ترجمه فارسی مقاله LawLLM: مدل زبان حقوقی بزرگ برای سیستم حقوقی ایالات متحده

چکیده

In the rapidly evolving field of legal analytics, finding relevant cases and accurately predicting judicial outcomes are challenging because of the complexity of legal language, which often includes specialized terminology, complex syntax, and historical context. Moreover, the subtle distinctions between similar and precedent cases require a deep understanding of legal knowledge. Researchers often conflate these concepts, making it difficult to develop specialized techniques to effectively address these nuanced tasks. In this paper, we introduce the Law Large Language Model (LawLLM), a multi-task model specifically designed for the US legal domain to address these challenges. LawLLM excels at Similar Case Retrieval (SCR), Precedent Case Recommendation (PCR), and Legal Judgment Prediction (LJP). By clearly distinguishing between precedent and similar cases, we provide essential clarity, guiding future research in developing specialized strategies for these tasks. We propose customized data preprocessing techniques for each task that transform raw legal data into a trainable format. Furthermore, we also use techniques such as in-context learning (ICL) and advanced information retrieval methods in LawLLM. The evaluation results demonstrate that LawLLM consistently outperforms existing baselines in both zero-shot and few-shot scenarios, offering unparalleled multi-task capabilities and filling critical gaps in the legal domain.

چکیده به فارسی (ترجمه ماشینی)

در حوزه در حال تحول سریع تجزیه و تحلیل حقوقی ، یافتن موارد مربوطه و پیش بینی دقیق نتایج قضایی به دلیل پیچیدگی زبان حقوقی ، که اغلب شامل اصطلاحات تخصصی ، نحو پیچیده و زمینه تاریخی است ، چالش برانگیز است.علاوه بر این ، تمایزهای ظریف بین موارد مشابه و قبلی نیاز به درک عمیق از دانش حقوقی دارد.محققان غالباً این مفاهیم را درگیر می کنند و تهیه تکنیک های تخصصی را برای پرداختن به موثر این کارهای ظریف دشوار می کنند.در این مقاله ، ما مدل بزرگ زبان (LAWLLM) را معرفی می کنیم ، یک مدل چند کاره که به طور خاص برای دامنه حقوقی ایالات متحده برای رسیدگی به این چالش ها طراحی شده است.Lawllm در بازیابی پرونده مشابه (SCR) ، توصیه پرونده قبلی (PCR) و پیش بینی قضاوت قانونی (LJP) برتری دارد.با تمایز به وضوح بین موارد قبلی و مشابه ، ما وضوح اساسی را ارائه می دهیم ، و تحقیقات آینده را در تدوین استراتژی های تخصصی برای این کارها هدایت می کنیم.ما تکنیک های پیش پردازش داده های سفارشی را برای هر کار پیشنهاد می کنیم که داده های حقوقی خام را به یک قالب قابل آموزش تبدیل می کند.علاوه بر این ، ما همچنین از تکنیک هایی مانند یادگیری درون متن (ICL) و روشهای پیشرفته بازیابی اطلاعات در Lainllm استفاده می کنیم.نتایج ارزیابی نشان می دهد که LAWLLM به طور مداوم از خطوط موجود در هر دو سناریو صفر و چند عکس استفاده می کند ، و توانایی های چند کاره بی نظیر و پر کردن شکاف های مهم را در حوزه قانونی ارائه می دهد.