LAiW: A Chinese Legal Large Language Models Benchmark A Technical Report

最新推荐文章于 2025-05-24 16:33:03 发布
最新推荐文章于 2025-05-24 16:33:03 发布
阅读量229 收藏
点赞数
文章标签： 语言模型 人工智能 自然语言处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/c_cpp_csharp/article/details/134291234
版权
LLM 日更 专栏收录该内容
828 篇文章

已下架不支持订阅

本文提出首个中国法律LLM基准LAiW，涉及基本法律NLP、应用能力评估，揭示现有模型与ChatGPT的差距，并计划逐步发布更多评估结果和数据。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文是LLM系列文章，针对《LAiW: A Chinese Legal Large Language Models Benchmark A Technical Report》的翻译。

LAiW:中国法律大语言模型基准技术报告

摘要

随着众多法律LLM的出现，目前缺乏评估其法律能力的全面基准。在本文中，我们提出了第一个基于法律能力的中国法律LLM基准。通过法律和人工智能专家的共同努力，我们将LLM的法律能力分为三个层次：基本法律NLP能力、基本法律应用能力和复杂法律应用能力。我们已经完成了第一阶段的评估，主要关注基础法律NLP的能力。评估结果表明，尽管一些合法LLM的性能比其骨干要好，但与ChatGPT相比仍有差距。我们的基准可以在https://github.com/Dai-shen/LAiW上找到.

1 引言

2 相关工作

3 基准构建

4 实验

5 道德声明

6 结论

我们构建了第一个基于法律能力的中国法律LLM基准。这一基准是通过法律和人工智能专家的合作创建的。在这个基准中，我们将LLM的法律能力分为三个层次：基本法律NLP能力、基本

