論文の概要: Legal Judgment Prediction (LJP) Amid the Advent of Autonomous AI Legal
Reasoning
- arxiv url: http://arxiv.org/abs/2009.14620v1
- Date: Tue, 29 Sep 2020 00:12:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 06:56:44.126020
- Title: Legal Judgment Prediction (LJP) Amid the Advent of Autonomous AI Legal
Reasoning
- Title（参考訳）: 自律的ai法的推論の出現に伴う法的判断予測(ljp)
- Authors: Lance Eliot
- Abstract要約: 法的判断予測は、法律の理論と実践において、長くかつオープンなトピックである。
訴訟や司法行動を予測する様々な方法や技法が、長年にわたって出現してきた。
AI法則推論の出現は、LJPの実行方法とその予測精度に顕著な影響を与える。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Legal Judgment Prediction (LJP) is a longstanding and open topic in the
theory and practice-of-law. Predicting the nature and outcomes of judicial
matters is abundantly warranted, keenly sought, and vigorously pursued by those
within the legal industry and also by society as a whole. The tenuous act of
generating judicially laden predictions has been limited in utility and
exactitude, requiring further advancement. Various methods and techniques to
predict legal cases and judicial actions have emerged over time, especially
arising via the advent of computer-based modeling. There has been a wide range
of approaches attempted, including simple calculative methods to highly
sophisticated and complex statistical models. Artificial Intelligence (AI)
based approaches have also been increasingly utilized. In this paper, a review
of the literature encompassing Legal Judgment Prediction is undertaken, along
with innovatively proposing that the advent of AI Legal Reasoning (AILR) will
have a pronounced impact on how LJP is performed and its predictive accuracy.
Legal Judgment Prediction is particularly examined using the Levels of Autonomy
(LoA) of AI Legal Reasoning, plus, other considerations are explored including
LJP probabilistic tendencies, biases handling, actor predictors, transparency,
judicial reliance, legal case outcomes, and other crucial elements entailing
the overarching legal judicial milieu.
- Abstract（参考訳）: LJP(Lawal Judgment Prediction)は、法律理論と法律の実践において、長くかつオープンなトピックである。
司法問題の性質と成果を予測することは、法律業界や社会全体でも、十分に保証され、熱心に追求され、活発に追求される。
法的に怠慢な予測を生み出す不穏な行為は、実用性と正確性に制限があり、さらなる進歩を必要としている。
訴訟事件や司法行動を予測する様々な方法や技法が時間とともに登場し、特にコンピュータベースのモデリングの出現によって生じた。
様々なアプローチが試みられ、高度に洗練され複雑な統計モデルに対する単純な計算法を含む。
人工知能(AI)ベースのアプローチもますます活用されている。
本稿では、AILR(AI Legal Reasoning)の出現がLJPの実施方法とその予測精度に顕著な影響を与えることを革新的に提案すると共に、法的判断予測を含む文献のレビューを行う。
法的判断予測は、AI法理推論の自律性レベル(LoA)を用いて特に検討され、さらに、LJP確率的傾向、バイアス処理、アクター予測器、透明性、司法依存、訴訟結果、および、包括的な司法ミスリユーを含むその他の重要な要素について検討される。
関連論文リスト
- Enabling Discriminative Reasoning in LLMs for Legal Judgment Prediction [23.046342240176575]
人間の推論に触発されたAsk-Discriminate-Predict(ADAPT)推論フレームワークを紹介する。
ADAPTは、ケース事実を分解し、潜在的な電荷を識別し、最終的な判断を予測する。
