成果展現

法律實務工作者往往需要處理大量法律文書，即使是起訴書、裁判書經過檢查官、書記官以及法官經嚴謹審查的文件，仍可能有文字誤植的可能。根據刑事訴訟法第227條之一第一項及民事訴訟法第232條，若判決書內容出現誤寫、誤算或其他顯然錯誤，且不影響判決本旨，法院可依聲請或職權進行更正。為提升法律文書處理的正確性及效率，並能為法律實務工作者提供便捷的輔助工具，國立中央大學資訊工程學系張嘉惠教授團隊開發「判決書誤植文字偵測與修正先導系統」，透過生成帶有錯字內容的判決書，訓練bert-base-chinese、ReLM（AAAI2024）模型，達到自動偵測錯字的效果。

此先導系統包括誤植偵測模組、自動修正模組及用戶交互介面，使用者透過Web-based介面上傳PDF檔案，系統透過誤植偵測模組將錯字標記出來，同時透過自動修正建議，讓使用者審核與確認，提供更方便的法律文件校對機制。在資料集（簡稱TWJCSC）準備上，中大團隊結合文字轉語音（TTS）與自動語音辨識（ASR）技術，模擬語音輸入可能導致的錯誤，進一步強化對語音轉錄誤差與法律用詞錯誤的辨識能力。

由於算力有限，目前的模型基於AAAI-24論文中提及Rephrasing Language Model（ReLM）訓練所得，並測試在SigHan 14、15、Wang271K、ECSpell及TWJCSC等五個測試集上。實驗結果顯示，利用TWJCSC訓練的ReLM模型通常在SigHan14和SigHan15等資料集上實現更高的精度，同時也有較高的召回率。此先導系統可以減少人工校對的負擔，進一步降低司法誤植風險，確保判決內容的正確性與一致性。

裁判書誤植文字偵測與修正雛型系統展示

國立清華大學電機資訊學院資訊工程學系陳宜欣教授團隊運用 TAIDE 生成式 AI模型，結合知識圖譜與層次化對組整合多粒度編碼器（Hierarchical Pairs + Multi-Grained Encoder），開發 AI 法律法條推薦系統，提升法律檢索的精準度與效率。

本系統能自動解析使用者輸入的案件事實描述，提取關鍵詞，並透過知識圖譜串聯相關法條，實現跨條文參照，讓使用者快速獲取適用法律條文。傳統法律檢索常遇到兩大挑戰：第一，法律條文高度關聯，檢索結果易缺漏或錯誤，本系統透過知識圖譜構建法條語義關係，提升檢索準確性。第二，條文語義相似度高，導致檢索結果冗雜，本系統透過多粒度編碼與多視角評分（Multi-Perspective Scoring），有效過濾無關資訊，確保條文匹配的精確性與適用性。

透過基於 TAIDE 模型所開發的 AI 法律法條推薦系統，讓本系統能夠降低法律專業人員的檢索負擔，提高案件處理效率，並推動法律科技（LegalTech）發展。未來，本系統將持續優化，拓展至更多法律領域，成為法律專業的重要AI 輔助工具。

AI 法律案件推薦系統展示

國立政治大學資訊科學系劉昭麟教授團隊運用 TAIDE模型，開發法律主張對比與案例推薦系統，協助法律專業人士檢索勞訴爭議與詐欺案件的類似案件，提升案件分析與訴訟準備效率。

傳統法律檢索往往需要耗費大量時間篩選適用案例，且不同案件間的法律主張細微差異難以快速對比。本系統針對此痛點，透過 TAIDE模型匯入司法院判決書勞訴 10,000 組、詐欺 7,000組，並整合案件語意分析、主張相似度計算與自動摘要技術。使用者輸入案件主張後，系統即刻檢索相關案例，提供相似度評分，並標示與使用者主張內容相符的關鍵段落。

此外，系統能自動統整相似案件的核心爭點，幫助法律專業人士掌握相關案例的關鍵資訊，提高案件評估與訴訟策略制定的精準度。未來，該系統將持續優化，增進推薦的品質，並且擴展至更多法律領域，為司法實務提供高效、智能的輔助工具，推動法律科技（LegalTech）的發展。

勞訴類似案件推薦系統展示

詐欺類似案件推薦系統展示

國立中興大學資訊工程學系范耀中教授開發「AI法律前案檢索系統」，運用TAIDE生成式AI模型，協助檢察官、律師等法律專業人士快速檢索相關法律前案，提升案件研析效率。

本系統匯入司法院49,000件判決案例，包括偽造文書19,000案、離婚10,000案、竊盜10,000案及性騷擾10,000案，透過TAIDE模型整合上下文摘要生成技術、關鍵字萃取、案例嵌入及相似度排序，實現高效精準的法律案例檢索。系統可根據使用者輸入的犯罪情節，快速產生相關前案摘要，並透過Fine-Tuned TAIDE模型進一步優化上下文摘要，確保檢索結果的準確性與適用性。

此技術大幅提升法律檢索的方便性，使法律專業人士迅速速取取關案案例，少繁瑣搜尋時間，提高案件分析效率。未來，本系統將持續擴展應用範圍，助力法律科技（LegalTech）發展，為司法實務提供更智迅化的輔助工具。

AI法律前案檢索系統展示