ImmigrationReason: A Structured Dataset of U.S. Immigration Appeals for Legal Reasoning Research
本文介绍了 ImmigrationReason，这是一个包含 12,375 份美国公民及移民服务局行政上诉记录的大规模结构化数据集，通过提供关于法律框架、证据充分性和裁决者错误的详细且经专家验证的记录，填补了法律自然语言处理（NLP）资源在行政裁决领域的空白，从而为结果预测、错误分析和监管智能体设计方面的先进研究提供支持。
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
法律常被想象为一场宏大的法庭剧场，法官身着袍服，在其中权衡证据，并对国家的命运做出最终裁决。然而，绝大多数法律决策从未进入法庭。它们发生在政府行政机构安静的官僚走廊中，在那里，政府官员每年都要审核数百万份关于权利、福利和身份的申请。在美国，这些过程中最显著的环节之一涉及基于就业的移民，即外国公民申请在美居住和工作。这些案件并非由单一法官在审判中决定，而是由一套复杂的官员系统通过将特定规则应用于个人故事来完成，这往往会导致可以向更高一级行政机构上诉的拒绝结果。了解这些决策是如何做出的，以及可能在何处出错，不仅对于相关人员至关重要，对于任何对人工智能未来如何辅助此类高风险监管工作感兴趣的人来说也同样重要。
斯坦福大学的一个研究小组现在通过一个名为 ImmigrationReason 的新资源，为这个隐藏的行政正义世界打开了一扇窗。他们收集并整理了来自行政上诉办公室（负责审查被拒绝的移民申请的机构）的大量真实决策，共计 12,375 份。该数据集跨越了从 2005 年到 2026 年的二十年，其独特之处在于它不仅包含决策的原始文本，还将每项案例中的法律推理拆解成了一个结构化的地图。研究人员标记了每一项具体的证据，追踪了初审官员是正确还是错误，甚至捕捉了上级机构用来批评初审决策的具体措辞。这种细致程度将一堆法律文件转化为一个可以被计算机研究的结构化数据集，为观察政府如何决定谁能留下的运作机制提供了一个罕见的视角。
这项工作始于收集行政上诉办公室针对两种特定类型就业签证所发布的每一份公开决策。团队面临着一个重大障碍：许多 2017 年之前的旧文档仅仅是纸质文件的扫描图像，这类文档对于计算机准确读取而言极其困难。标准软件经常会将文本弄乱，将法律引用变成乱码或遗漏整个脚注。为了解决这个问题，研究人员使用了一种强大的新型人工智能来转录这些文档，创建了既保留了原始结构和引用，又清晰可读的文本。随后，他们构建了一个复杂的系统来阅读这些清洗后的文档，并提取特定信息，例如所寻求的签证类型、提出的法律论据以及最终结果。为了确保计算机没有出错，他们使用不同的方法运行了三次提取过程，并让第三个高度先进的 AI 模型充当“法官”，以解决前两次尝试之间的分歧。这种严谨的过程确保了最终数据集尽可能准确可靠。
这个收藏之所以如此珍贵，在于其标注的深度。在大多数法律数据集中，重点在于宽泛的类别，比如案件是胜诉还是败诉。而在本项目中，研究人员挖掘得更深。他们分析了每一项决策，以观察上诉办公室是如何评估法律要求的每一个具体条件的。例如，在要求证明“卓越能力”的案例中，法律列出了一个人可能符合条件的十种不同方式。该数据集追踪了上决议办公室在每一件案件中是如何对这十个点分别做出裁定的。它还记录了上级机构是同意原审官员、部分不同意，还是完全推翻了原判。或许最重要的一点是，该数据集包含了近 9,000 条直接引文，在这些引文中，上诉办公室明确批评了原审官员的法律错误，例如忽略证据或适用错误的规则。这提供了一个独特的示例库，展示了法律推理如何失效以及应当如何被纠正。
数据还揭示了法律随时间变化的自然实验。2016 年 12 月，一种签证类型的规则被完全重写，从一套标准转向了另一套标准。由于该数据集覆盖了这一变化前后的年份，它允许研究人员精确观察法律格局发生了怎样的转变。他们可以观察申请人的成功率如何变化、律师使用的论据如何演变，以及政府对法律的解释如何适应新的框架。这在数据中创造了一个清晰的边界，有助于科学家测试人工智能是否能理解法律并非静态的，而是随时间变化的生命系统。
除了法律的结构之外，该数据集还揭示了不同政府办公室运作模式中的有趣规律。研究人员发现，上诉办公室推翻原判的比例因最初发布拒绝通知的区域办事处不同而存在显著差异。有些办事处的决定被推翻的比例超过一半，而另一些则较少被推翻。这表明，法律的经验或解读可能会因处理申请的地点不同而有所差异。通过以这种结构化的方式组织信息，研究人员现在可以以前所未有的方式研究这些制度性差异，而不仅仅是依赖原始文本。
这一资源的创建为法律人工智能领域开启了一种新的研究路径。由于该数据集包含了呈现的特定证据、应用的法律规则和最终判决，它可以被用来训练计算机理解法律推理的逻辑。它可以帮助构建能够根据事实预测案件结果的系统，或者更重要的，构建能够检测法律决策是否存在错误的系统。既然政府已经在开始使用人工智能进行决策，那么拥有一个能够识别人类推理错误的工具，是确保这些新技术安全且公平的关键一步。研究人员已将整个数据集以及用于构建它的代码向公众开放，邀请科学家和法律专家共同探索行政正义的复杂机制，并开发能够帮助使其运作得更好的工具。
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。