توضیح تغییرات پرامپت جامع دستیار قضایی نسخه 7.2

خودکارسازی تولید استدلال دادگاه، یکی از هوشمندانه‌ترین ارتقاءهای نسخه جدید (7-2.txt) است. در نسخه قدیمی، مدل فقط داده‌ها را کنار هم می‌چید و نگارش «استدلال» (دلیل صدور رأی) را کاملاً به عهده قاضی می‌گذاشت؛ اما در نسخه جدید، مدل موظف است خودش یک استدلال حقوقی منطقی، مستند و قضایی تولید کند و آن را در اختیار قاضی بگذارد.

در ادامه، این خودکارسازی را گام‌به‌گام و با جزئیات کامل برایتان توضیح می‌دهم:

۱. هسته اصلی: تغییر از «شرح حال» به «قیاس منطقی حقوقی»

• قبلاً: مدل فقط وضعیت ارکان (احراز/رد) را اعلام می‌کرد و استدلال را خالی می‌گذاشت.

• الان: مدل موظف است استدلال را به صورت قیاس منطقی (شکل اول ارسطویی) بنویسد؛ یعنی: «شرط اصلی (کبرای قیاس) + اثبات یا عدم اثبات آن در پرونده (صغرای قیاس) = نتیجه نهایی (حکم)».

• همچنین به مدل دستور داده شده که از ساختار خشک و رباتیک «اگرچه… اما…» پرهیز کند و در صورت رد دعوا، مستقیماً روی رکن شکسته متمرکز شود (نه اینکه همه ارکان را دوباره مرور کند).

۲. ورودی‌های مدل برای ساختن استدلال (دو منبع اصلی)

مدل برای نوشتن استدلال، از دو منبع تغذیه می‌کند که به ترتیب اولویت عبارتند از:

1. دستور صریح قاضی (اولویت اول): اگر قاضی هنگام درخواست ماتریس نهایی، دستور دهد (مثلاً «حکم بر محکومیت الف و رد ب چون تصرف ندارد»)، مدل بی‌چون‌وچرا از همان دستور در متن استدلال استفاده می‌کند و تحلیل خودکار ارکان را نادیده می‌گیرد (تبعیت از نظر قاضی).

2. وضعیت نهایی ارکان (اولویت دوم): اگر قاضی دستور خاصی ندهد، مدل استدلال را صرفاً بر اساس خروجی گزینه ۱۰ (بررسی وضعیت اثباتی هر رکن) و مستندات آن‌ها می‌سازد.

۳. الگوی جملات بر اساس نوع مدرک (چگونه مستندات را به جمله حقوقی تبدیل کند؟)

برای اینکه استدلال خشک و کلی نباشد، به مدل یک دیکشنری از الگوهای جملات داده شده است. وقتی مدل می‌خواهد به یک رکن استناد کند، بر اساس نوع مدرک، از جمله‌ی متناظر استفاده می‌کند:

این کار باعث می‌شود استدلال تولیدی، عینی، قابل ارجاع و مستند باشد و شبیه به استدلال یک قاضی واقعی به نظر برسد.

۴. دو ساختار مجزا برای دو نتیجه‌ی متفاوت (حکم به نفع خواهان یا رد دعوا)

مدل بر اساس خروجی ارکان، یکی از دو الگوی زیر را برای نگارش استدلال انتخاب می‌کند:

• الف) اگر همه ارکان احراز شده باشد (حکم به نفع خواهان):
  مدل در یک جمله‌ی منسجم، همه‌ی ارکان را به ترتیب برمی‌شمارد، هرکدام را با مدرک مربوطه مستند می‌کند و در نهایت می‌گوید که «همه شروط محرز است، لذا حکم به محکومیت/الزام صادر می‌شود.»

  • مثال از خود پرامپت: «نظر به اینکه برای الزام خوانده به تنظیم سند رسمی، وجود قرارداد معتبر و مالکیت رسمی وی باید محرز باشد که حسب مبایعه‌نامه ابرازی و نتیجه استعلام ثبتی، هر دو شرط محرز است. لذا دادگاه … حکم به الزام خوانده به تنظیم سند رسمی انتقال صادر می‌نماید.»

• ب) اگر حداقل یک رکن احراز نشده باشد (حکم به رد دعوا):
  مدل فقط روی همان رکن شکسته متمرکز می‌شود و اصلاً به ارکان محرز دیگر اشاره نمی‌کند. آن رکن را به عنوان «شرط اصلی» معرفی می‌کند، با استناد به مدرک، عدم تحقق آن را اعلام می‌دارد و مستقیماً نتیجه می‌گیرد که دعوا قابلیت پذیرش ندارد.

  • مثال از خود پرامپت: «نظر به اینکه برای خلع ید، تصرف خوانده باید محرز باشد، لکن حسب محتویات پرونده و دستور قاضی، تصرف خوانده ب محرز نیست. لذا دعوا نسبت به وی قابلیت پذیرش نداشته و حکم به رد دعوا صادر می‌گردد.»

۵. ارائه‌ی نمونه‌های عینی (Few-shot Learning) در خود پرامپت

برای اینکه مدل دقیقاً بداند خروجی نهایی باید چگونه باشد، پرامپت جدید شامل ۳ نمونه‌ی عینی (ورودی و خروجی استدلال) است تا مدل بتواند از آن‌ها تقلید کند. این کار خطای نگارشی و منطقی را به شدت کاهش می‌دهد.

خلاصه و اهمیت این خودکارسازی:

این قابلیت، مدل را از یک «دستیار منفعلِ جمع‌آوری‌کننده‌ی اطلاعات» به یک «دستیار نیمه‌فعالِ تحلیل‌گر حقوقی» تبدیل می‌کند. مزایای آن عبارت است از:

• سرعت: قاضی دیگر نیازی به تایپ کردن استدلال از صفر ندارد و فقط کافی است آن را ویرایش یا تأیید کند.

• انسجام: استدلال تولیدی، کاملاً مبتنی بر ارکان و مستندات همان پرونده است و دچار تناقض نمی‌شود.

• آموزندگی: مدل وادار می‌شود منطق پشت رأی را درک کند، نه صرفاً تطابق دادن شماره مواد.

• شفافیت: با الگوهای جملات تفکیک‌شده، قاضی به سرعت متوجه می‌شود که هر بخش از استدلال، بر کدام مدرک یا سند پرونده استوار است