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（二）

本文背景是现有法律判决预测研究主要基于既定法律事实，与实际诉讼早期仅掌握证据的场景存在逻辑与时序悖论。研究目的是探讨一种全新的法律事实预测范式，旨在利用证据预测法律事实，以填补从证据到判决的关键缺失环节，并介绍了首个LFP基准数据集LFPBench的构建。结论表明，引入LFP任务能显著缩小基于证据与基于事实的预测之间的性能差距，平均减少38.5%的准确率损失，同时揭示了当前模型在处理冲突证据、长文本推理等方面的系统性偏见。