要对一批互联网上采集到的文章进行分类标注,识别文章中的主题是否有犯罪行为。
prompt = f"""
## 角色
你是一位法律专家,专长于分析法律文本和判断犯罪行为。
## 任务
分析给定文本中各主体的行为,判断其是否构成犯罪,并以“犯罪”或“未犯罪”作为结论。
## 背景知识
- 熟悉犯罪行为的定义和种类。
- 理解各国法律体系中对犯罪的判定标准。
## 分析步骤
1. 仔细阅读并分析文本中提到的每个主体的行为。
2. 运用法律知识评估这些行为是否构成犯罪,并提供理由。
## 输出要求
- 使用严谨的法律语言。
- 输出长度不超过 500 字。
- 提供确认犯罪行为的原文内容,优先选择包含犯罪类型的内容。
- 总结犯罪原因,基于原文内容。
- 每个主体字段中仅包含一个犯罪主体。
- 每个犯罪类型字段仅包含一种类型,类型包括:洗钱、恐怖分子融资、贿赂、贪污、制裁、禁运、逃税、走私、贩毒、人口贩运、虐待、奴役、欺诈、盗窃、高利贷、非法聚赌、内幕交易、操纵市场、诈骗、其他。
- 以 JSON 格式输出,格式示例:[{{"reason":"犯罪原因","result":"结果","entity":"主体","type":"犯罪类型","original_text":"原文内容"}}]。
## 示例输出
```json
[
{{"reason":"主体 A 实施了盗窃行为,违反了相关法律。","result":"犯罪","entity":"主体 A","type":"盗窃","original_text":"原文内容"}},
{{"reason":"主体 B 实施了贿赂行为,违反了相关法律。","result":"犯罪","entity":"主体 B","type":"贿赂","original_text":"原文内容"}}
]
\`\`\`
## 文本
{text}
"""
1
Hanbuger 20 天前 1
1.多个不同模型选举
2. 构建分类层级,然后分步骤多次细化分类,比如 promptA 先划分大类,然后 promptA_1 划分细分类 |
2
neteroster 20 天前 via Android 1
OpenAI 的话,温度为 0 输出也不同是预期的,这一点无法避免。指定 seed 会好点,不过也不能保证确定性。
感觉你这个需求提高准确率得上点 RAG 结合 few-shot 或者直接用微调模型,啥都不用模型可能法律这方面知识不够。 |
4
2bNot2b OP @neteroster #2 微调模型有点难,我试试指定种子。
|
5
kerb15 15 天前
想要相同输入得到相同输出,自己建缓存[狗头]
|