
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 355 天前 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 355 天前 via Android 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 ex1gtnim7d 350 天前 想要相同输入得到相同输出,自己建缓存[狗头] |
7 ex1gtnim7d 344 天前 @2bNot2b #6 正常 |