LegalPincite：多级法律信息检索数据集，解决段落级引用缺失
Theresia Veronika Rampisela · hf · 2026-08-06
现有的公共法律信息检索（IR）数据集大多缺乏段落级别的精确引用标注，且部分可用数据集存在查询文本数据泄露、排除了非引用段落等问题，导致检索环境过于简化、性能虚高。
为此，研究者基于欧盟法院（CJEU）的判决书构建了大规模法律 IR 数据集 LegalPincite。该数据集包含：
- 移除了引用信息的掩码查询
- 包含所有段落的完整语料库
- 案例级和段落级的真实引用标注（含部分专家人工验证）
该数据集支持案件到案件、段落到案件、段落到段落等多级别的检索方法开发与严格评估。
「研究」频道最新
- Goodfire 推出 MAPS：可解释 210 万个基因变异的机制图谱 — mathildepapillo · 2026-08-06
- Flow Map Learning 新理论：解释流模型中 stop-gradient 的有效性 — kwangmoo_yi · 2026-08-06
- 复旦研究警示：AI 模型已具备类似蠕虫病毒的自主复制能力 — willknight · 2026-08-06
- 主流大模型谄媚行为评测：谁爱附和、谁能独立判断？ — zero0_one1 · 2026-08-06
- 大模型“学坏”后更易失控，安全护栏泛化不足 — nptacek · 2026-08-06
- GEPA 优化算法提速 4 倍，并行评估反促泛化提升 — dbreunig · 2026-08-06