先了解这件事
AI 综述
斯坦福 RegLab 研究团队发表研究,用大语言模型流水线辅助检测歧视性地方法律。该团队审查了全美 9623 个地方司法辖区的约 900 万条法律条文,筛出约 1 万条涉嫌歧视的法律供人工复核,并估计至少 5000 万美国人生活在存在明显歧视性法规的城镇中。流程先标记涉及受保护类别的条文,再判断是否构成差别对待,在识别差别法律待遇上准确率超过 90%,对人工标注为高优先级的条文召回率为 88%。论文《Hidden in Plain Text: LLM-Assisted Detection of Discriminatory Local Laws》发表于 ICAIL 会议,研究由斯坦福 HAI 部分资助。作者强调仍需人工审查,且方法无法识别表面中立但实际有歧视效果的法规。
AI 根据公开报道生成
最新进展 · 正式报道
斯坦福用 AI 审查地方歧视性法规，发现约 1 万条可疑法律事件进展
1 个已确认进展
- 来源：Stanford HAI News
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月1日
Stanford HAI News一手
斯坦福用 AI 审查地方歧视性法规，发现约 1 万条可疑法律
斯坦福 RegLab 团队用 LLM 流水线审查全美 9623 个地方司法辖区的约 900 万条法律条文，筛出约 1 万条涉嫌歧视的法律供人工复核，并估计至少 5000 万美国人生活在存在明显歧视性法规的城镇中。该流程先标记涉及受保护类别的条文，再判断是否构成差别对待，在识别差别法律待遇上准确率超过 90%，对人工标注为高优先级的条文召回率为 88%。论文《Hidden in Plain Text: LLM-Assisted Detection of Discriminatory Local Laws》发表于 ICAIL 会议，研究由斯坦福 HAI 部分资助，作者强调仍需人工审查，且方法无法识别表面中立但实际有歧视效果的法规。