論文の概要: From Text to Structure: Using Large Language Models to Support the Development of Legal Expert Systems

• arxiv url: http://arxiv.org/abs/2311.04911v1
• Date: Wed, 1 Nov 2023 18:31:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-12 19:36:33.076298
• Title: From Text to Structure: Using Large Language Models to Support the Development of Legal Expert Systems
• Title（参考訳）: テキストから構造へ: 大きな言語モデルを使って法律専門家システムの開発を支援する
• Authors: Samyar Janatian, Hannes Westermann, Jinzhe Tan, Jaromir Savelka, Karim Benyekhlef
• Abstract要約: 法律に焦点をあてたルールベースのエキスパートシステムは、法制が法律にどのように適用されるかを理解して、有益なコンテキストと情報を提供するのを支援することができる。 本稿では,GPT-4のような大規模言語モデル(LLM)が,法律から構造化表現を自動的に抽出できる程度について検討する。 法律決定支援システムのJoursBotの方法論によれば、LSMを使って法律から経路を作成し、その経路を評価し、それらを手作業で作成した経路と比較する。
• 参考スコア（独自算出の注目度）: 0.6249768559720122
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Encoding legislative text in a formal representation is an important prerequisite to different tasks in the field of AI & Law. For example, rule-based expert systems focused on legislation can support laypeople in understanding how legislation applies to them and provide them with helpful context and information. However, the process of analyzing legislation and other sources to encode it in the desired formal representation can be time-consuming and represents a bottleneck in the development of such systems. Here, we investigate to what degree large language models (LLMs), such as GPT-4, are able to automatically extract structured representations from legislation. We use LLMs to create pathways from legislation, according to the JusticeBot methodology for legal decision support systems, evaluate the pathways and compare them to manually created pathways. The results are promising, with 60% of generated pathways being rated as equivalent or better than manually created ones in a blind comparison. The approach suggests a promising path to leverage the capabilities of LLMs to ease the costly development of systems based on symbolic approaches that are transparent and explainable.
• Abstract（参考訳）: 形式的な表現で立法文書を符号化することは、AI & Lawの分野における様々なタスクにとって重要な前提条件である。 例えば、法律に焦点をあてたルールベースのエキスパートシステムは、法律の適用方法を理解し、有用なコンテキストと情報を提供することで、在職者を支援することができる。 しかし, 形式的表現にエンコードする法律やその他の資料を解析するプロセスは, 時間を要する可能性があり, そうしたシステムの発展のボトルネックとなっている。 本稿では,GPT-4のような大規模言語モデル(LLM)が,法律から構造化表現を自動的に抽出できる程度について検討する。 法律決定支援システムのJoursBotの方法論によれば、LSMを使って法律から経路を作成し、その経路を評価し、それらを手作業で作成した経路と比較する。 結果は有望であり、生成された経路の60%は、盲目比較で手作業で作成された経路と同等かそれ以上に評価されている。 このアプローチは、透過的で説明可能なシンボリックアプローチに基づくシステムのコスト開発を容易にするために、LLMの能力を活用するための有望な道を提案する。

関連論文リスト

• KRAG Framework for Enhancing LLMs in the Legal Domain [0.48451657575793666]
  本稿ではKRAG(Knowledge Representation Augmented Generation)を紹介する。 KRAGは、ドメイン固有のアプリケーションにおけるLarge Language Models(LLM)の機能を強化するために設計されたフレームワークである。 KRAGに基づく実装モデルであるSoft PROLEGを提案する。
  論文  参考訳（メタデータ） (2024-10-10T02:48:06Z)
• Leveraging Knowledge Graphs and LLMs to Support and Monitor Legislative Systems [0.0]
  本研究は、立法プロセスの相乗効果と支援について、立法知識グラフとLLMを用いて検討する。 この目的のために、我々は、立法分析を行う可能性を高めるイタリアの法律に焦点を当てたインタラクティブなプラットフォームであるLegis AI Platformを開発する。
  論文  参考訳（メタデータ） (2024-09-20T06:21:03Z)
• Using Large Language Models for the Interpretation of Building Regulations [7.013802453969655]
  大規模言語モデル(LLM)は、ユーザのプロンプトに応答する論理的に一貫性のあるテキストとソースコードを生成することができる。 本稿では, 建物規制をLegalRuleMLに変換する際のLLMの性能を, 数ショットの学習設定で評価する。
  論文  参考訳（メタデータ） (2024-07-26T08:30:47Z)
• Large Language Models are Interpretable Learners [53.56735770834617]
  本稿では,Large Language Models(LLM)とシンボルプログラムの組み合わせによって,表現性と解釈可能性のギャップを埋めることができることを示す。 自然言語プロンプトを持つ事前訓練されたLLMは、生の入力を自然言語の概念に変換することができる解釈可能な膨大なモジュールセットを提供する。 LSPが学んだ知識は自然言語の記述と記号規則の組み合わせであり、人間(解釈可能)や他のLLMに容易に転送できる。
  論文  参考訳（メタデータ） (2024-06-25T02:18:15Z)
• DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
  判例検索のための識別モデルであるDELTAを紹介する。 我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。 本手法は, 判例検索において, 既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2024-03-27T10:40:14Z)
• Generative Context-aware Fine-tuning of Self-supervised Speech Models [54.389711404209415]
  生成型大規模言語モデル(LLM)生成コンテキスト情報の利用について検討する。 自己教師型音声モデルの微調整中に生成した情報を抽出する手法を提案する。 本稿では,SLUE と Libri-light のベンチマークを用いて,自動音声認識,名前付きエンティティ認識,感情分析を行う手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T15:46:02Z)
• Large Language Models and Explainable Law: a Hybrid Methodology [44.99833362998488]
  規則に基づく法体系のアクセシビリティ, 利用, 説明可能性を高めるため, LLMを提唱する。 ルールベースシステムによる説明を翻訳するために, LLM の利用の可能性を探るため, 提案手法を開発した。
  論文  参考訳（メタデータ） (2023-11-20T14:47:20Z)
• 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)
• Large Language Models as Tax Attorneys: A Case Study in Legal Capabilities Emergence [5.07013500385659]
  本稿では,税法の適用におけるLarge Language Models(LLM)の機能について考察する。 実験では,その後のOpenAIモデルリリースにおけるパフォーマンスの向上とともに,新たな法的理解能力を実証した。 発見は、特に拡張の促進と正しい法的文書と組み合わせることで、高いレベルの精度で実行可能であるが、専門家の税務弁護士レベルではまだ実行できないことを示している。
  論文  参考訳（メタデータ） (2023-06-12T12:40:48Z)
• 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。