論文の概要: Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model
Collaboration
- arxiv url: http://arxiv.org/abs/2310.09241v1
- Date: Fri, 13 Oct 2023 16:47:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-16 12:01:34.738498
- Title: Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model
Collaboration
- Title(参考訳): LLMとドメインモデルによる先行的法的判断予測
- Authors: Yiquan Wu, Siying Zhou, Yifei Liu, Weiming Lu, Xiaozhong Liu, Yating
Zhang, Changlong Sun, Fei Wu, Kun Kuang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 52.57055162778548
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Legal Judgment Prediction (LJP) has become an increasingly crucial task in
Legal AI, i.e., predicting the judgment of the case in terms of case fact
description. Precedents are the previous legal cases with similar facts, which
are the basis for the judgment of the subsequent case in national legal
systems. Thus, it is worthwhile to explore the utilization of precedents in the
LJP. Recent advances in deep learning have enabled a variety of techniques to
be used to solve the LJP task. These can be broken down into two categories:
large language models (LLMs) and domain-specific models. LLMs are capable of
interpreting and generating complex natural language, while domain models are
efficient in learning task-specific information. In this paper, we propose the
precedent-enhanced LJP framework (PLJP), a system that leverages the strength
of both LLM and domain models in the context of precedents. Specifically, the
domain models are designed to provide candidate labels and find the proper
precedents efficiently, and the large models will make the final prediction
with an in-context precedents comprehension. Experiments on the real-world
dataset demonstrate the effectiveness of our PLJP. Moreover, our work shows a
promising direction for LLM and domain-model collaboration that can be
generalized to other vertical domains.
- Abstract(参考訳): 法的判断予測(LJP)は、事件事実記述の観点から事件の判断を予測する法的なAIにおいて、ますます重要な課題となっている。
前例は、同様の事実を有する前例であり、これは、後の国家法制度における判決の根拠である。
したがって、LJPにおける先例の利用について検討する価値がある。
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。
これらは2つのカテゴリに分類できる: 大きな言語モデル(llm)とドメイン固有モデルである。
LLMは複雑な自然言語を解釈・生成し、ドメインモデルはタスク固有の情報を学ぶのに効率的である。
本稿では,LLMとドメインモデルの両方の長所を前例の文脈で活用する,先例拡張 LJP フレームワーク (PLJP) を提案する。
具体的には、ドメインモデルは候補ラベルを提供し、適切な前例を効率的に見つけるように設計されており、大きなモデルはコンテキスト内の前例を理解することで最終的な予測を行う。
実世界のデータセットにおけるPLJPの有効性を示す実験を行った。
さらに,本研究は,他の垂直領域に一般化可能なLLMおよびドメインモデル協調に向けた有望な方向性を示す。
関連論文リスト
- Large Language Models in Law: A Survey [34.785207813971134]
法的大規模言語モデル(LLM)の適用は、まだ初期段階にある。
法分野におけるAI技術の概観と,LLMにおける最近の研究成果を紹介する。
我々は、データ、アルゴリズム、司法実務を含む法的LLMの制限について検討する。
論文 参考訳(メタデータ) (2023-11-26T00:48:12Z) - BLT: Can Large Language Models Handle Basic Legal Text? [50.46167465931653]
GPT-4、Claude、PaLM 2は基本的な法的テキスト処理では性能が良くない。
これらのタスクの微調整は、テストセット上でのほぼ完全なパフォーマンスにさらに小さなモデルをもたらします。
論文 参考訳(メタデータ) (2023-11-16T09:09:22Z) - Modeling Legal Reasoning: LM Annotation at the Edge of Human Agreement [3.537369004801589]
我々は法学哲学に基づく法学推論の分類について研究する。
我々は、ドメインの専門家チームによって注釈付けされた、アメリカ合衆国最高裁判所の歴史的意見の新しいデータセットを使用します。
生成モデルは、人間のアノテーションに提示される命令と同等の命令が与えられた場合、性能が良くないことがわかった。
論文 参考訳(メタデータ) (2023-10-27T19:27:59Z) - A Comprehensive Evaluation of Large Language Models on Legal Judgment
Prediction [60.70089334782383]
大規模言語モデル(LLM)は、ドメイン固有のアプリケーションに大きな可能性を示している。
GPT-4の法律評価をめぐる近年の論争は、現実の法的タスクにおけるパフォーマンスに関する疑問を提起している。
我々は,LLMに基づく実践的ベースラインソリューションを設計し,法的判断予測の課題を検証した。
論文 参考訳(メタデータ) (2023-10-18T07:38:04Z) - 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) - CaseEncoder: A Knowledge-enhanced Pre-trained Model for Legal Case
Encoding [15.685369142294693]
CaseEncoderは、データサンプリングと事前トレーニングフェーズの両方において、きめ細かい法的な知識を活用する法律文書エンコーダである。
CaseEncoderは、ゼロショットの判例検索において、既存の一般的な事前訓練モデルと法律固有の事前訓練モデルの両方を著しく上回っている。
論文 参考訳(メタデータ) (2023-05-09T12:40:19Z) - SAILER: Structure-aware Pre-trained Language Model for Legal Case
Retrieval [75.05173891207214]
判例検索は知的法体系において中心的な役割を果たす。
既存の言語モデルの多くは、異なる構造間の長距離依存関係を理解するのが難しい。
本稿では, LEgal ケース検索のための構造対応プレトランザクショナル言語モデルを提案する。
論文 参考訳(メタデータ) (2023-04-22T10:47:01Z) - A Survey on Legal Judgment Prediction: Datasets, Metrics, Models and
Challenges [73.34944216896837]
法定判断予測(LJP)は,事実記述に基づく判断結果の自動予測に自然言語処理(NLP)技術を適用している。
6言語で31のLJPデータセットを分析し、その構築過程を示し、LJPの分類方法を定義する。
異なる訴訟の8つの代表的データセットに対する最先端の結果を示し、オープンな課題について議論する。
論文 参考訳(メタデータ) (2022-04-11T04:06:28Z) - 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)
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。