韩语性犯罪判例分类，小模型KLUE-BERT竟达99.3%准确率，碾压GPT-4！
Legal text classification in Korean sexual offense cases: from traditional machine learning to large language models with XAI insights
📖 AI 总结
本研究针对韩国性犯罪判例的法律文本分类任务，系统比较了从传统机器学习到大型语言模型的多类方法，涵盖十种案件类别。核心发现是：经法律数据微调的小规模模型KLUE-BERT准确率达99.3%，显著优于GPT-3.5、GPT-4.0等通用大模型及传统机器学习方法，表明在法律文书分类中领域适配与微调比模型规模更为关键。研究进一步引入可解释AI技术分析模型预测与误判案例，揭示了影响决策的语言特征及模型捕捉细微文本线索的局限。在接近真实法律记录的KICS数据上，模型泛化能力受限，难以解读隐含的语境线索。该研究强调法律AI需兼顾性能与可解释性，XAI有助于提升分类透明度，相关工具可辅助法律从业者完成文书分类、信息检索与案件评估。
🔑 关键词速览
| KLUE-BERT | 一种针对韩语自然语言理解任务预训练的BERT模型，常用于韩语文本分类。 |
| XAI | 可解释人工智能，旨在使机器学习模型的决策过程对人类可理解。 |
| KICS | 韩国性犯罪案件数据集的缩写，包含类似真实法律案件记录的数据。 |
| 领域适应 | 将通用模型调整到特定领域（如法律）的过程，以提高在该领域的性能。 |
| 微调 | 在预训练模型的基础上，使用特定任务的数据进一步训练模型，以适应新任务。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