[论文解读] The Law and NLP: Bridging Disciplinary Disconnects

Robert Mahari, Dominik Stammbach+2 more|arXiv (Cornell University)|Oct 22, 2023

Artificial Intelligence in Law被引用 1

一句话总结

本文认为法律自然语言处理（NLP）研究与法律实务需求脱节，主张转向解决司法可及性危机的应用研究。它提出应通过NLP研究者与法律专业人士的更深层次合作，将NLP研究扎根于实际法律工作流程，例如判例检索、法律段落预测，以及基于私有法律数据的检索增强生成。

ABSTRACT

Legal practice is intrinsically rooted in the fabric of language, yet legal practitioners and scholars have been slow to adopt tools from natural language processing (NLP). At the same time, the legal system is experiencing an access to justice crisis, which could be partially alleviated with NLP. In this position paper, we argue that the slow uptake of NLP in legal practice is exacerbated by a disconnect between the needs of the legal community and the focus of NLP researchers. In a review of recent trends in the legal NLP literature, we find limited overlap between the legal NLP community and legal academia. Our interpretation is that some of the most popular legal NLP tasks fail to address the needs of legal practitioners. We discuss examples of legal NLP tasks that promise to bridge disciplinary disconnects and highlight interesting areas for legal NLP research that remain underexplored.

研究动机与目标

• 通过利用NLP使法律服务更经济、更具可扩展性，以应对日益严峻的司法可及性危机。
• 识别并弥合NLP研究与法律实践之间的学科脱节，因为当前的NLP任务往往无法满足现实世界的法律需求。
• 突出尚未充分探索但具有高影响力的法律NLP研究领域，如法律段落预测、引用分析，以及在保密法律数据上的检索增强生成。
• 促进NLP研究者与法律学者/实务工作者之间的合作，确保研究基于真实的法律工作流程与挑战。
• 将司法可及性定位为法律NLP的共同规范性目标，引导研究朝向社会有益的方向发展，而非仅追求通用NLP基准。

提出的方法

• 通过追踪171篇引用Zhong等（2020）的开创性法律NLP综述论文的后续引用，开展快速文献综述。
• 将法律NLP任务划分为三类：(1) 有助于法律服务提供的应用，(2) 虽广泛但对法律影响有限的NLP任务，(3) 尚未充分探索但具有高影响力的研究方向。
• 分析引用模式，显示跨学科互动程度低，法律出版物极少引用法律NLP论文，表明存在脱节。
• 提出与法律实践相契合的具体NLP应用，例如法律段落预测（LPP），用于识别司法意见中的关键引用部分。
• 倡导使用私有法律数据进行检索增强生成（RAG）技术，帮助律师基于过往案件档案起草文件。
• 强调在处理机密法律数据时，尤其是事务所特定的知识库，必须构建安全、可审计且保护隐私的NLP系统。

实验结果

研究问题

• RQ1 为何流行法律NLP任务（如最高法院判决预测）对大多数法律实务工作者而言实用性有限？
• RQ2 哪些关键法律NLP任务仍处于未充分探索状态，但若实现可显著提升司法可及性与法律服务效率？
• RQ3 NLP研究如何更好地与法律专业人士在实务中面临的工作流程与挑战保持一致？
• RQ4 检索增强生成技术在律师事务所的专有法律数据上如何实现安全且有效的应用？
• RQ5 NLP研究者与法律学者如何能更有效地合作，以确保NLP工具解决真实法律问题，而非仅服务于学术基准？

主要发现

• 法律NLP研究与法律学术界之间存在显著脱节，表现为法律出版物极少引用法律NLP论文。
• 许多流行的法律NLP任务（如最高法院判决预测）缺乏实际效用，因其聚焦于罕见的高层级案件，而非日常法律工作。
• 法律段落预测（LPP）比全案分类更具相关性，因为它帮助律师识别司法意见中可引用的具体部分。
• 在私有法律数据上应用检索增强生成（RAG）具有巨大潜力，可辅助律师进行文件起草，前提是确保保密性与可审计性。
• 当前的NLP研究往往未能解决法律实务中的核心挑战，如判例检索与引用分析，尽管这些任务具有极高的实际价值。
• 缺乏跨学科互动表明，NLP研究尚未有效影响或被法律实践所影响，从而削弱了其在扩大司法可及性方面的潜力。