估超出准确性或流畅性的风险。
本文评估了基于检索的上下文内学习方法，用于检测德国社交媒体帖子中与犯罪相关的仇恨言论，发现少样本提示优于零样本，但检索方法仅提供边际增益，模型更适合用于分诊而非自主审核。
本文描述了构建和部署乌兹别克语检索增强生成（RAG）法律助手在云端和本地环境中的过程，创建领域基准，并发布微调嵌入器UTE-1，以推动低资源语言的法律自然语言处理（NLP）。
本文介绍了ImmigrationReason，一个用于法律推理研究的大规模美国移民上诉结构化数据集，填补了自然语言处理研究中行政裁决数据的空白。
CoAL-RAG 介绍了一种用于法律咨询的复杂度感知检索增强生成方法，该方法根据问题复杂度动态选择检索策略，在中文和英文法律基准测试中实现了显著改进。
本文证明法律多项选择基准易受仅选项可解性影响，即模型无需题目即可正确作答，并且基于单一模型性能的过滤并不能提高对其他模型的有效性。
介绍LegalPincite，一个基于欧盟法院（CJEU）判决构建的大规模法律信息检索数据集，包含掩码查询、完整语料库和段落级引文标注，以支持多层级检索评估。
本文综述并评测了法律语境下基于NLP的自动欺骗检测，比较了微调Transformer和七个大语言模型（LLM）在七个数据集上采用多种提示策略的表现。结果表明存在明显的领域敏感性：微调模型在数据丰富的通用领域表现出色，而少样本LLM在低资源法律场景中具有竞争力。
本文介绍了BLAD，一个精心整理的多语种数据集，包含1484部孟加拉国法律法案（时间跨度从1799年到2025年），并附有结构化元数据，支持时间跨度和跨语言的法学NLP研究。