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。

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生成标签，解决二元分类任务。他们使用CNN、GRU和LSTM等特征和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，他们提高了模型性能。无监督系统在开发集和测试集上都取得了显著提高。