原创丨弥补法律判决预测的现实鸿沟：基于证据的法律事实预测（LFP）范式与LFPBench基准数据集（一）

本文针对现有法律判决预测研究主要基于既定法律事实、存在逻辑与时序悖论的问题，介绍了一种全新的任务范式——法律事实预测。该范式旨在利用当事人提交的证据预测法律事实，以填补从证据到判决的关键缺失环节。文章阐述了LFP的理论框架，介绍了首个基准数据集LFPBench的构建，并对包括GPT-4o在内的前沿模型进行了实证分析。结果表明，LFP任务能显著缩小基于证据与基于事实的预测性能差距，并揭示了模型在处理冲突证据等方面的系统性偏见。