跨架构 LLM 集成、基于特征的重排序和检索增强法律信息处理提示

法律信息处理跨越检索、蕴涵和判断预测问题，需要文本匹配、推理和在有限监督下的稳健泛化。我们报告了 DU 团队参与 COLIEE 2026 的所有五项任务，使用开放权重系统进行法律案件检索、案件蕴涵、法规检索和蕴含以及法律判决预测。对于任务 3 和 4，所有模型均早于规则要求的 2025 年 7 月 15 日截止日期。对于任务 4（法规蕴含），来自三个系列的 9 个模型的跨架构集成实现了 96.3% 的准确率，在 11 个团队的 33 个提交中排名第一。对于试点任务（侵权预测和理由提取），多视图系统结合了五个索赔级别模型，并使用索赔预测派生的特征细化判决，作为非官方提交，TP 准确率达到 73.1%，RE F1 达到 68.2%，在 TP 上得分高于所有官方条目，在 RE 上得分最高。对于任务2（法律案件蕴含），仅将提示从单选更改为多选，在已发布金标的赛后评估中，F1从0.343提高到0.555，超过了最佳官方提交（F1 = 0.490）。对于任务 3（法规检索和蕴含），用 Qwen3-235B 替换蕴含模型和结构化法律推理提示将赛后分析的准确率从 79.3% 提高到 91.5%。对于任务 1（法律案例检索），将词汇和语义检索与结构、引用权威和时间特征（总共 34 个）相结合的学习排名系统实现了 F1 = 0.314（在 22 个团队的 54 份提交中排名第 11）。总体而言，法律信息处理受益于跨任务的不同归纳偏差，跨架构集成、基于特征的重新排序和检索增强提示在不同的环境中都被证明是最有效的。