来源：期刊VIP网 时间：
作者：李明达;邸洪波;孙媛媛;王艳华;杨志豪;林鸿飞;
单位：大连理工大学计算机科学与技术学院;大连市公安局网安支队;中国人民解放军空军通信士官学校;
摘要：基于预训练语言模型的法律问答系统无法灵活理解用户的意图，且缺乏外部知识的整合，难以达到预期的效果。为此，该文提出了基于法条库的细粒度刑法问答数据集（Fine-grained Criminal Law Question Answering,FCL-QA），并基于该数据集，提出了基于大语言模型的法条检索增强问答框架（Statutory Articles Retrieval Augmented Question Answering Framework,SaRAF）。其核心思想是通过多等级分类定位到问题所属的主题，通过主题缩小法条的范围便于进行检索，并最终利用大语言模型生成答案。实验结果表明，SaRAF框架优于无法条生成与传统检索增强生成（Retrieval-augmented Generation,RAG）的方法，在FLC-QA数据集上取得了42.27%的ROUGEL F1分数、27.78%的BLEU-4分数和72.52%的BERTScore分数。
关键词：大语言模型;;问答系统;;检索增强
基金资助：国家重点研发计划项目(2022YFC3301801)
