優化自動法律分類與轉介中的主動聆聽

研究論文提出了一個名為 FETCH 的分類器，該分類器使用低成本大型語言模型集成來生成後續問題，以幫助細化申請人的法律問題匹配。透過專家律師和 LLM 輔助評估，研究顯示低成本 LLM 在分類任務上表現良好，但生成高質量的 plain-language 問題需要更複雜且更高成本的模型。研究人員與法律攝入工作者討論後，提出了一套評估法律攝入分類問題的標準，並發現僅靠提示工程不足以改善問題質量。此外，LLM 作為評判者與人類評分存在分歧。研究演示了加入單一高成本模型如 GPT-5 後，分類器能夠從申請人那裡誘發相關信息，從而提高分類任務的準確性。研究還發現不同類別之間的事實誘發不均勻，包括家庭暴力領域，這與家庭法篩查協議不符，建議在某些法律領域加入專門的篩查面板。