広く利用されている2つのデータセットに対して行われた実験は、法的な判断予測において、我々のフレームワークの優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-02T05:43:15Z) - Towards Explainability in Legal Outcome Prediction Models [64.00172507827499]
我々は、前例が法的NLPモデルの説明可能性を促進する自然な方法であると主張している。
法的な先例の分類法を開発することで、人間の判断と神経モデルを比較することができる。
モデルが合理的に結果を予測することを学習する一方で、前例の使用は人間の判断とは違い、ということがわかりました。
論文 参考訳（メタデータ） (2024-03-25T15:15:41Z) - PILOT: Legal Case Outcome Prediction with Case Law [43.680862577060765]
判例法を用いて判例結果の予測を行う際の2つのユニークな課題を同定する。
第一に、意思決定において裁判官の基本的な証拠となる関連する前例を特定することが重要である。
第二に、初期の事例は異なる法的文脈に従う可能性があるため、時間とともに法原則の進化を考慮する必要がある。
論文 参考訳（メタデータ） (2024-01-28T21:18:05Z) - Multi-Defendant Legal Judgment Prediction via Hierarchical Reasoning [49.23103067844278]
マルチディペンダント・ケースの各被告に対する判断結果を自動予測することを目的としたマルチディペンダント・LJPの課題を提案する。
マルチディペンダント LJP の課題は,(1) 各被告の識別不能な判断結果, (2) 訓練と評価のための実世界のデータセットの欠如である。
論文 参考訳（メタデータ） (2023-12-10T04:46:30Z) - Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model
Collaboration [52.57055162778548]
法的判断予測(LJP)は、法律AIにおいてますます重要な課題となっている。
先行は、同様の事実を持つ以前の訴訟であり、国家法制度におけるその後の事件の判断の基礎となっている。
近年のディープラーニングの進歩により、LJPタスクの解決に様々なテクニックが使えるようになった。
論文 参考訳（メタデータ） (2023-10-13T16:47:20Z) - Adversarially Robust Neural Legal Judgement Systems [0.0]
法的判断予測は、事件の事実のテキスト記述に基づいて訴訟の結果を予測するタスクである。
このようなシステムが現実的に有用であるためには、敵の攻撃に対して堅牢であるべきである。
本稿では,ロバストな法的判断予測システムを構築するためのアプローチを提案する。
論文 参考訳（メタデータ） (2023-07-31T21:44:48Z) - Exploiting Contrastive Learning and Numerical Evidence for Confusing
Legal Judgment Prediction [46.71918729837462]
訴訟の事実記述文を考慮し、法的判断予測は、事件の告訴、法律記事、刑期を予測することを目的としている。
従来の研究では、標準的なクロスエントロピー分類損失と異なる分類誤差を区別できなかった。
本稿では,モコに基づく教師付きコントラスト学習を提案する。
さらに,事前学習した数値モデルにより符号化された抽出された犯罪量による事実記述の表現をさらに強化する。
論文 参考訳（メタデータ） (2022-11-15T15:53:56Z) - Do Charge Prediction Models Learn Legal Theory? [59.74220430434435]
我々は、信頼できる電荷予測モデルが法的理論を考慮に入れるべきであると主張している。
本稿では,この課題に従わなければならない信頼に値するモデルの3つの原則を提案する。
以上の結果から,既存の電荷予測モデルはベンチマークデータセットの選択的原理に合致するが,そのほとんどが十分な感度が得られず,無害の予測を満たさないことが示唆された。
論文 参考訳（メタデータ） (2022-10-31T07:32:12Z) - Predicting Indian Supreme Court Judgments, Decisions, Or Appeals [0.403831199243454]
新たに開発したML対応法定予測モデルとその運用プロトタイプであるeLegPredictを紹介した。
eLegPredictは3072件の最高裁判所事件で訓練されテストされ、精度は76%に達した(F1スコア)。
eLegPredictはエンドユーザを支援するメカニズムを備えており、新しいケース記述を持つドキュメントが指定されたディレクトリにドロップされると、システムはすぐにコンテンツを読み込んで予測を生成する。
論文 参考訳（メタデータ） (2021-09-28T18:28:43Z) - Lawformer: A Pre-trained Language Model for Chinese Legal Long Documents [56.40163943394202]
我々は,中国法定長文理解のためのLongformerベースの事前学習言語モデル,Lawformerをリリースする。
判決の予測,類似事例の検索,法的読解,法的質問の回答など,さまざまな法務上の課題について法務担当者を評価した。
論文 参考訳（メタデータ） (2021-05-09T09:39:25Z) - Distinguish Confusing Law Articles for Legal Judgment Prediction [30.083642130015317]
LJP(Lawal Judgment Prediction)は、その事実を記述したテキストが与えられた場合、訴訟の判断結果を自動的に予測するタスクである。
LJP の課題を解決するために,エンド・ツー・エンドのモデル LADAN を提案する。
論文 参考訳（メタデータ） (2020-04-06T11:09:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。