매년 수백만 명이 법률 지원 프로그램 핫라인, 법률 지원 사무소 방문 또는 변호사 소개 서비스를 이용하여 법적 문제 해결을 위한 도움을 요청합니다. 적절한 도움을 연결하는 첫 단계는 신청자가 경험하는 법적 문제를 식별하는 것입니다. 잘못된 안내는 마감일을 놓치거나, 신체적 학대를 경험하거나, 주거를 잃거나, 자녀 양육권을 잃는 등의 결과를 초래할 수 있습니다. 본 논문에서는 법적 문제 분류를 위한 FETCH 분류기를 소개하고 평가하며, 정확도를 향상시키는 두 가지 방법(하이브리드 LLM/ML 앙상블 분류 방법 및 초기 문제 설명을 풍부하게 하는 후속 질문 자동 생성)을 설명합니다. 비영리 변호사 소개 서비스에 대한 419건의 실제 질문으로 구성된 새로운 데이터 세트를 사용합니다. 결과적으로 저렴한 모델의 조합을 사용하여 97.37%(hits@2)의 분류 정확도를 달성하여 현재 최첨단 GPT-5 모델의 성능을 능가함을 보여줍니다. 본 연구의 접근 방식은 높은 정확도를 달성하면서 법률 시스템 사용자를 그들의 문제에 적합한 자원으로 안내하는 비용을 크게 줄일 수 있는 가능성을 보여줍니다.
