論文の概要: AI-lead Court Debate Case Investigation

• arxiv url: http://arxiv.org/abs/2010.11604v2
• Date: Mon, 16 Nov 2020 03:47:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 06:31:31.300784
• Title: AI-lead Court Debate Case Investigation
• Title（参考訳）: aiをリードする裁判所のディベートケース調査
• Authors: Changzhen Ji, Xin Zhou, Conghui Zhu and Tiejun Zhao
• Abstract要約: 裁判では、裁判官がその事件についてより明確に理解できるように、裁判官が効率的な疑問を提起するのに役立つ。 本研究では, 試行脳構築のための革新的エンドツーエンド質問生成モデル-Trial Brain Model (TBM)を提案する。
• 参考スコア（独自算出の注目度）: 24.221021061471177
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The multi-role judicial debate composed of the plaintiff, defendant, and judge is an important part of the judicial trial. Different from other types of dialogue, questions are raised by the judge, The plaintiff, plaintiff's agent defendant, and defendant's agent would be to debating so that the trial can proceed in an orderly manner. Question generation is an important task in Natural Language Generation. In the judicial trial, it can help the judge raise efficient questions so that the judge has a clearer understanding of the case. In this work, we propose an innovative end-to-end question generation model-Trial Brain Model (TBM) to build a Trial Brain, it can generate the questions the judge wants to ask through the historical dialogue between the plaintiff and the defendant. Unlike prior efforts in natural language generation, our model can learn the judge's questioning intention through predefined knowledge. We do experiments on real-world datasets, the experimental results show that our model can provide a more accurate question in the multi-role court debate scene.
• Abstract（参考訳）: 原告、被告、および裁判官で構成される多目的の司法論争は、裁判の重要な部分である。 他のタイプの対話とは異なり、裁判官、原告、原告の代理人被告、被告の代理人によって質問が提起され、裁判が秩序的に進行できるように議論する。 質問生成は自然言語生成において重要な課題である。 裁判では、裁判官がその事件をより明確に理解できるように、効率的な質問を提起するのに役立つ。 本研究では,原告と被告との歴史的対話を通じて,裁判員が問うべき質問を生成できる,革新的なエンドツーエンド質問生成モデル-Trial Brain Model (TBM)を提案する。 自然言語生成における従来の取り組みとは異なり、我々のモデルは事前定義された知識を通じて裁判官の質問意図を学習することができる。 実世界のデータセットで実験を行い,実験結果から,マルチロール法廷の議論場面において,より正確な疑問を提示できることが示された。

関連論文リスト

• JudgeBench: A Benchmark for Evaluating LLM-based Judges [61.048125269475854]
  judgeBenchは、知識、推論、数学、コーディングにまたがる挑戦的な応答ペアに関するLSMベースの判断を評価するためのベンチマークである。 審査員、微調整された審査員、マルチエージェントの審査員、報酬モデルに関する包括的な評価は、審査員ベンチが以前のベンチマークよりもかなり大きな課題を課していることを示している。
  論文  参考訳（メタデータ） (2024-10-16T17:58:19Z)
• On scalable oversight with weak LLMs judging strong LLMs [67.8628575615614]
  我々は、2つのAIが1人の裁判官を納得させようとする議論、すなわち1人のAIが1人の裁判官を説得し、質問をする。 大規模言語モデル(LLM)をAIエージェントと人間の判断のためのスタンドインの両方として使用し、判断モデルがエージェントモデルよりも弱いと判断する。
  論文  参考訳（メタデータ） (2024-07-05T16:29:15Z)
• Debatrix: Multi-dimensional Debate Judge with Iterative Chronological Analysis Based on LLM [51.43102092480804]
  Debatrixは、Large Language Models (LLMs)に基づく自動ディスカッションジャッジである。 実世界の議論シナリオに合わせるため、私たちはPanelBenchベンチマークを導入し、システムの性能と実際の議論結果を比較した。 以上の結果から,LSMを直接使用して議論評価を行ない,顕著な改善が見られた。
  論文  参考訳（メタデータ） (2024-03-12T18:19:47Z)
• AgentsCourt: Building Judicial Decision-Making Agents with Court Debate Simulation and Legal Knowledge Augmentation [19.733007669738008]
  本稿では,司法判断のための新しいマルチエージェントフレームワーク,AgentsCourtを提案する。 弊社の枠組みは,裁判所の審理シミュレーション,法的資源の検索,意思決定の洗練など,古典的な審理過程を踏襲している。 この課題を支援するために,多リソースの法知識を持つ大規模法知識基盤であるLegal-KBを構築した。
  論文  参考訳（メタデータ） (2024-03-05T13:30:02Z)
• 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)
• The Ethics of Automating Legal Actors [58.81546227716182]
  我々は、裁判官の役割の自動化は、特に一般的な法体系において、難しい倫理的課題を提起すると主張している。 我々の主張は、単に法律を適用するのではなく、法律を積極的に形成する際の裁判官の社会的役割から従う。 モデルが人間レベルの能力を達成できたとしても、法的プロセスの自動化に固有の倫理的懸念は残るだろう。
  論文  参考訳（メタデータ） (2023-12-01T13:48:46Z)
• A Computational Analysis of Oral Argument in the Supreme Court [0.0]
  機関としての口頭弁論の基本的機能と運用はいまだに理解されていない。 本稿では、機械学習技術を用いて、司法決定の予測モデルを構築する。 それは、長年経験的研究に抵抗してきた口頭弁論の側面に、重要な新しい窓を提供する。
  論文  参考訳（メタデータ） (2023-06-05T13:52:56Z)
• JUSTICE: A Benchmark Dataset for Supreme Court's Judgment Prediction [0.0]
  我々は、自然言語処理(NLP)研究やその他のデータ駆動アプリケーションで容易に利用できるように、SCOTUS裁判所の高品質なデータセットを作成することを目指している。 先進的なNLPアルゴリズムを用いて以前の訴訟を分析することにより、訓練されたモデルは裁判所の判断を予測し、分類することができる。
  論文  参考訳（メタデータ） (2021-12-06T23:19:08Z)
• Legal Judgment Prediction with Multi-Stage CaseRepresentation Learning in the Real Court Setting [25.53133777558123]
  本稿では, 実地裁判所から新たなデータセットを導入し, 法的な判断を合理的に百科事典的に予測する。 大規模な民事裁判データセットを用いた広範な実験は、提案モデルが、法的判断予測のためのクレーム、事実、議論の間の相互作用をより正確に特徴付けることができることを示している。
  論文  参考訳（メタデータ） (2021-07-12T04:27:14Z)
• What About the Precedent: An Information-Theoretic Analysis of Common Law [64.49276556192073]
  一般的な法律では、新しい事件の結果は、既存の法令ではなく、前例によって決定されることが多い。 私たちは、2つの長年にわたる法学的な見解を比較することで、この問題に最初に取り組みました。 前例の主張は事件の結果と0.38ナットの情報を共有しているのに対し、前例の事実は0.18ナットの情報しか共有していない。
  論文  参考訳（メタデータ） (2021-04-25T11:20:09Z)

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。