PROSLEX：面向印度司法的专家标注法律条文预测数据集

摘要

法律条文预测（Legal Statute Prediction, LSP）是指根据法律文件中的事实描述自动识别相关法律条文，在自然语言处理与信息检索研究中通常被构建为多标签分类任务。尽管近期进展已开始将大语言模型（LLM）用于条文预测，但当前方法主要关注准确率指标，未能回应法律推理这一关键需求——在司法场景中，裁决必须可解释、可论证，法律推理是基本要求。为填补这一研究空白，我们提出PROSLEX（PRediction Of Statutes and LEgal eXplanation），一个包含1,623份印度语境专家标注法律文档的综合数据集。每份文档均配有条文预测与详细解释，共计7,450条解释，刻画了其背后的法律推理。基于该数据集，我们系统评测了多种提示词策略，包括零样本、少样本、思维链与思维树方法，用于生成条文预测及其对应的法律理据。我们的评测框架不仅衡量预测性能，还衡量所生成解释的连贯性与法律有效性，将PROSLEX定位为开发可解释AI系统的基准，既能支持法律从业者，也推动可解释法律NLP研究。为确保可复现性，我们已在GitHub公开PROSLEX数据集与模型代码：https://github.com/subinay494/Legal_Statute_Prediction_Explanation。

PROSLEX：面向印度司法的专家标注法律条文预测数据集：论文配图 — 图2：该工作流展示了一个通过推理为法律案例识别适用的《印度刑法典》（IPC）条款的法律预测框架。图中所示的工作流里，法律语料由法律专家进行标注，以创建由案例事实与相关条款及解释配对组成的训练集。左侧展示了一个涉及Bheemanna袭击与死亡的示例案例，其中高亮文本被映射到IPC第302条（谋杀）和第147条（暴乱）。系统使用检索模型查找相似案例，然后运用少样本示例与思维链推理等上下文学习技术对未标注案例进行预测。底部部分展示了模型分析一份关于嫁妆骚扰（dowry harassment）的测试文档，并正确预测出适用条款（煤油焚烧致死对应IPC 302，嫁妆骚扰对应IPC 498A）。