加州圣塔克鲁兹大学在 SemEval-2024 第 5 项任务中的自然语言处理：使用少样本多选题进行法律答案验证
原文中文，约300字，阅读约需1分钟。发表于：。本文介绍了我们在 SemEval 2024 任务 5 中提出的内容：民事诉讼中的法律争议推理任务。我们提出了解决法律答案验证问题的两种方法：首先，对预训练的 BERT 模型进行了微调，并发现基于领域知识训练的模型效果更好；其次，我们对 GPT 模型进行了少样本提示，发现将答案验证任务改为多项选择问题显著提高了模型的性能。我们的最佳模型是基于 BERT 的模型，在 20 个参赛作品中取得了第 7 名。
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民事诉讼中的法律论证问题。他们使用了CNN、GRU和LSTM等集成特征和多级融合的Legal-Bert嵌入来解决法律文本复杂性的问题。通过引入基于T5的分段摘要，成功保留关键信息并提高了模型性能。无监督系统在开发集和测试集上都取得了显著提高的得分。
