美国法典条文自动形式化片段缓存数据集
数据集简介
数据组织与子集划分
数据集以 8 个子集组织美国法典条文片段与自动形式化产出,各子集行数如下:
| 子集 | 行数 |
|---|---|
| paired_spans | 4.89k |
| census_v2 | 27k |
| census_v3 | 1.18k |
| deferred_goals | 4.74k |
| evidence_artifacts | 10.1k |
| formal_logic_text | 372 |
| retained_outputs_v1 | 32 |
| supervisor_goals_v2 | 28.1k |
页面标注整体规模为 10K–100K 行,数据划分采用 train 单一 split。
字段结构
记录字段覆盖形式化流程的多个环节:schema_version、repository_id、source、autoencoder、compiler、provenance、lake、source_target_artifact_sha256、source_target_artifact_pointer、goal_ids、admitted、formalized、comparison、observation_id。片段级字段包括 span_id、text、text_sha256、legal_id、revision、constitution;形式化输出以 family=frame、format=modal-ir-formula/v1 记录,并附诊断比对状态。
片段示例中,legal_id 形如 usc:us:10:7229,revision 形如 ipfs-uscode-5016b86a,可用于定位条文来源与版本。
形式化输出与比对
形式化输出以 modal-ir-formula/v1 等格式记录,每个片段对应形式化结果与编译状态。比对字段 comparison 与 observation_id 共同记录诊断比对观察,admitted 与 formalized 字段则标记片段是否被接纳及是否完成形式化。
访问与版本
数据集托管于 HuggingFace(hf-mirror 镜像页),公开可访问,页面提供 Dataset Viewer 并自动转换为 Parquet 格式。页面未标注具体许可协议。数据集页面标注发布日期为 2026-09-30。
引用信息
数据集标识为 justicedao/uscode-autoformal-span-cache,来源机构为 justicedao,版本线索见 revision ipfs-uscode-5016b86a 与 census 标识 uscode-paired-span-census/v1。