כתבה
arXiv cs.LG ·
גידול בטכנולוגיות AI: השוואת Mamba ו-Transformers לסיווג חוקי וחיפוש פסקי דין
Scaling Legal AI: Benchmarking Mamba and Transformers for Statutory Classification and Case Law Retrieval
במאמר זה, נבחן את יכולות Mamba ו-Transformers לסיווג חוקים ולחיפוש פסקי דין. נמצא כי Mamba ו-SSD-Mamba משיגים תוצאות טובות בהשוואה ל-Transformers.
תקציר מקורי באנגליתarXiv:2509.00141v2 Announce Type: replace-cross Abstract: Statutory corpora and judicial decisions are growing faster than legal professionals can read them, while individual judgments often exceed the context limits of standard encoder models. Transformer architectures dominate legal NLP benchmarks, but their quadratic attention complexity can require truncating or fragmenting documents that demand whole-document reasoning. Selective state-space models (SSMs), such as Mamba, offer linear-time sequence modeling and are a promising alternative for long legal documents, yet their performance on legal classification and retrieval remains underexplored. We present a preliminary benchmark comparing Mamba and SSD-Mamba with BERT, DeBERTa, and Longformer across four legal classification tasks (EC
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית