論文の概要: Do Charge Prediction Models Learn Legal Theory?

• arxiv url: http://arxiv.org/abs/2210.17108v1
• Date: Mon, 31 Oct 2022 07:32:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 17:08:30.781529
• Title: Do Charge Prediction Models Learn Legal Theory?
• Title（参考訳）: チャージ予測モデルは法理論を学ぶか?
• Authors: Zhenwei An, Quzhe Huang, Cong Jiang, Yansong Feng, Dongyan Zhao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 59.74220430434435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The charge prediction task aims to predict the charge for a case given its fact description. Recent models have already achieved impressive accuracy in this task, however, little is understood about the mechanisms they use to perform the judgment.For practical applications, a charge prediction model should conform to the certain legal theory in civil law countries, as under the framework of civil law, all cases are judged according to certain local legal theories. In China, for example, nearly all criminal judges make decisions based on the Four Elements Theory (FET).In this paper, we argue that trustworthy charge prediction models should take legal theories into consideration, and standing on prior studies in model interpretation, we propose three principles for trustworthy models should follow in this task, which are sensitive, selective, and presumption of innocence.We further design a new framework to evaluate whether existing charge prediction models learn legal theories. Our findings indicate that, while existing charge prediction models meet the selective principle on a benchmark dataset, most of them are still not sensitive enough and do not satisfy the presumption of innocence. Our code and dataset are released at https://github.com/ZhenweiAn/EXP_LJP.
• Abstract（参考訳）: 料金予測タスクは、その事実の説明から事件の料金を予測することを目的としている。 近年のモデルは, この課題においてすでに顕著な精度を達成しているが, 判断に使用するメカニズムについてはほとんど理解されていない。実際, 民法国家において, 請求予測モデルは, 民法の枠組みとして, 特定の地方法理論に基づいてすべての事件を判断すべきである。 例えば中国では、ほぼ全ての刑事判事が、Four Elements Theory(FET)に基づいて決定を行う。 本稿では、信頼に値する電荷予測モデルが法理論を考慮に入れるべきであり、モデル解釈における先行研究を踏まえて、信頼に値するモデルに対する3つの原則を提案する。 以上より,既存の電荷予測モデルがベンチマークデータセットの選択的原理を満たしているものの,そのほとんどはまだ感度に乏しく,無実の仮定を満たしていないことが示唆された。 私たちのコードとデータセットはhttps://github.com/zhenweian/exp_ljpでリリースされています。

関連論文リスト

• Editable Fairness: Fine-Grained Bias Mitigation in Language Models [52.66450426729818]
  個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。 FASTは最先端のベースラインを超え、デバイアス性能が優れている。 これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2024-08-07T17:14:58Z)
• 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)
• Exploring Graph Neural Networks for Indian Legal Judgment Prediction [39.0233340304095]
  本研究は,LJP問題に対処するグラフニューラルネットワークに基づくモデルの構築に焦点を当てる。 モデルの特徴として様々な埋め込みを探索し、時間ノードや司法行為などのノードを追加し、モデルの性能を評価する。 また、2つの特定ノード間の接続を予想する際のモデルの習熟度を評価するためのリンク予測タスクも実施する。
  論文  参考訳（メタデータ） (2023-10-19T14:55:51Z)
• 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)
• Legal Syllogism Prompting: Teaching Large Language Models for Legal Judgment Prediction [0.6091702876917281]
  LoT(Lawal syllogism prompting)は、法的な判断の予測のために大きな言語モデルを教える単純なプロンプト法である。 LoTは法的なシロジズムにおいて、主要な前提は法であり、小さな前提は事実であり、結論は判断である、とのみ教えている。 以上の結果から, LoT を用いた LLM は,思考のベースラインや連鎖よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-07-17T08:38:46Z)
• 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)
• 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)
• Forecasting: theory and practice [65.71277206849244]
  本稿は、理論と予測の実践について、非体系的なレビューを提供する。 我々は、幅広い理論的、最先端のモデル、方法、原則、アプローチの概要を提供する。 そして、そのような理論概念が様々な実生活の文脈でどのように適用されるかを示す。
  論文  参考訳（メタデータ） (2020-12-04T16:56:44Z)
• Legal Judgment Prediction (LJP) Amid the Advent of Autonomous AI Legal Reasoning [0.0]
  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。
  論文  参考訳（メタデータ） (2020-09-29T00:12:42Z)

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。