Resumen: Los avances recientes en modelos de lenguajes grandes (LLM) han llevado a avances sustanciales en aplicaciones de dominios específicos, particularmente dentro del ámbito legal. Sin embargo, los modelos de propósito general como GPT-4 a menudo tienen problemas con subdominios especializados que requieren conocimiento legal preciso, razonamiento complejo y sensibilidad contextual. Para abordar estas limitaciones, presentamos LabourLawLLM, un modelo legal de lenguaje amplio adaptado a la legislación laboral china. También presentamos LabourLawBench, un punto de referencia integral que cubre diversas tareas de derecho laboral, incluida la citación de disposiciones legales, la respuesta a preguntas basadas en conocimientos, la clasificación de casos, el cálculo de compensaciones, el reconocimiento de entidades nombradas y el análisis de casos legales. Nuestro marco de evaluación combina métricas objetivas (por ejemplo, ROUGE-L, precisión, F1 y soft-F1) con una evaluación subjetiva basada en la puntuación GPT-4. Los experimentos muestran que LabourLawLLM supera consistentemente a los LLM de propósito general y específicos legales existentes en todas las categorías de tareas. Más allá del derecho laboral, nuestra metodología proporciona un enfoque escalable para crear LLM especializados en otros subcampos legales, mejorando la precisión, la confiabilidad y el valor social de las aplicaciones legales de IA.
Publicado originalmente en export.arxiv.org el 15 de enero de 2026.
Ver fuente original
