热点事件观察中
LLM刑事判决信息抽取流程研究
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
2026年11月2日，arXiv cs.CL 发表一项研究，提出基于大语言模型（LLM）的刑事判决信息抽取流程，以DUI（醉驾）与DDB（禁驾期间驾驶）两类交通犯罪为例。该流程通过属性探索、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；研究同时发现，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。目前该研究处于论文发布阶段，尚无后续进展报道。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 00:00
研究显示修订指令后DUI正确抽取率由52%升至70%，但输出稳定不等于正确。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.CL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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。