Performing Automated Employment Law Case Analysis Using Large Language Models
Notice bibliographique
Résumé
In pursuing agentic AI for complex legal workflows, systems must deliver accurate, cited, and nuanced outputs—boiling down to accurate legal question answering (QA). This project focuses on performing QA in Canadian employment law, focusing on worker classification (e.g., employee vs. contractor tests from Sagaz Industries precedents), using the Sagaz dataset: over 300 case analyses from David Liang and Samuel Dahan's Conflict Analytics Lab. One of the limitations of Large Language Models (LLMs) is that in analyzing large 30-page or longer documents to answer questions, even though all the text is in the context window, key pieces of information may still be missed in answering questions. To address this limitation, we explore various Retrieval-Augmented Generation (RAG) techniques to provide Large Language Models (LLMs) with the relevant context for 20+ case-specific questions that make up the case analysis. RAG techniques include no-processing (full case as context), chunking with vector embeddings for efficient retrieval, knowledge graph construction for Graph RAG to capture relational elements, and combinations of different methods. Additionally, methods for performing the analysis of multiple questions in a single prompt are also being explored to balance token usage efficiency and accuracy. Preliminary evaluations have with the no-processing technique has shown some signs of limited success of 50% accuracy on a 20-case subset of cases in the dataset. Work is currently still ongoing: to improve the prompts used to specify the case analysis questions as mis-interpretation and overly strict evaluations were a leading cause of incorrect answers in these initial tests; to scale up the processing pipeline (as some of the processing techniques take up many millions of LLM tokens); and to analyze the resulting outputs across 20+ questions asked in each case analysis for the hundreds of cases.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».