L'ordine cronologico degli eventi: il banco di prova dell'AI applicata al diritto

La collaborazione ormai consolidata tra Aruba S.p.A e il Politecnico di Torino nell’ambito dell’applicazione in contesti reali dell’intelligenza artificiale, ha portato allo sviluppo di una ricerca presentata in occasione della conferenza internazionale DARLI-AP 2026 (24 marzo 2026, Tampere, Finlandia). L’intervento dal titolo Exploring In-Context Learning Strategies for Temporal Ordering of Legal Events using Large Language Models, è stato presentato da
Luca Cagliero e Andrea Cacioli del Dipartimento di Automatica e Informatica e da Francesco Tarasconi di Aruba.

La ricerca affronta il tema del temporal reasoning dei Large Language Models - LLM in ambito legale. L’obiettivo dello studio è analizzare in modo sistematico la capacità dei modelli linguistici di comprendere e classificare le relazioni temporali tra eventi giuridicamente rilevanti. Nello specifico, lo studio ha testato la capacità dei vari modelli nel comprendere sequenze temporali complesse all’interno di contesti giuridici. Per farlo, è stato utilizzato e ampliato un dataset pubblico di riferimento, costruendo un ambiente di test in grado di simulare scenari realistici e progressivamente più complessi.

L’affidalità dei temporal reasoning degli LLM non riguarda solo la qualità tecnica dei modelli, ma la possibilità di applicarli in contesti in cui un errore di sequenza può produrre conseguenze giuridiche concrete. È su questo terreno che la collaborazione tra ricerca industriale e mondo accademico può contribuire a rendere l’intelligenza artificiale più solida, verificabile e adatta a scenari reali, affrontando alcune delle sfide più concrete dell’AI.

Per maggiori informazioni
- Consultare l’articolo completo sul sito Aruba