Library Automation and Digital Archive
LONTAR
Fakultas Ilmu KomputerUniversitas Indonesia
| Call Number | SK-2533 (Softcopy SK-2015) |
| Collection Type | Skripsi |
| Title | Utilization of Causal Language Models for Legal Textual Entailment Task |
| Author | Bryan Tjanndra; |
| Publisher | Depok: Fasilkom UI, 2025 |
| Subject | Legal Textual Entailment |
| Location | FASILKOM-UI; |
| Nomor Panggil | ID Koleksi | Status |
|---|---|---|
| SK-2533 (Softcopy SK-2015) | TERSEDIA |
Nama:BryanTjandra ProgramStudi:IlmuKomputer Judul :UtilizationofCausalLanguageModelsforLegalTextual Entailment Task Dosen Pembimbing:AlfanFarizkiWicaksono,S.Kom.,M.Sc.,Ph.D Penelitianinimenjelaskanpartisipasikamidalamtugas LegalTextualEntailment (Tugas 4) padakompetisiCompetitiononLegalInformationExtraction/Entailment(COLIEE) 2025. Kamimengeksplorasitigametodeberbedauntukmengatasitantanganini.Metode pertamakami, UIRunFTune, mengadaptasipenelitiansebelumnyadaritimJNLPdengan menggunakan seleksi prompt dan fine-tuning LLM ringandenganQLoRA,sebagaimodel baseline denganakurasiresmisebesar60,27%.Metodekedua, UIRunLang, terbukti menjadi strategikamiyangpalingefektifdenganmencapaiakurasiresmisebesar82,19%. Pendekataninimemperkenalkanmekanismeseleksiotomatisuntukmemilihpenggunaan masukan berbahasaInggrisatauJepang,yangsecarasignifikanmeningkatkankinerja denganmengatasikesalahanpenerjemahankritispadakumpulandataberbahasaInggris. Metode ketigakami, UIRunCoT, memanfaatkan ensemble voting dariteknikprompting advanced, termasukChain-of-Thought,Tree-of-Thought,danGraph-of-Thought.Metode ini mencapaiakurasitertinggisebesar82,46%dalamevaluasiinternalkami,yangmenun- jukkan kekuatandarikerangkapenalaranterstruktur.Hasilkamimenunjukkanbahwa strategiadaptif-bahasamenawarkanpeningkatansubstansialdibandingkan fine-tuning standardanbahwametodepenalaran advanced memiliki potensiyangmenjanjikanuntuk tugas legalentailment yangkompleks.