生成式模型在法律案例摘要中表现优于抽取方法，但存在不一致和虚构问题。建议通过人机交互进行人工检查，提高摘要可靠性，需进一步改进模型准确性。

使用领域特定的预训练BERT模型和Transformer编码层提取长文档的句子嵌入，并通过无监督聚类提取隐藏标签，以提高预测法律案例判断结果的性能。实验结果显示了领域特定预训练Transformer编码器的重要性。

该研究使用神经命名实体识别技术，提出了从法律案例中提取目标信息的方法，并在加拿大难民法律领域进行了案例研究。模型在5个目标类别上实现高于90%的F1分数，在其他4个类别上实现超过80%的分数。