PROSE：法律判决预测中有罪偏见的保真约束选择性编辑

论文提出 PROSE，在修正法律判决模型有罪偏见时保护正确判决。

资讯摘要

论文研究法律判决预测模型的有罪偏见：当决定性条件被改动、指控不再成立时，模型仍维持有罪判决。作者构建经法律审核的配对数据集 CAIL-MC，含 11,478 对样本、覆盖 261 项中国刑事罪名。基于激活干预观察，论文提出 PROSE，从训练得到的残差几何重建个案目标，结合局部间隔下降信号并抑制支持有罪敏感成分，以保真正则化低秩更新实现有界修正。作者报告在 Qwen3-8B 与 GLM4-9B 上配对安全修复与证据敏感性更强，且保留标准单次推理。

要点速读

1. 论文构建 CAIL-MC，含 11,478 对匹配样本，覆盖 261 项中国刑事罪名，并经法律审核。
2. 论文提出 PROSE，用残差几何重建目标、局部间隔下降对齐、抑制支持有罪敏感成分，并以保真正则化低秩更新实现有界修正。
3. 作者报告在 Qwen3-8B 和 GLM4-9B 上配对安全修复与证据敏感性更强，同时保留标准单次推理。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。