LLM作為法律決策工具的說服力與可說服性
arXiv - Computers and SocietyOisin Suttle, David Lillis
實驗顯示LLM對法律辯論的說服力受辯論者質量影響，提示其在司法應用中的可行性與風險
AI 幫你先抓重點
AI 重點 1
LLM的說服力取決於辯論者質量，提示司法機構需審慎評估AI輔助決策的公正性。
滑鼠懸停看 AI 判斷理由
此洞察揭示LLM可能被高技巧辯論者操縱，若不加控制，可能導致不公平判決，改變對AI在司法應用的信任與實務規範。
AI 重點 2
開放與封閉權重模型在說服性上差異顯著，說明模型架構對法律決策的穩定性有關鍵影響。
滑鼠懸停看 AI 判斷理由
了解模型架構差異可協助設計更可靠的法律AI工具，避免因模型易受說服而產生偏差，對實務者提供選擇依據。
核心研究發現
- 1
LLM在法律問題上更易同意高質量辯論者的觀點，質量越高同意率越高。
- 2
開放權重LLM對說服性較敏感，封閉權重LLM則較為穩健。
- 3
模型對論證結構、證據強度與語言風格的敏感度不同，影響決策結果。
對教育工作者的啟發
實務者在採用LLM輔助法律決策前，應先評估辯論者質量與論證結構，選擇封閉權重模型以降低易受說服風險；同時加入可解釋性機制，定期監測決策偏差；建立多模型對照機制，確保決策透明度；最後，制定倫理指引，避免AI被高技巧辯論者操縱，確保司法公正。
原始文獻資訊
- 英文標題：
- Persuadability and LLMs as Legal Decision Tools
- 作者：
- Oisin Suttle, David Lillis
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。