LLM을 이용한 법률 판결문 요약을 위한 Tree-of-Thoughts 기반 하이브리드 접근 방식
요약
법률 판결문 요약을 위해 Tree-of-Thoughts에서 영감을 얻은 새로운 추출-생성(extractive-abstractive) 하이브리드 접근 방식을 제안합니다. DeepSeek과 Llama를 활용한 실험을 통해 제안된 방식이 기존 방식보다 우수한 요약 성능을 보임을 입증했습니다.
핵심 포인트
- Tree-of-Thoughts 기반의 새로운 하이브리드 요약 방식 제안
- 추출적 및 생성적 요약의 장점을 결합한 접근법
- DeepSeek 및 Llama 모델을 통한 성능 검증 완료
- 기존 프롬프트 방식 대비 향상된 요약 품질 확인
최근 대규모 언어 모델 (LLMs)이 법률 판결문 요약에 점점 더 많이 사용되고 있습니다. 대부분의 이전 연구들은 판결문에 대한 전통적인 추출적 (extractive) 및 생성적 (abstractive) 요약을 시도해 왔습니다. 그러나 하이브리드 또는 추출-생성 (extractive-abstractive) 기술은 많이 탐구되지 않았습니다. 본 연구에서는 법률 판결문 요약을 위해 Tree-of-Thoughts에서 영감을 얻은 새로운 추출-생성 요약 접근 방식을 제안합니다. 우리는 두 가지 대중적인 LLM인 DeepSeek과 Llama를 사용하여 실험을 수행하고, 추출적, 생성적 및 추출-생성 요약 방식을 비교합니다. 실험 결과, 제안된 추출-생성 프롬프트가 다른 유형의 LLM 프롬프트에 비해 더 나은 요약을 제공한다는 것을 보여줍니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0