---
license: other
license_name: judicial-yuan-open
language:
- zh
task_categories:
- text-generation
- question-answering
tags:
- legal
- Taiwan
- ROC
- zh-tw
- judicial
- cpt
pretty_name: 中華民國司法智識庫資料集
size_categories:
- 1K<n<10K
dataset_info:
  features:
  - name: messages
    list:
    - name: role
      dtype: string
    - name: content
      dtype: string
  splits:
  - name: train
    num_examples: 2508
configs:
- config_name: default
  data_files:
  - split: train
    path: datasets.jsonl
---
# Dataset Card for tw-judicial-wisdom

<!-- Provide a quick summary of the dataset. -->
tw-judicial-wisdom 是一個來自中華民國司法院「司法智識庫」之法律判決與見解資料集，合計 2,508 筆，已整理為 OpenAI Messages（`messages`）對話格式，可用於繁體中文法律 LLM 之持續預訓練（CPT）或 SFT 訓練，讓模型學習法院實務見解之論理結構與用語。

## Dataset Details

### Dataset Description

<!-- Provide a longer summary of what this dataset is. -->
中華民國司法院之「司法智識庫」（fjudkm.judicial.gov.tw）為司法院整理發布之精選判決與法律見解集合，收錄各級法院具參考價值之案件與論理段落，長期作為實務界與學界引用之來源。本資料集將這些精選判決與見解整理為對話格式，每筆以單輪 `messages` 儲存，內容保留法院之事實摘要、爭點分析、法律依據與判決結論，便於法律 LLM 學習：

1. 判決書之結構化論理方式；
2. 法律爭點之拆解與援引法條；
3. 精華案件之裁判主文與理由。

- **Curated by:** [Liang Hsun Huang](https://www.linkedin.com/in/lianghsunhuang/?locale=en_US)
- **Language(s) (NLP):** Traditional Chinese
- **License:** 來源為中華民國司法院之公開資料，使用時請依司法院公開資料政策辦理
- **Source Authority:** [中華民國司法院 司法智識庫](https://fjudkm.judicial.gov.tw/)

### Dataset Sources

<!-- Provide the basic links for the dataset. -->

- **Repository:** [lianghsun/tw-judicial-wisdom](https://huggingface.co/datasets/lianghsun/tw-judicial-wisdom/)
- **Source Authority:** [司法智識庫](https://fjudkm.judicial.gov.tw/)

## Uses

<!-- Address questions around how the dataset is intended to be used. -->

### Direct Use

<!-- This section describes suitable use cases for the dataset. -->

本資料集主要設計用於：
* 繁體中文法律 LLM 之持續預訓練（CPT）；
* 作為精選判決之 SFT 語料，補強法院實務見解之學習；
* 研究判決書結構化論理之語言特徵；
* 與 `tw-processed-judgments-14B`、`tw-judgment-gist` 等資料集搭配使用。

### Out-of-Scope Use

<!-- This section addresses misuse, malicious use, and uses that the dataset will not work well for. -->
本資料集不適用於下列用途：
* 作為正式法律諮詢之依據，模型輸出不構成法律意見；
* 作為當事人身份識別之素材；
* 作為非中華民國法律體系之訓練資料；
* 作為商業法律產品之唯一訓練來源，商業使用前應確認司法院公開資料政策之適用範圍。

## Dataset Structure

<!-- This section provides a description of the dataset fields, and additional information about the dataset structure such as criteria used to create the splits, relationships between data points, etc. -->
```json
{
  "messages": [
    {"role": "user", "content": "原判決除假執行部分外廢棄，發回台灣高等法院台中分院。理由：本件上訴人主張..."}
  ]
}
```

| 欄位 | 型別 | 說明 |
|---|---|---|
| `messages` | list[{role, content}] | OpenAI Messages 格式對話 |

| 統計項目 | 數值 |
|---|---|
| 總筆數 | 2,508 |
| 切分 | 無（使用者自行切分） |

## Dataset Creation

### Curation Rationale

<!-- Motivation for the creation of this dataset. -->

司法智識庫之精選判決對於法律 LLM 來說是高品質語料，但其原始格式不利於直接作為 SFT / CPT 使用。本資料集將其整理為 OpenAI Messages 格式，讓繁中法律 LLM 能直接受益於司法院之公開精選內容。

### Source Data

#### Data Collection and Processing

- **來源**：中華民國司法院「司法智識庫」之公開判決與見解；
- **處理**：進行清理、標準化，盡可能去識別化以保護個人隱私，並整理為 OpenAI Messages 格式。

#### Who are the source data producers?

原始判決與見解由中華民國各級法院之承審法官撰寫，經司法院依其標準選入司法智識庫。

### Annotations

#### Annotation process

本資料集不包含額外人工標註。

#### Who are the annotators?

不適用。

#### Personal and Sensitive Information

<!-- State whether the dataset contains data that might be considered personal, sensitive, or private (e.g., data that reveals addresses, uniquely identifiable names or aliases, racial or ethnic origins, sexual orientations, religious beliefs, political opinions, financial or health data, etc.). If efforts were made to anonymize the data, describe the anonymization process. -->
司法智識庫之內容為司法院依法公開之文書，當事人姓名之揭露或遮蔽依司法院規則辦理。本資料集於整理過程已盡可能進行去識別化，但使用者仍不得以本資料集進行當事人識別。

## Bias, Risks, and Limitations

<!-- This section is meant to convey both technical and sociotechnical limitations. -->

* **精選樣本之領域偏態**：司法智識庫之內容由司法院選定，可能偏向特定法律領域；
* **時效性**：法律見解會隨法規修訂而變動，歷史判決之結論可能已過時；
* **授權模糊**：司法院公開資料之商業使用範圍應進一步確認；
* **單輪格式**：雖為 messages 結構，但實際多為單輪內容。

### Recommendations

<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->

建議使用者：
* 搭配 `tw-processed-judgments-14B`、`tw-judgment-gist`、`tw-judgment-gist-chat` 等資料集共同訓練；
* 商業使用前查閱司法院公開資料政策；
* 模型輸出應以最新之全國法規資料庫與判決書進行交叉比對。

## Citation

<!-- If there is a paper or blog post introducing the dataset, the APA and Bibtex information for that should go in this section. -->
```bibtex
@misc{tw-judicial-wisdom,
  title        = {tw-judicial-wisdom: ROC Judicial Yuan Wisdom Base Corpus},
  author       = {Liang Hsun Huang},
  year         = {2024},
  howpublished = {\url{https://huggingface.co/datasets/lianghsun/tw-judicial-wisdom}},
  note         = {2,508 curated judgments and legal opinions from Judicial Yuan's Wisdom Base, formatted as OpenAI messages.}
}
```

## Dataset Card Authors

[Liang Hsun Huang](https://www.linkedin.com/in/lianghsunhuang/?locale=en_US)

## Dataset Card Contact

[Liang Hsun Huang](https://www.linkedin.com/in/lianghsunhuang/?locale=en_US)