尼泊尔法律领域问答的检索增强生成框架

英语等高资源语言的法律领域已广泛采用人工智能来回答法律问题。然而，尼泊尔语等资源匮乏语言的数据稀缺限制了 大语言模型 对尼泊尔法律文本的训练。本研究首次应用基于检索增强生成的模型来回答尼泊尔法律问题，该模型使用从尼泊尔 Kanun Patrika 数字档案中提取的判例法。在分块文档上使用 BM25，该方法实现了 91% 的最高精确度，而使用多语言 E5 大型模型则高达 75%。对生成答案的评估显示，根据自动判断模型，真实性为 74%，真实性为 85%，而使用 BM25 文档检索时，人工评估真实性为 84%，答案生成成功率为 92%。这些结果表明，RAG 管道可以有效解决低资源语言法律问答方面的差距，并为尼泊尔法律领域可靠的人工智能系统奠定基础。