Sintesi Tecnica: Verso una Varianza Giudiziaria Spiegabile

Definizione del Problema

I sistemi di previsione degli esiti legali affrontano una sfida fondamentale: la separazione tra i fatti oggettivi del caso e il contesto giudiziario. Mentre le sentenze basate sul merito si fondano su prove fattuali, i provvedimenti tecnici dipendono spesso dalla discrezionalità giudiziaria. Gli approcci esistenti, in particolare i modelli standard di classificazione del testo e i Large Language Models (LLM) generativi, tendono a trattare l'identità del giudice come una caratteristica statica o non riescono a modellare esplicitamente i distinti percorsi funzionali delle decisioni legali (basate sul merito vs. non basate sul merito). Inoltre, i metodi attuali faticano a catturare l'interazione sfumata tra regole procedurali e accertamento dei fatti in giurisdizioni specifiche come il Tribunale del Lavoro del Regno Unito (UKET), dove gli esiti non sono monolitici e dipendono frequentemente dalla discrezionalità amministrativa piuttosto che dal merito sostanziale della questione.

Metodologia

Gli autori propongono un'architettura Judge-Aware Gated Multi-Task Learning (MTL) progettata per modellare esplicitamente la distinzione tra i percorsi decisionali basati sul merito e quelli non basati sul merito. La metodologia è strutturata attorno a tre componenti principali:

1. Tassonomia Legale Granulare (DCO)

Per supervisionare l'encoder e imporre una regolarizzazione strutturale, gli autori introducono una tassonomia di Detailed Case Outcome (DCO) composta da 11 categorie fini. Questo schema distingue tra:

• Esiti Basati sul Merito: Decisioni che valutano i fatti del caso e il merito legale (es. Vittoria/Sconfitta Sostanziale, Sentenza in Default).
• Provvedimenti Non Basati sul Merito: Decisioni che terminano i casi su motivi tecnici senza approfondire i fatti sottostanti (es. Rigetto/Strike Out, Fuori Termine/Out of Time).
• Esiti Misti: Casi che coinvolgono combinazioni di accertamenti sul merito e provvedimenti tecnici.
  Questi etichette fungono da target di supervisione ausiliari e prototipi semantici per il meccanismo di attenzione, agendo come un "curriculum legale" per regolarizzare l'encoder condiviso.

2. Fusione a Gate Sensibile al Giudice (Judge-Aware Gated Fusion)

Invece di concatenare ingenuamente gli embedding dei giudici, l'architettura utilizza un meccanismo di Gated Fusion. Questo modulo funge da interruttore dinamico di affidabilità:

• Apprende un'attivazione di gate scalare $g_k \in (0, 1)$ per ogni etichetta di esito $k$.
• Il gate determina l'affidabilità dell'embedding del giudice appreso ($v_j$) in base alla caratteristica testuale ($c_k$).
• Il meccanismo consulta selettivamente l'identità del giudice quando l'evidenza testuale è ambigua o discrezionale (es. sentenze complesse basate sul merito) pur sopprimendolo per provvedimenti tecnici netti (es. Strike Outs).
  Questo design permette al modello di apprendere la dipendenza specifica dell'esito dal contesto giudiziario, fornendo un segnale interpretabile su quando la varianza giudiziaria guida la previsione.

3. Confronti Architetturali (Le "Tracce")

Il documento conduce un confronto controllato tra tre regimi architetturali utilizzando il backbone Gemma-4 26B-A4B e un baseline ModernBERT:

• D-Track (Discriminativa): Un'architettura basata su ModernBERT con LWAN (Label-Wise Attention Network), MTL e fusione a gate.
• G-Track (Generative SFT): Un baseline generativo in cui l'identità del giudice e la supervisione DCO vengono iniettate come token di prompt e target di output tramite Supervised Fine-Tuning (SFT) con LoRA.
• B-Track (Ibrida): Un approccio ibrido che utilizza l'encoder di Gemma-4 ma mantiene la testa discriminativa strutturata (LWAN + Gated Fusion + MTL). Questo isola l'interfaccia di condizionamento come variabile, testando se la composizione strutturata superi la composizione basata su prompt.

