Resumen Técnico: Hacia la Varianza Adjudicativa Explicable

Planteamiento del Problema

Los sistemas de predicción de resultados legales enfrentan un desafío fundamental: desentrañar los hechos objetivos del caso del contexto adjudicativo. Mientras que las decisiones basadas en el mérito dependen de la evidencia fáctica, las resoluciones técnicas suelen depender de la discreción judicial. Los enfoques existentes, particularmente los modelos estándar de clasificación de texto y los Modelos de Lenguaje Extensos (LLM) generativos, a menudo tratan la identidad del juez como una característica estática o no modelan explícitamente las distintas vías funcionales de las decisiones legales (basadas en el mérito frente a las no basadas en el mérito). Además, los métodos actuales tienen dificultades para capturar la interacción matizada entre las reglas procesales y la determinación de hechos en jurisdicciones específicas como el Tribunal de Empleo del Reino Unido (UKET), donde los resultados no son monolíticos y frecuentemente dependen de la discreción administrativa en lugar de los méritos legales sustantivos.

Metodología

Los autores proponen una arquitectura de Aprendizaje Multitarea (MTL) con Compuerta Consciente del Juez (Judge-Aware Gated MTL) diseñada para modelar explícitamente la distincción entre las vías de decisión basadas en el mérito y las no basadas en el mérito. La metodología se estructura en torno a tres componentes principales:

1. Taxonomía Legal Detallada (DCO)

Para supervisar el codificador e imponer una regularización estructural, los autores introducen una taxonomía de Resultado de Caso Detallado (DCO) que comprende 11 categorías finas. Este esquema distingue entre:

• Resultados Basados en el Mérito: Decisiones que evalúan los hechos del caso y los méritos legales (p. ej., Victoria/Derrota Sustantiva, Sentencia por Incumplimiento).
• Resoluciones No Basadas en el Mérito: Decisiones que terminan los casos por motivos técnicos sin abordar los hechos subyacentes (p. ej., Desestimación por Procedimiento, Fuera de Plazo).
• Resultados Mixtos: Casos que involucran combinaciones de hallazgos de mérito y resoluciones técnicas.
  Estas etiquetas sirven como objetivos de supervisión auxiliares y prototipos semánticos para el mecanismo de atención, actuando como un "currículo legal" para regularizar el codificador compartido.

2. Fusión con Compuerta Consciente del Juez

En lugar de concatenar ingenuamente las incrustaciones (embeddings) del juez, la arquitectura emplea un mecanismo de Fusión con Compuerta (Gated Fusion). Este módulo actúa como un interruptor de fiabilidad dinámica:

• Aprende una activación de compuerta escalar $g_k \in (0, 1)$ para cada etiqueta de resultado $k$.
• La compuerta determina la dependencia de la incrustación del juez aprendida ($v_j$) basada en la característica textual ($c_k$).
• El mecanismo "consulta" selectivamente la identidad del juez cuando la evidencia textual es ambigua o discrecional (p. ej., fallos complejos basados en el mérito) mientras la suprime para resoluciones técnicas claras (p. ej., Desestimaciones por Procedimiento).
  Este diseño permite que el modelo aprenda la dependencia del contexto judicial específica para cada resultado, proporcionando una señal interpretable sobre cuándo la varianza adjudicativa impulsa la predicción.

3. Comparaciones Arquitectónicas (Las "Vías" o "Tracks")

El artículo realiza una comparación controlada a través de tres regímenes arquitectónicos utilizando el backbone Gemma-4 26B-A4B y un baseline ModernBERT:

• D-Track (Discriminativa): Una arquitectura basada en ModernBERT con LWAN (Red de Atención por Etiqueta), MTL y fusión con compuerta.
• G-Track (SFT Generativo): Un baseline generativo donde la identidad del juez y la supervisión DCO se inyectan como tokens de prompt y objetivos de salida mediante Ajuste Fino Supervisado (SFT) con LoRA.
• B-Track (Híbrida): Un enfoque híbrido que utiliza el codificador Gemma-4 pero retiene la cabeza discriminativa estructurada (LWAN + Fusión con Compuerta + MTL). Esto aísla la interfaz de condicionamiento como la variable, probando si la composición estructurada supera a la composición basada en prompts.

