摘要

我们提出了一项新的共享任务：从法律文本中进行语义检索，具体为“合同发现”（contract discovery），即在提供其他法律文件中若干相似条款示例的前提下，从文档中提取出相应的法律条款。该任务与传统的自然语言推理（NLI）以及法律信息抽取类共享任务存在显著差异，主要体现在其需识别文本片段而非单个文档、页面或段落。在任务规范说明之后，本文在统一框架下对多种解决方案进行了评估。研究结果表明，当前最先进的预训练编码器在该任务上表现不佳，难以获得令人满意的结果。相比之下，基于语言模型（Language Model, LM）的解决方案表现更优，尤其在采用无监督微调（unsupervised fine-tuning）策略时效果更为显著。除消融实验外，本文还探讨了在不同示例数量条件下，相关文本片段检测准确率的变化情况。此外，除公开发布数据集与基准结果外，我们还开源了专为法律领域优化的语言模型，以促进该方向的研究发展。