Transformer模型预测法庭案件下一次庭审结果
热点事件持续更新
Transformer模型预测法庭案件下一次庭审结果
1 篇报道1 个报道来源22 小时前更新
先了解这件事
AI 综述
Kory Rosen 与 Aron Culotta 提出一种基于 Transformer 的时间序列模型,把案件建模为事件序列,用来预测下一次庭审的结果,例如受理指控、设定保释金、达成认罪协议等。模型结合书记员笔记文本,以及被告、既往指控和法庭的结构化信息。 在 20 类多标签任务上,该模型取得 0.57 micro-F1,研究者称其显著优于多个基线,但与使用相同输入的 GRU 模型表现相当。
AI 根据报道生成 · 14 小时前更新
最新进展11月19日 13:00
从提审到裁决:用 Transformer 模型预测法院案件走向报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv cs.CY从提审到裁决:用 Transformer 模型预测法院案件走向
研究者提出基于 Transformer 的时间序列模型,将案件建模为事件序列,预测下一次庭审结果(如受理指控、设定保释金、达成认罪协议等)。模型结合书记员笔记文本与被告、既往指控、法庭的结构化信息,在 20 类多标签任务上取得 0.57 micro-F1,显著优于多个基线,与同输入的 GRU 相当。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 811月19日 22:00
- 近 24 小时变化
- –
02468
11月20日03:0006:0009:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。