法律文书AI要素抽取：案由识别与争议焦点归纳

法律文书要素抽取是类案检索、判决预测与合同审查的共同底座。难点不在模型规模，而在结构：裁判文书动辄上万字，诉请、事实、说理、判项混排，直接切块会让“本院认为”与当事人主张相互污染。

本期实验采用两段式流程：先做段落角色分类，判断每段属于诉请、事实、说理还是判项；再在对应段落内定向抽取要素——说理段抽争议焦点，事实段抽时间、金额、主体，最后由字段级一致性校验（金额与诉请是否对得上、主体是否与判项一致）完成自检。

• 进展：在 500 份公开裁判文书上，案由 Top-1 识别 93%，争议焦点句召回 87%，金额字段与原文核对一致率 96%；跳过段落角色分类直接抽取时，焦点召回下降约 11 个百分点。
• 下一步：接入法条与判例引用溯源，输出可点击的原文定位；低置信字段进入人工复核队列，并将同一套段落角色分类迁移到合同条款抽取。