JudgeMeNot: Personalizing Large Language Models to Emulate Judicial Reasoning in Hebrew
作者: Itay Razumenko, Arnon Sturm, Nir Grinberg
分类: cs.CL, cs.CY
发布日期: 2026-04-20
备注: To appear in Findings of the ACL 2026
💡 一句话要点
提出JudgeMeNot，通过个性化大语言模型模拟希伯来语司法推理
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大语言模型 个性化建模 司法推理 指令调优 低资源学习
📋 核心要点
- 现有大语言模型在个性化决策方面存在不足，难以针对个体决策者进行定制。
- 提出一种合成-有机监督流程，将司法决策转化为指令调优数据，实现低资源下的参数高效微调。
- 实验表明，该方法在词汇、风格和语义相似性上显著优于现有方法，模型输出与人类法官推理难以区分。
📝 摘要（中文）
尽管大型语言模型取得了显著进展，但针对个体决策者对其进行个性化仍然是一个开放性问题。本文介绍了一种合成-有机监督流程，该流程将原始司法决策转化为指令调优数据，从而能够在低资源环境下对个体法官的个性化模型进行参数高效的微调。我们将我们的方法与三种不同任务和设置下的最先进的个性化技术进行了比较。结果表明，因果语言建模以及随后的合成生成的指令调优明显优于所有其他基线，并在词汇、风格和语义相似性方面提供了显著改进。值得注意的是，我们模型生成的输出与人类法官的推理无法区分，突出了高效个性化的可行性，即使在低资源环境中也是如此。
🔬 方法详解
问题定义：论文旨在解决如何针对个体法官，在低资源希伯来语环境下，个性化定制大型语言模型，使其能够模拟该法官的司法推理风格和决策模式。现有方法通常需要大量数据，且难以捕捉个体法官的细微差异。
核心思路：论文的核心在于利用合成数据增强和指令调优，构建一个“合成-有机”的监督流程。首先，利用因果语言模型学习司法决策的通用模式；然后，通过合成数据生成个性化的指令调优数据，从而在少量真实数据的基础上，实现对个体法官推理风格的精准模拟。
技术框架：整体框架包含以下几个主要阶段：1) 数据准备：收集原始司法决策数据。2) 因果语言建模：使用收集到的数据训练一个因果语言模型，学习司法推理的通用模式。3) 合成数据生成：利用训练好的因果语言模型，生成个性化的指令调优数据，模拟特定法官的推理风格。4) 指令调优：使用合成数据对模型进行指令调优，使其能够更好地模拟特定法官的推理过程。5) 评估：使用真实数据评估模型的个性化效果。
关键创新：最重要的创新点在于提出了“合成-有机”监督流程，将合成数据生成与指令调优相结合，解决了低资源环境下个性化建模的难题。与传统方法相比，该方法能够更有效地利用少量真实数据，并生成高质量的合成数据，从而提高模型的个性化效果。
关键设计：论文使用了参数高效的微调方法，以适应低资源环境。具体的技术细节包括：1) 使用因果语言模型进行预训练，学习司法推理的通用模式。2) 设计特定的指令模板，用于生成个性化的指令调优数据。3) 使用词汇、风格和语义相似性等指标，评估模型的个性化效果。4) 采用了对比实验，验证了该方法相对于其他个性化技术的优势。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该方法在词汇、风格和语义相似性方面显著优于其他基线方法。更重要的是，模型生成的输出与人类法官的推理无法区分，这表明该方法能够有效地模拟个体法官的推理风格，即使在低资源环境下也能实现高效的个性化。
🎯 应用场景
该研究成果可应用于法律领域，例如辅助法官进行案件分析、预测法官判决结果、以及进行法律文本生成等。此外，该方法也可推广到其他领域，例如医疗诊断、金融风险评估等，实现针对个体决策者的个性化建模，具有重要的实际应用价值和广阔的未来发展前景。
📄 摘要（原文）
Despite significant advances in large language models, personalizing them for individual decision-makers remains an open problem. Here, we introduce a synthetic-organic supervision pipeline that transforms raw judicial decisions into instruction-tuning data, enabling parameter-efficient fine-tuning of personalized models for individual judges in low-resource settings. We compare our approach to state-of-the-art personalization techniques across three different tasks and settings. The results show that Causal Language Modeling followed by synthetically generated instruction-tuning significantly outperforms all other baselines, providing significant improvements across lexical, stylistic, and semantic similarity. Notably, our model-generated outputs are indistinguishable from the reasoning of human judges, highlighting the viability of efficient personalization, even in low-resource settings.