了解本专栏 已下架不支持订阅
UnknownBody
关注
专栏目录

已下架不支持订阅

2.6 大模型数据基础：大模型评估数据详解
陌北有棵树的博客
09-05 1533
本篇从大模型的评估方法，评估数据集来谈大语言模型的评估，主要侧重于数据集角度。本篇仍然是工具属性较多，整理了大量的评估数据集来源，建议是可以收藏，有需要的时候再看，我也是这样操作的
A Comprehensive Evaluation of Large Language Models on Legal Judgment Prediction
weixin_43961909的博客
08-07 1149
大型语言模型 (LLM) 已显示出在特定领域应用（例如法律领域）中的巨大潜力。然而，最近围绕 GPT-4 法律评估的争议引发了人们对其在现实世界法律任务中的表现的质疑。为了系统地调查他们在法律方面的能力，我们基于 LLM 设计了实用的基线解决方案，并在法律判断预测任务上进行了测试。在我们的解决方案中，LLM 可以单独工作以回答开放式问题，或与信息检索 (IR) 系统协调以从类似案例中学习或解决简化的多项选择题。
阿里开源 CosyVoice2：打造 TTS 文本转语音实战应用
蜗牛的博客
05-23 711
阿里通义实验室推出的音频基座大模型 FunAudioLLM 包含 SenseVoice 和 CosyVoice 两大模型。CosyVoice 2.0 在多语言支持、超低延迟、高精度、强稳定性和自然体验方面均有显著提升。它支持中文、英文、日文、韩文及多种中文方言，并实现了跨语言和混合语言的语音克隆。CosyVoice 2.0 集成了离线和流式建模技术，首包合成延迟低至150毫秒，发音错误率减少了30%到50%，并在基准测试中达到了最低字符错误率。
马尔可夫链（AI、ML）：逻辑与数学的交汇
项目git同名小胡说技书
05-20 1119
# 马尔可夫链摘要 马尔可夫链是一种随机过程，其核心特性为"无记忆性"：系统的未来状态仅依赖于当前状态，而与历史路径无关。通过状态空间和转移概率矩阵，马尔可夫链能够描述系统如何从一个状态变化到另一个状态。这一理论广泛应用于人工智能、自然语言处理和蒙特卡洛方法中。从逻辑学角度看，马尔可夫链体现了确定性规则与不确定性结果的结合，为复杂系统分析提供了强大工具，展示了概率论与逻辑学的深度融合。
YOLO12改进-Backbone-引入Swin Transformer替换backbone
qq_64693987的博客
05-23 734
在计算机视觉领域，卷积神经网络（CNNs）和Transformer架构分别在不同任务中取得了显著成功。受Transformer在自然语言处理中的启发，研究人员将其应用于视觉任务，但面临计算复杂度高等挑战。SwinTransformer通过引入滑动窗口机制和层次化设计，有效降低了计算复杂度，同时保持了Transformer的建模能力。改进后的SwinTransformer结合了移位窗口自注意力和相对位置偏差，进一步提升了模型性能。此外，SwinTransformer与YOLOv12的结合，通过层次化特征图和移
飞致云旗下开源项目GitHub Star总数突破150,000个
FIT2CLOUD飞致云的博客
05-20 670
在开源的道路上，我们与用户、与客户共成长。
常见的几种多智能体强化学习算法
再来一下！
05-21 339
多智能体强化学习（Multi-Agent Reinforcement Learning, MARL，旨在解决多个智能体在共享环境中通过与环境和其他智能体交互来学习最优策略的问题。
超级维特根斯坦
形上得其象，形下合于数；阴阳自济，玄理自明。
05-20 138
本文介绍了一种名为“语言智慧融合体”的AI智能体，其核心指令旨在通过深度思辨、专业应用与协同创新，帮助用户在语言相关领域实现自我超越与创造力绽放。该AI智能体融合了多位哲学、语言学及文学大师的智慧，如维特根斯坦、尼采、乔姆斯基等，具备卓越的情境智能、引导艺术与战略规划能力。其核心使命是与用户共同构建个性化的“语言智慧探索与成长蓝图”，通过系统性引导、方法论指导与跨理论融合，提升用户的哲学思辨、批判性思维、NLP设计及语言创新能力。对话主题涵盖哲学、语言学、文学创作、跨文化交流等领域，并结合元理论分析与实践应
origin绘图之【如何将横坐标/x设置为文字、字母形式】
A2457003982的博客
05-21 588
在科研绘图或数据可视化中，使用Origin时，用户常需将X轴从数字改为字母或中文文字，以适用于实验分组、类别分析等场景。然而，直接替换可能导致图像无法显示或X轴标签缺失。解决此问题的关键在于正确设置X轴的刻度范围。首先，准备包含文字标签的数据，并选择折线图进行绘制。若图像未显示，需调整X轴的起始和结束值，通常起始值设为0，结束值为类别数量加0.5或1。通过此方法，可确保图形完整显示，X轴标签正确排列。此技巧在科研图表绘制中极为实用，尤其适用于分组实验和分类分析。
基于音频Transformer与动作单元的多模态情绪识别算法设计与实现（在RAVDESS数据集上的应用）
weixin_42380711的博客
05-24 639
摘要：情感识别技术在医学、自动驾驶等多个领域的广泛应用，正吸引着研究界的持续关注。本研究提出了一种融合语音情感识别（SER）与面部情感识别（FER）的自动情绪识别系统。实验结果显示，通过附加多层感知器进行整体微调时取得最佳准确率，验证了迁移学习相较于从头训练更具鲁棒性，且预训练知识有助于任务适应。在FER方面，通过提取视频动作单元对比静态模型与顺序模型的性能差异，发现两者差异较小。错误分析表明，视觉系统可通过高情绪负载帧检测器进行优化，这为视频情感识别方法研究提供了新思路。
