基于LLM的刑事判决信息抽取流程：以DUI与DDB交通犯罪为例

研究提出一套基于大语言模型的信息抽取流程，通过属性探索、文本片段抽取与值归一化构建结构化数据集，并由法律专家修订标注指令。在DUI（醉驾）罪名上，修订指令后正确抽取值的比例从52%提升至70%，人工标注者间一致性也提高；同一模型重复运行的结果彼此一致性高于与金标准标注的一致性，说明输出稳定不等于正确。在DDB（禁驾期间驾驶）罪名上，因指令已定义固定类别与输出格式，多数属性一致性较高。