探索用于球场视图生成的轻量级 大语言模型

刑事法庭视图生成（CVG）是法律人工智能（Legal AI）中的一项关键任务，涉及根据案件事实生成法庭视图。在这项工作中，我们系统地探索了轻量级（小于2B）大语言模型（LLM）在CVG中的能力及其对电荷预测的影响。我们的研究解决了四个关键问题：（1）LLM 的不同架构如何影响 CVG 质量和电荷预测。 (2) LLM 大小对性能有何影响，(3) 在这些任务中轻量级 LLM 与深度神经网络 (DNN) 相比如何，以及 (4) 首先通过法庭视图生成预测费用与直接预测费用有何比较。此外，我们还开发了 CVGEvalKit，这是一个评估框架，包括用于 CVG 任务的三个公共可用数据集，并预测其费用。在此框架上进行了全面的实验，其中模型在混合训练集上进行训练，并在每个数据集的测试集上进行评估。实验结果为模型架构、模型大小以及不同任务之间的影响之间的权衡提供了新的见解，凸显了轻量级 LLM 在司法人工智能应用中的潜力。源代码可在 \url{https://github.com/ZhitianHou/CVGEvalKit} 匿名获取