在COLIEE 2026法律人工智能競賽中，NOWJ團隊針對五項核心任務開發了創新的自適應流水線方法。這些任務涵蓋了法律案例檢索、法律案例藴含、法令檢索與藴含、法律文本藴含以及法律判決預測，旨在提升法律信息處理的準確性與效率。
對於法律案例檢索（Task 1），團隊設計了一個四階段流水線。首先，通過候選過濾機制減少搜索空間，然後使用互補的嵌入模型進行密集檢索，接着採用經過微調的生成式重排序器和基於MLP的成對分類進行交叉編碼器重排序，最後通過自適應每查詢截斷預測確定最佳結果。這一方法在保證檢索精度的同時顯著提高了速度。
在法律案例藴含任務（Task 2）中，團隊結合了BM25過濾、T5模型重排序以及大型語言模型（LLM）的藴含驗證，並通過共識集成策略增強了系統的可靠性。對於法令檢索與藴含（Task 3），他們採用了檢索增強生成（RAG）框架，利用密集檢索、注意力重排序和少量樣本提示的LLM推理，有效地從大量法律文本中提取相關信息。
法律文本藴含任務（Task 4）則引入了一種動態路由流水線，該流水線首先對查詢難度進行分類，然後將案例分配到平衡的少量樣本求解器或結構化的零樣本思維鏈求解器中。這種自適應策略能夠靈活應對不同複雜度的查詢。最後，在法律判決預測試點任務中，團隊結合了層次化Transformer與條件隨機場（CRF）層，並通過論證關係挖掘和概率論證圖推理，實現了對判決結果的多方面預測。
NOWJ團隊的方法展示了在複雜法律文本處理中，自適應流水線和多模型融合的顯著優勢，為法律人工智能的發展提供了有力支持。