SemEval2024 任务 5:民事诉讼中的合法论证任务中的渴望学习耠
原文中文,约300字,阅读约需1分钟。发表于: 。该研究通过比较不同方法,调查了零样本方法在使用三种大型语言模型、两种具有大输入标记尺寸的模型和两种预训练的法律数据模型进行数据分类方面的表现。我们的主要数据集来自美国民事诉讼领域,包括法律案例摘要、具体问题、潜在答案和详细解释,这些都是从一本针对法律学生的书中获取的。通过这些实验,我们的发现展示了大型语言模型的零样本方法如何有效理解复杂数据,我们在实验中取得了最高的 F1 得分,达到了 64%。
SCaLAR团队在SemEval-2024任务5中提出了一种基于相似度和距离的无监督方法来解决二元分类任务。他们使用CNN、GRU和LSTM等特征以及Legal-Bert嵌入来处理法律文本复杂性。通过引入基于T5的分段摘要,他们成功提高了模型性能。无监督系统在开发集和测试集上都取得了显著的得分提高。