Fugu-MT 論文翻訳(概要): Large Language Models and Explainable Law: a Hybrid Methodology

論文の概要: Large Language Models and Explainable Law: a Hybrid Methodology

arxiv url: http://arxiv.org/abs/2311.11811v1
Date: Mon, 20 Nov 2023 14:47:20 GMT
ステータス: 処理完了
システム内更新日: 2023-11-21 18:25:15.606366
Title: Large Language Models and Explainable Law: a Hybrid Methodology
Title（参考訳）: 大規模言語モデルと説明可能な法則:ハイブリッド手法
Authors: Marco Billi, Alessandro Parenti, Giuseppe Pisano, Marco Sanchi
Abstract要約: 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。
参考スコア（独自算出の注目度）: 44.99833362998488
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The paper advocates for LLMs to enhance the accessibility, usage and explainability of rule-based legal systems, contributing to a democratic and stakeholder-oriented view of legal technology. A methodology is developed to explore the potential use of LLMs for translating the explanations produced by rule-based systems, from high-level programming languages to natural language, allowing all users a fast, clear, and accessible interaction with such technologies. The study continues by building upon these explanations to empower laypeople with the ability to execute complex juridical tasks on their own, using a Chain of Prompts for the autonomous legal comparison of different rule-based inferences, applied to the same factual case.
Abstract（参考訳）: 本稿は,ルールに基づく法体系のアクセシビリティ,利用,説明可能性の向上をめざし,法律技術の民主的かつステークホルダー指向の視点に寄与するものである。ルールベースのシステムによって生み出される説明を高レベルプログラミング言語から自然言語に翻訳するために、llmの潜在的な利用を探求するために、すべてのユーザがそのような技術と高速で明確でアクセス可能な対話を可能にする手法が開発されている。この研究は、これらの説明に基づいて、法則に基づく異なる推論の自律的な法的な比較にPromptsの連鎖を用いて、日常的に複雑な法学的なタスクを実行する能力を与える。

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)
Can Large Language Models Grasp Legal Theories? Enhance Legal Reasoning with Insights from Multi-Agent Collaboration [27.047809869136458]
大きな言語モデル(LLM)は、法的理論を完全に理解し、法的推論タスクを実行するのに苦労する可能性がある。法理論と推論能力に対するLLMの理解をよりよく評価するための課題(電荷予測の解釈)を導入する。複雑な法的推論機能を改善するためのマルチエージェントフレームワークも提案する。
論文参考訳（メタデータ） (2024-10-03T14:15:00Z)
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)
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)
AutoGuide: Automated Generation and Selection of State-Aware Guidelines for Large Language Model Agents [74.17623527375241]
AutoGuideは、オフライン体験における暗黙の知識を活用することで、事前訓練されたLLMの知識ギャップを埋める。提案手法は, 逐次意思決定ベンチマークにおいて, 競争力のあるLCMベースラインよりも高い性能を示すことを示す。
論文参考訳（メタデータ） (2024-03-13T22:06:03Z)
Leveraging Large Language Models for Learning Complex Legal Concepts through Storytelling [43.243889347008455]
我々は,非専門家がストーリーテリングを通じて複雑な法的概念を学ぶのを支援するために,法律教育における大規模言語モデル(LLM)の新たな応用法を提案する。そこで我々は,294の複雑な法的教義からなり,それぞれに物語と複数の選択肢の質問が伴う新たなデータセットであるLegalStoriesを紹介した。 LLMが生成した物語は、定義のみに比較して、法的概念の理解と、非ネイティブ話者間の法律への関心を高めることが判明した。
論文参考訳（メタデータ） (2024-02-26T20:56:06Z)
From Text to Structure: Using Large Language Models to Support the Development of Legal Expert Systems [0.6249768559720122]
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。
論文参考訳（メタデータ） (2023-11-01T18:31:02Z)
ChatABL: Abductive Learning via Natural Language Interaction with ChatGPT [72.83383437501577]
大規模言語モデル(LLM)は、最近数学的な能力において大きな可能性を証明している。 LLMは現在、認識、言語理解、推論能力のブリッジングに困難を抱えている。本稿では, LLMを帰納学習フレームワークに統合する新しい手法を提案する。
論文参考訳（メタデータ） (2023-04-21T16:23:47Z)
LISA: Learning Interpretable Skill Abstractions from Language [85.20587800593293]
言語条件による実演から多種多様な解釈可能なスキルを学習できる階層型模倣学習フレームワークを提案する。本手法は, 逐次的意思決定問題において, 言語に対するより自然な条件付け方法を示す。
論文参考訳（メタデータ） (2022-02-28T19:43:24Z)
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。