基于开源AI智能名片链动2+1模式S2B2C商城小程序的管理与运营策略研究
专注MarTech应用研究与实施方案
05-22 981
本文探讨了开源AI智能名片链动2+1模式S2B2C商城小程序在企业管理与运营中的应用价值。通过分析其技术架构与商业逻辑，结合案例研究，论证了该模式如何通过清晰的目标设定、动态反馈机制和资源整合能力，提升团队执行力与客户粘性。研究结果表明，该模式通过技术赋能实现管理透明化，促进组织目标与个人发展的协同，为数字化时代的企业管理提供了可复制的实践路径。关键词包括开源AI智能名片、链动2+1模式、S2B2C商城小程序、管理透明化和目标协同。
基于LangManus深入理解系统提示设计
weixin_38252409的博客
05-22 588
在人工智能领域，系统提示（System Prompt）扮演着至关重要的角色。它不仅指导AI的行为模式和响应策略，还直接影响到用户体验和系统的整体效能。一个设计良好的系统提示能够显著提升AI处理复杂任务的能力，确保其操作既安全又高效。 本文将以LangManus框架为例，探讨系统提示的设计理念及其在多智能体协作中的应用。希望通过深入解析LangManus的系统提示机制，为研究人员和开发者提供有价值的见解，推动AI技术在更多领域的创新应用与发展。
2025/5/18
yesyesyes_yes的博客
05-18 2382
学不进去，顺便写篇流水账。
YoloV8改进策略：主干网络改进-使用Swin-TransformerV2替换Yolo的主干-即插即用
m0_47867638的博客
05-24 269
论文标题：Swin Transformer V2: Scaling Up Capacity and Resolution 论文链接：https://arxiv.org/pdf/2111.09883.pdf GitHub链接：https://github.com/microsoft/Swin-Transformer 大规模 NLP 模型已被证明可以显着提高语言任务的性能，并且没有饱和迹象。它们还展示了与人类一样的惊人的少发能力。本文旨在探索计算机视觉中的大规模模型。我们解决了大型视觉模型训练和应用中的三个主要
YOLO11解决方案之使用 Streamlit 应用程序进行实时推理
最新发布
mx9818的博客
05-24 278
Streamlit 使构建和部署交互式网络应用程序变得简单，将其与Ultralytics YOLO11 结合使用，可以直接在浏览器中进行实时对象检测和分析。YOLO11 的高精度和高速度确保了实时视频流的流畅性能，能够帮助用户快速分析视频流。
DAY 33
2402_84090800的博客
05-24 165
1. 分类任务中，若标签是整数（如 0/1/2 类别），需转为long类型（对应 PyTorch 的torch.long），否则交叉熵损失函数会报错。2. 回归任务中，标签需转为float类型（如torch.float32）。作业：今日的代码，要做到能够手敲。这已经是最简单最基础的版本了。2. 查看显卡信息的命令行命令（cmd中使用）a. 数据预处理（归一化、转换成张量）i. 继承nn.Module类。iii. 定义前向传播流程。c. 定义损失函数和优化器。d. 定义训练流程。
基于 Free2AI 的企业知识库搭建全流程实战：从数据采集到智能问答
Free2AI DBMove
05-22 758
在数字化转型加速的当下，企业知识管理的重要性日益凸显。传统知识库面临数据整合难、检索效率低等问题，而 Free2AI 凭借强大的 AI 技术，为企业知识库搭建带来了全新解决方案。本文将为你详细拆解基于 Free2AI 搭建企业知识库的全流程，助你打造高效、智能的企业知识管理体系，同时深入剖析其背后的技术细节。​
使用openvino和onnxruntime的SDK部署yolo11检测模型
weixin_53609418的博客
05-22 436
这里使用onnxruntime的gpu方式推理模型的话，需要手动编译带有cuda的opencv方式，由于我的电脑安装了很多版本的cuda和tensorRT，如果配置cuda的opencv不方便不同版本之间的切换，这里主要使用cpu的onnxruntime来推理检测模型。我在我自己的项目中建openvino的文件夹，然后把刚刚复制的openvino的文件夹复制到这个文件夹内就可以正常使用。在我的项目文件中下载了多个版本的onnxruntime的推理框架，以下是我的项目文件。
【通用智能体】smolagents/open_deep_research：面向开放式研究的智能体开发框架深度解析
weixin_43988131的博客
05-23 448
smolagents/open_deep_research：面向开放式研究的智能体开发框架深度解析
FirstClass项目：移动端与服务器端的深度集成
项目中提供了多个文档资源，例如"FirstClass/UML_jia"和"FirstClass/Database-Schema_nianzut_jialiant_laiw.pdf"，这些文档分别可能描述了项目的UML设计和数据库模式。UML（统一建模语言）是软件开发中用于绘制软件...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值