نخلّي نماذج اللغة القانونية تنسب كلامها لمصادره
CoCoLex: فكّ ترميز قايم على النسخ ومُوجَّه بالثقة، بيخلّي النص القانوني أمين لمصادره.
المشكلة
نماذج اللغة القانونية بتهلوس، وفي القانون الاستشهاد الملفّق أسوأ من السكوت. الرسالة اشتغلت على الاستشهاد الأمين: إن النموذج ينقل من مصادره بدل ما يخترع.
ما الذي بنيناه
مع المشرف بتاعي، بدأنا على آليات النسخ، على خطى “Copy Is All You Need”، وبعدين اتحوّلنا لجانب فكّ الترميز. التحوّل ده طلّع CoCoLex: فكّ ترميز قايم على النسخ ومُوجَّه بالثقة. لما النموذج مش متأكد، بينقل من المصدر بدل ما يرتجل. اتقبل في ACL 2025، المؤتمر الرئيسي. وكمان بنودّي كود CoCoLex للمجتمع كمستودع مفتوح، عشان أي حد يقدر يعيد التجربة ويبني عليها لنص قانوني موثّق. وبنتعاون فعليًا مع الباحثين اللي عايزين يوسّعوها.
الأرقام التي حرّكناها
- +15.7 pts
- صحّة أعلى
- +12.1 pts
- تماسك أعلى
- +5.5 pts
- أمانة أعلى
- 5 / 5
- معايير قياس أكثر أمانة
بفضل قدرتها على معالجة سياقات طويلة ومعقّدة، تقدر نماذج اللغة الكبيرة تقدّم فوايد أساسية للمجال القانوني، لكن تبنّيها اتعطّل بسبب ميلها لتوليد مخرجات غير أمينة أو غير مؤسَّسة أو هلوسة. ومع إن التوليد المعزّز بالاسترجاع (RAG) بيقدّم حلًّا واعدًا عن طريق تأسيس التوليد على معرفة خارجية، إلا إنه مابيضمنش إن السياق المقدَّم هيتدمج فعليًا. عشان كده، اتقترحت استراتيجيات فكّ ترميز واعية بالسياق لتضخيم تأثير السياق ذي الصلة، لكنها عادةً مابتفرضش الأمانة للسياق بشكل صريح. في الشغل ده، بنقدّم فكّ الترميز القايم على النسخ والمُوجَّه بالثقة لتوليد النص القانوني (CoCoLex) — استراتيجية فكّ ترميز بتدمج ديناميكيًا توزيع المفردات اللي بينتجه النموذج مع توزيع مشتقّ من النسخ من السياق. CoCoLex بيشجّع النسخ المباشر بناءً على ثقة النموذج، وبيضمن أمانة أعلى للمصدر. النتايج التجريبية على خمس مجموعات قياس قانونية بتوضّح إن CoCoLex بيتفوّق على طرق فكّ الترميز الواعية بالسياق الموجودة، خصوصًا في مهام التوليد الطويلة.