用本地 LLM 从 400 万份判决书抽取事件图谱:枚举爆炸与递归法律逻辑两大坑
SignificantZebra5883 · reddit · 2026-10-17
一位开发者在 Reddit 详述构建覆盖约 400 万份斯洛伐克法院判决的法律检索与分析引擎时遇到的表示难题:稠密向量 + BM25 已上线做基础检索,但要同时做到复杂查询近 100% 精确率和法计量统计(如「涉酒抚养权案件中父亲获胜比例按年份/法官分组」)时,平面表示失效。已试过 LLM 结构化 JSON 抽取并在生产中失败,原因有二:
- 开放世界事实的枚举爆炸:不锁定类别时 LLM 会造出数千种不兼容字符串(如 "alkohol"、"1.8 promile");锁死 Enum 则要么枚举膨胀到 2000 项破坏 prompt 遵从性,要么全被塞进 OTHER。
- 递归法律逻辑(俄罗斯套娃式裁决)与证据性:最高法院「撤销下级法院对母亲独占抚养请求的驳回并发回重审」是三层嵌套状态链,平面 SVO 三元组会误记为母亲败诉;而「父亲酗酒」只是母亲主张、父亲否认、法院未认定,平面抽取丢失 modality/evidentiality。
作者列出三条候选架构征求 NLP/IR/LegalTech 社区意见,首选是 ID 链接的事件图(Neo-Davidsonian/RDF-star 风格):每份判决抽成 8–15 条平面事件行,obj 可引用其他行 @id,并附 claimedby/proven 等认知限定符,文中给了具体 JSON 示例。
「编程与Agent」频道最新
- 50+ 免费 AI Agent 学习资源合集：视频与仓库一站打包 — ifioknkem · 2026-10-23
- 自封「全网最佳」的免费 AI Agent 资源库引围观 — ifioknkem · 2026-10-23
- Vercel 推出免注册部署：拖拽文件到首页即得线上 URL — steren · 2026-10-23
- 5 个 Claude Code 会话经 MCP 互发邮件，组队攻破多品牌网络摄像头 — doodlestein · 2026-10-23
- Vercel 上线 vercel deploy --temporary,可临时部署后自动清理 — cramforce · 2026-10-23
- 用同一个 Notion 工作区让多个 Agent 互相沟通分工，实测有效 — nbaschez · 2026-10-23