Risultati Chiave

Valutato su 13.937 decisioni del Tribunale del Lavoro del Regno Unito, lo studio produce i seguenti risultati:

• Performance: L'architettura ibrida (B2, encoder Gemma-4 adattato con LoRA + testa strutturata) raggiunge un nuovo stato dell'arte con un Macro-F1 di 65,21. Ciò rappresenta un miglioramento di +5,1 punti rispetto alla variante generativa SFT più forte (G4).
• Efficienza di Composizione: I risultati dimostrano che la composizione a livello di prompt dell'identità del giudice e della supervisione fine-grained è sub-additiva (combinare i segnali nella G-track produce rendimenti decrescenti). Al contrario, l'instradamento degli stessi segnali attraverso componenti architettonici differenziabili (B-track) produce una composizione additiva, aumentando significativamente le prestazioni.
• Efficienza dei Parametri: Il modello ibrido B2 raggiunge una precisione superiore pur addestrando circa un ordine di grandezza in meno di parametri rispetto ai baseline generativi SFT.
• Guadagni Specifici per Classe: I miglioramenti si concentrano sulle classi di esiti più ambigue e rare (Partly Wins e Other). Ad esempio, B2 migliora il punteggio F1 per "Other" da 0,273 (G4) a 0,411.
• Interpretabilità: Gli embedding dei giudici appresi e le attivazioni dei gate permettono di localizzare i casi in cui il contesto giudiziario guida la previsione. Gli interventi controfattuali di sostituzione del giudice mostrano che B2 condiziona più attivamente sull'identità del giudice (maggiore divergenza KL) rispetto ai modelli generativi, in particolare per le sentenze discrezionali.
• Calibrazione: L'architettura strutturata produce un migliore Errore di Calibrazione Attesa (ECE) rispetto ai baseline generativi, indicando stime di probabilità più affidabili.

Significato e Rivendicazioni

Il documento sostiene che, per la classificazione condizionata all'identità degli esiti legali, la scelta dell'interfaccia di condizionamento domina la scala. Nello specifico:

1. Strutturato vs. Basato su Prompt: La composizione strutturata differenziabile (apprendimento degli embedding dei giudici e fusione tramite gate) produce modelli più accurati e con un uso più efficiente dei parametri rispetto alla composizione basata su prompt, anche quando quest'ultima utilizza un backbone sostanzialmente più grande.
2. Disentanglement (Disgiunzione): L'architettura proposta riesce a separare i fatti oggettivi del caso dalla discrezionalità giudiziaria, fornendo una traccia di controllo chiara per la spiegabilità.
3. Euristica di Design: Il lavoro suggerisce un'euristica di design più ampia per il fine-tuning efficiente dei parametri: le variabili che richiedono un controllo o un auditing rigoroso (come l'identità del giudice) dovrebbero essere modellate come parametri apprendibili esposti al gradiente e fuse tramite attenzione strutturata, piuttosto che essere assorbite nella distribuzione di input come token di prompt.
4. Specificità Giurisdizionale: Gli autori osservano che le loro scoperte sono calibrate per l'UKET, dove le identità dei giudici sono preservate e i provvedimenti procedurali sono frequenti, ma il principio dei "rimedi instradati tramite gradiente" per i colli di bottiglia compositivi può estendersi ad altri domini che comportano la classificazione gerarchica condizionata all'identità.

Gli autori mantengono una posizione modesta, riconoscendo limitazioni quali la dipendenza dall'estrazione della tassonomia assistita da LLM (che introduce un rumore di tipo "silver-standard"), l'uso di sentenze finali scritte anziché di atti iniziali (potenziale razionalizzazione post-hoc) e la valutazione su un singolo dataset e una singola famiglia di LLM. Essi sottolineano che il loro obiettivo è l'analisi diagnostica dell'equità sistemica piuttosto che la creazione di strumenti per la strategia di contenzioso applicata.