Resultados Clave

Evaluado sobre 13,937 decisiones del Tribunal de Empleo del Reino Unido, el estudio arroja los siguientes hallazgos:

• Rendimiento: La arquitectura híbrida (B2, codificador Gemma-4 adaptado con LoRA + cabeza estructurada) logra un nuevo estado del arte de Macro-F1 de 65.21. Esto representa una mejora de +5.1 puntos sobre la variante de SFT generativo más fuerte (G4).
• Eficiencia de Composición: Los resultados demuestran que la composición a nivel de prompt de la identidad del juez y la supervisión fina es sub-aditiva (combinar señales en el G-track produce rendimientos decrecientes). En contraste, el enrutamiento de las mismas señales a través de componentes arquitectónicos diferenciables (B-track) resulta en una composición aditiva, impulsando significativamente el rendimiento.
• Eficiencia de Parámetros: El modelo B2 logra una precisión superior entrenando aproximadamente un orden de magnitud menos de parámetros que los baselines de SFT generativo.
• Ganancias Específicas de Clase: Las mejoras se concentran en las clases de resultados más ambiguas y raras (Victorias Parciales y Otros). Por ejemplo, B2 mejora la puntuación F1 para "Otros" de 0.273 (G4) a 0.411.
• Interpretabilidad: Las incrustaciones del juez aprendidas y las activaciones de la compuerta permiten localizar los casos donde el contexto adjudicativo impulsa la predicción. Las intervenciones contrafácticas de intercambio de juez muestran que B2 condiciona de forma más activa a la identidad del juez (mayor divergencia KL) que los modelos generativos, particularmente para fallos discrecionales.
• Calibración: La arquitectura estructurada ofrece un mejor Error de Calibración Esperada (ECE) en comparación con los baselines generativos, lo que indica estimaciones de probabilidad más fiables.

Significancia y Reivindicaciones

El artículo sostiene que, para la clasificación de resultados legales condicionada por identidad, la elección de la interfaz de condicionamiento domina la escala. Específicamente:

1. Estructurado vs. Basado en Prompt: La composición estructurada diferenciable (aprendizaje de incrustaciones de juez y fusión mediante compuertas) produce modelos más precisos y eficientes en parámetros que la composición basada en prompts, incluso cuando esta última utiliza un backbone sustancialmente mayor.
2. Desentrelazamiento: La arquitectura propuesta logra desentrelazar los hechos objetivos del caso de la discreción judicial, proporcionando una pista de auditoría clara para la explicabilidad.
3. Heurística de Diseño: El trabajo sugiere una heurística de diseño más amplia para el ajuste fino eficiente en parámetros: las variables que requieren un control o auditoría rigurosos (como la identidad judicial) deben modelarse como parámetros aprendibles expuestos al gradiente y fusionarse mediante atención estructurada, en lugar de ser absorbidas en la distribución de entrada como tokens de prompt.
4. Especificidad Jurisdiccional: Los autores señalan que sus hallazgos están adaptados al UKET, donde las identidades de los jueces se preservan y las resoluciones procesales son frecuentes, pero el principio de "remedios de enrutamiento de gradiente" para cuellos de botella composicionales puede extenderse a otros dominios que involucren clasificación jerárquica condicionada por identidad.

Los autores mantienen una postura modesta, reconociendo limitaciones como la dependencia de la extracción de taxonomía asistida por LLM (lo que introduce un ruido de "estándar de plata"), el uso de sentencias finales escritas en lugar de expedientes brutos (potencial de racionalización post-hoc) y la evaluación en un solo conjunto de datos y familia de LLM. Enfatizan que su objetivo es el análisis diagnóstico de la equidad sistémica más que la creación de herramientas para la estrategia de litigio aplicada.