PLAT

PLAT（预测额外税收处罚的合理性）数据集用于预测额外税收处罚的合理性，包含与额外税收处罚相关的高质量案例。数据集由LBOX获取的原始案例数据经过GPT-o1模型总结而成，包括两种形式：多项选择题（合法性：真/假）和论述题（解释合法性）。论述题的问题结构模仿韩国税务会计师考试的问题格式，包括案例信息、事实和主张。答案由案例中的法官推理和决定组成，评分量表由GPT-o1生成。

搜集汇总

数据集介绍

构建方式

PLAT数据集的构建主要依托于从LBOX获取的与追加税收处罚相关的高质量判例数据。这些原始判例数据经过GPT-o1模型的处理，以两种形式进行概括：多项选择题和论述题。在多项选择题形式中，合法性被分为真或假；在论述题形式中，问题被重构为模拟韩国税务会计师考试的问题格式，包含案例信息、事实和主张，答案则由法官在先例中的推理和决定组成，评分标准亦由GPT-o1生成。

特点

PLAT数据集的特点在于其涵盖了与追加税收处罚相关的真实判例，并通过GPT-o1模型的辅助，形成了适合于法律合法性预测的任务格式。数据集包含两种配置：essay和mc，分别对应论述题和多项选择题。数据集的分布均衡，其中合法与不合法的案例各占一半，确保了数据集的平衡性。

使用方法

使用PLAT数据集时，用户可以根据需要选择不同的配置加载数据。对于多项选择题任务，可以使用'mc'配置；对于论述题任务，则使用'essay'配置。通过HuggingFace的datasets库，用户可以轻松加载并开始使用数据集。具体加载方式如README文件中所示，简洁明了。

背景与挑战

背景概述

PLAT数据集，即预测追加税处罚合理性的数据集，是在2025年由Eunkyung Choi、Young Jin Suh、Hun Park以及Wonseok Hwang等研究人员创建。该数据集旨在通过高质量的前例数据，对韩国税务会计师考试中可能遇到的追加税处罚问题进行预测分析。PLAT数据集的构建，为税务领域提供了一种新的视角，并利用GPT-o1模型对数据进行总结和格式化处理，其研究成果在学术界和实践领域均产生了积极影响。

当前挑战

PLAT数据集面临的挑战主要包括：一是如何准确预测追加税处罚的合理性，这涉及到对法律条文和具体案例的深入理解；二是数据集构建过程中，如何确保数据的准确性和代表性，以及如何利用GPT-o1模型高效地处理和总结大量的前例数据。此外，如何在保持数据质量的同时，处理和整合不同格式和类型的数据，也是一项重要的挑战。

常用场景

经典使用场景

PLAT数据集作为预测税务追加处罚合理性的重要工具，其经典的使用场景在于税务领域的学术研究和实践应用中。具体而言，研究者通过该数据集提供的案例信息，采用多种形式，如多项选择题和论述题，以模拟韩国税务会计师考试的问题格式，进而评估和训练模型的预测能力。

实际应用

在实际应用中，PLAT数据集的应用场景广泛，可用于税务机构的自动化审核系统，辅助法官或税务官员快速判断税务处罚案例的合理性，以及为税务法律教育和培训提供标准化的案例材料。

衍生相关工作

PLAT数据集的构建，不仅为税务领域的研究提供了重要资源，还衍生出了一系列相关的研究工作。例如，基于该数据集的性能评估研究，以及将其应用于不同国家和地区的税务法律体系的适应性研究，进一步扩展了该数据集的应用范围和影响力。