计算机应用

作者：张滨滨, 秦永彬, 黄瑞章, 陈艳平

单位：1.贵州大学 计算机科学与技术学院，贵阳 550025；2.公共大数据国家重点实验室（贵州大学），贵阳 550025；3.文本计算与认知智能教育部工程研究中心（贵州大学），贵阳 550025

关键词：大语言模型,动态提示,裁判文书摘要,结构缺失,事实不一致

基金：国家重点研发计划项目(2023YFC3304500);贵州省科学技术基金重点资助项目(［2024］003)

针对裁判文书案件结构复杂、涉案事实冗余且案情分布广泛的问题，现有的大语言模型（LLM）难以有效关注结构信息并可能会产生事实错误关联，从而导致结构信息缺失和事实不一致。因此，提出一种结合LLM与动态提示的裁判文书摘要方法DPCM（Dynamic Prompt Correction Method）。首先，利用LLM进行单样本学习，以生成裁判文书摘要。其次，计算原文与摘要之间的高维相似性，以检测摘要中可能存在的结构缺失或事实不一致的问题：如果发现问题，将错误摘要与原文拼接，并加入提示词，随后再次进行单样本学习，以修正并生成新的摘要，且再次进行相似性检测，如果问题仍然存在，则重复此生成与检测过程。最后，通过这种反复迭代的方式动态调整提示词，以逐步优化生成的摘要。在CAIL2020公共司法摘要数据集上的实验结果表明，相较于Least-To-Most-Prompting、Zero-Shot-Reasoners和Self_Consistency_Cot等方法，所提方法在Rouge-1、Rouge-2、Rouge-L、BERTscore、FactCC （Factual Consistency）指标上均有所提高。

来源：2025年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第9期