（1）阅读理解
篇章片段抽取型阅读理解比赛，为了增加问题的多样性，参考英文阅读理解比赛SQuAD和CoQA，本比赛增加了拒答以及是否类（YES/NO）问题。
训练集约包含4万个问题，开发集和测试集各约5000个问题。 对于开发集和测试集，每个问题包含3个人工标注参考答案。
提供了两组基线模型，包括BiDAF模型和基于BERT的基线模型
（2）要素识别
三种类型的法律文书，多标签分类，提供了基于SVM实现的基线模型。
（3）相似案例匹配
训练数据：
每份数据由三篇法律文书组成。
对于每篇法律文书，我们仅提供事实描述。
对于每份数据，我们用(d, d1, d2)来代表该组数据，其中d,d1,d2均对应某一篇文书。
对于训练数据，我们保证，我们的文书数据d与d1的相似度是大于d与d2的相似度的，即sim(d, d1) > sim(d, d2)。
我们的数据总共涉及三万组文书三元对，所有的文书三元组对都一定属于民间借贷、知识产权纠纷和海商海事案件中的某一种。
测试数据：
每组测试数据的形式与训练数据一致为(d1, d2, d3)但是此时我们不再保证sim(d, d1) > sim(d, d2)。 选手需要预测最终的结果是sim(d, d1) > sim(d, d2)还是sim(d, d1) < sim(d, d2)。 如果预测正确，那么该测试点选手可以得到1分，否则是0分。
提供了两组基线模型，包括基于tf-idf的基线模型和基于bert的语言基线模型。