هوش مصنوعی
LegalEvolver با اصلاح پرس‌وجوها، پیش‌بینی احکام حقوقی را هدف می‌گیرد
چارچوب پژوهشی جدید از rubrics برای بهبود تدریجی جست‌وجوی شواهد حقوقی و استدلال مدل استفاده می‌کند؛ نتایج گزارش‌شده بر پایهٔ ارزیابی بنچمارک‌هاست.
پژوهشگران در پیش‌چاپی در arXiv چارچوبی به نام LegalEvolver معرفی کرده‌اند که برای بهبود پیش‌بینی احکام حقوقی (LJP) طراحی شده است. این چارچوب می‌کوشد پرس‌وجوهای جست‌وجوی شواهد را از درخواست اولیهٔ کاربر فراتر ببرد و مسائل حقوقی پنهان و جزئیات مهم پرونده را نیز در آن‌ها لحاظ کند؛ موضوعی که به‌گفتهٔ نویسندگان، یکی از محدودیت‌های عامل‌های جست‌وجوی حقوقی موجود است.
LegalEvolver ابتدا پرس‌وجوهای اولیه را به‌صورت ابتکاری بهینه می‌کند تا تولید مسیرهای جست‌وجوی باکیفیت کارآمدتر شود. سپس تجربهٔ حاصل از این مسیرها را در قالب معیارهایی (rubrics) خلاصه می‌کند و در چند دور برای هدایت یادگیری تقویتی و تکامل تدریجی مدل به کار می‌گیرد.
نویسندگان می‌گویند ارزیابی روی بنچمارک‌های متعدد، اثربخشی بهینه‌سازی پرس‌وجو را نشان داده است. آن‌ها همچنین گزارش می‌کنند که راهنمایی با rubrics از آموزش مستقیم نظارت‌شده و سپس یادگیری تقویتی بهتر عمل کرده و rubrics تکامل‌یابنده نیز از نسخه‌های ثابت نتیجهٔ بهتری داشته‌اند. این مقاله پیش‌چاپ است و چکیدهٔ ارائه‌شده جزئیات عددی نتایج را بیان نمی‌کند.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده