LAURA：法律合同中可解释的歧义条款识别的知识蒸馏

法律合同包含模糊性，使企业面临财务和法律风险。有些歧义允许灵活解释而不会引发争议，而另一些则导致重大的法律冲突。这使得仅识别是不够的，可解释的理由分析至关重要。我们提出了 LAURA，一个用于可解释的歧义子句识别的训练后框架。 LAURA 利用知识蒸馏和 IRAC-Unlearning 提示技术将知识从教师 LLM 转移到开放权重学生模型（<=1B 参数），然后使用结合分类和理由生成损失的联合目标进行训练。该框架支持法律和非法律利益相关者就哪些模糊性需要进一步关注做出明智的决定。跨 7 个基线和 7 个开放重量模型的大量实验表明，LAURA 与 Flan-T5 (250M) 可以在所有可解释基线上提供最先进的可解释性，同时与性能最佳的不透明基线的识别性能相匹配。