Caselaw は、トロント大学が 2025 年にリリースした法律文献データセットです。The Common Pile v0.1: パブリックドメインおよびオープンライセンスのテキストの8TBデータセット”。 このデータセットには、Caselaw Access ProjectとCourt Listenerから収集された670万件の判例が含まれています。Caselaw Access Projectには、過去365年間の米国連邦裁判所および州裁判所の判決と意見が約4,000万ページ収録されています。Court Listenerには、479の裁判所から収集された90万件以上の判例が収録されています。Caselaw Access ProjectとCourt Listenerは、ハーバード大学ローライブラリ、議会法図書館、最高裁判所データベースなど、パブリックドメインの文書を含む、様々なソースから法データを取得しています。

引用

@article{kandpal2025common,
title={{The Common Pile v0.1: An 8TB Dataset of Public Domain and Openly Licensed Text}},
author={Nikhil Kandpal and Brian Lester and Colin Raffel and Sebastian Majstorovic and Stella Biderman and Baber Abbasi and Luca Soldaini and Enrico Shippole and A. Feder Cooper and Aviya Skowron and Shayne Longpre and Lintang Sutawika and Alon Albalak and Zhenlin Xu and Guilherme Penedo and Loubna Ben  and Elie Bakouch and John David  and Honglu Fan and Dashiell Stander and Guangyu Song and Aaron Gokaslan and John Kirchenbauer and Tom Goldstein and Brian R and Bhavya Kailkhura and Tyler Murray},
journal={arXiv preprint},
year={2025}
}