Resumen: Cada año, millones de personas buscan ayuda para sus problemas legales llamando a una línea directa del programa de asistencia legal, entrando a una oficina de asistencia legal o utilizando un servicio de referencia de abogados. El primer paso para igualarlos con la ayuda correcta es identificar el problema legal que el solicitante está experimentando. La mala dirección tiene consecuencias. Los solicitantes pueden perder una fecha límite, experimentar abuso físico, perder viviendas o perder la custodia de los niños mientras esperan conectarse con la ayuda legal adecuada. Introducimos y evaluamos el clasificador de Fetch para la clasificación de problemas legales y describimos dos métodos para mejorar la precisión: un método de clasificación de conjunto híbrido LLM/ml y la generación automática de preguntas de seguimiento para enriquecer la narrativa del problema inicial. Empleamos un nuevo conjunto de datos de 419 consultas del mundo real a un servicio de referencia de abogados sin fines de lucro. En última instancia, mostramos precisión de clasificación (golpes@2) de 97.37 % utilizando una combinación de modelos de bajo costo, excediendo el rendimiento del modelo GPT-5 de estado de estado actual. Nuestro enfoque es prometedor para reducir significativamente el costo de guiar a los usuarios del sistema legal al recurso correcto para su problema al tiempo que logran una alta precisión.
Publicado Originalme en export.arxiv.org El 9 de septiembre de 2025.
Ver Fuente Original
