Chunking German Legal Code
本文表明，针对德国成文法的检索增强生成，与文档固有结构单元（如章节和子节）相一致的分块策略，通过以更高的计算效率实现更高的召回率，优于更复杂的语义或分层方法。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在一座庞大、历史悠久的法律图书馆（即《德国民法典》，简称 BGB）中寻找一条特定规则。你有一位超级聪明的 AI 图书管理员（大型语言模型），它能回答你的问题，但注意力很短。如果你把整座图书馆交给它，它会感到困惑，忘记中间部分，或者胡编乱造。
为了解决这个问题，你需要将图书馆的书籍切割成更小、更易管理的“块”，以便 AI 能快速找到它需要的确切页面。本文就是一次试驾，旨在测试哪种切分书籍的方式效果最佳。
以下是他们实验和发现的分解说明，使用了简单的类比：
问题：如何切分蛋糕
研究人员测试了不同的法律文本切分方式，以喂给 AI：
- “律师的方式”（基于结构）： 按照立法者的原意切分文本——按条款和款进行切割。这就像沿着面包师预先划好的线切蛋糕。
- “机器人的方式”（固定窗口）： 将文本切割成等长的词块，忽略句子或规则的起止位置。这就像用饼干模具切蛋糕；你可能会把一条规则切成两半，让规则的“上半部分”在一个盘子里，而“下半部分”在另一个盘子里。
- “智能 AI 的方式”（上下文/木材/RAPTOR）： 利用超级智能的 AI 阅读文本，并根据意义决定切分点，或者将书中相距甚远但相似的观点归为一组。这就像一位厨师，将不同食谱中的食材重新组合成新的“风味包”。
实验
他们选取了 525 个来自普通人的真实问题（例如“我什么时候能拿回我的押金？”），并要求系统找到正确的法律条款。他们测量了三个方面：
- 召回率： 系统是否找到了正确答案？
- 速度： 它找到答案有多快？
- 成本： 建立这座图书馆需要多少时间和计算机内存？
结果：保持简单
研究结果出乎意料地直接：
1. “律师的方式”赢得了比赛
尊重法律原始结构（按条款和款切割）的方法最为准确。
- 为什么？ 法律是像层级结构一样编写的。一个“条款”通常包含一个完整的思想或规则。当你恰好在立法者切割的地方进行切割时，你就能将“条件”（如果发生 X）和“后果”（那么发生 Y）保持在一起。
- 类比： 如果你要“巧克力蛋糕的食谱”，你想要的是整张食谱卡，而不是一半的配料表和一半的烘焙说明。
2. “机器人的方式”失败了
将文本切割成固定大小的块（忽略法律结构）的表现最差。
- 为什么？ 它经常把一条规则从中间切开。AI 会看到规则的“如果”部分，却错过了“那么”部分，因为那部分在下一个块里。
- 类比： 这就像读到一句话：“如果你开快车，你就会……"然后下一页以"……收到罚单”开头。如果 AI 只看到前半部分，它就不明白结果是什么。
3. “智能 AI 的方式”有些杀鸡用牛刀
使用复杂 AI 来分组相似观点或总结章节的方法（如 RAPTOR 或类似木材的切分法），表现并未优于简单的结构切割。事实上，它们往往更差。
- 为什么？ 通过基于“氛围”或主题将不同的规则归为一组，AI 模糊了界限。具体的法律例外情况在一般性总结中丢失了。
- 类比： 想象一位图书管理员将所有关于“金钱”的书籍归为一类。如果你询问某项具体的税务规则，图书管理员会递给你一本包含所有金钱法律的大活页夹。你必须翻阅整本活页夹才能找到你那条规则。不如直接递给你那一页。
4. 效率很重要
复杂的 AI 方法需要很长时间来设置（数小时甚至数天），并且需要大量计算机内存。而简单的“律师的方式”设置快速，存储成本低。
- 权衡： 那些花哨的方法试图通过添加上下文来变得“更聪明”，但最终它们比仅仅坚持原始书籍结构更慢、更昂贵，且准确性更低。
结论
在处理法律法典时，结构为王。
该论文得出结论：你不需要超级复杂的 AI 来弄清楚如何组织法律图书馆。立法者已经完成了将规则组织成逻辑章节的艰苦工作。AI 的最佳策略仅仅是尊重这些原始边界。试图通过以不同方式切割文本或按主题分组观点来“改进”组织，实际上会让 AI 在寻找正确答案时变得更“笨”、更慢。
简而言之： 不要重复造轮子。如果法律是按章节和条款编写的，就让 AI 按章节和条款搜索。这样更快、更便宜，并且更频繁地得到正确答案。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。