具有多步骤推理和多跨度问题的中国司法阅读理解扩充和挑战性数据集

现有的司法阅读理解数据集相对简单，可以通过单步推理获得问题的答案。然而，法律文件在实际场景中的内容很复杂，因此仅通过一步推理推断正确结果是有问题的。为了解决这类问题，我们对中国司法阅读理解（CJRC）数据集中包含的问题的困难进行了推广，并提出了CJRC2.0和CJRC3.0两个扩充版本。这些数据集来源于中国不同领域的司法裁判文书，并由司法专业人士进行注释。与CJRC相比，这两个数据集中的判断文件类型更多，问题变得更难回答。对于CJRC2.0，我们只保留需要通过多步骤推理解决的复杂问题。此外，我们还为答案提供了额外的支持性事实。对于CJRC3.0，我们引入了一种新的问题类型，即多跨度问题，该问题应该通过提取和组合文档中的多个跨度来回答。我们实现了两个强大的基线来评估我们提出的数据集的难度。我们提出的数据集填补了可解释的法律机器阅读理解领域的空白。