論文の概要: INACIA: Integrating Large Language Models in Brazilian Audit Courts:
Opportunities and Challenges
- arxiv url: http://arxiv.org/abs/2401.05273v3
- Date: Mon, 26 Feb 2024 17:22:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 21:30:34.956611
- Title: INACIA: Integrating Large Language Models in Brazilian Audit Courts:
Opportunities and Challenges
- Title（参考訳）: INACIA:ブラジルの監査裁判所における大規模言語モデルの統合:機会と課題
- Authors: Jayr Pereira, Andre Assumpcao, Julio Trecenti, Luiz Airosa, Caio
Lente, Jhonatan Cl\'eto, Guilherme Dobins, Rodrigo Nogueira, Luis Mitchell,
Roberto Lotufo
- Abstract要約: INACIAは、大規模言語モデル(LLM)をブラジル連邦会計裁判所(TCU)の運営枠組みに統合するために設計された画期的なシステムである。
我々は、事例文書から関連情報を抽出し、その法的妥当性を評価し、司法決定のための提案を定式化するINACIAの可能性を実証する。
- 参考スコア（独自算出の注目度）: 7.366861473623427
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces INACIA (Instru\c{c}\~ao Assistida com Intelig\^encia
Artificial), a groundbreaking system designed to integrate Large Language
Models (LLMs) into the operational framework of Brazilian Federal Court of
Accounts (TCU). The system automates various stages of case analysis, including
basic information extraction, admissibility examination, Periculum in mora and
Fumus boni iuris analyses, and recommendations generation. Through a series of
experiments, we demonstrate INACIA's potential in extracting relevant
information from case documents, evaluating its legal plausibility, and
formulating propositions for judicial decision-making. Utilizing a validation
dataset alongside LLMs, our evaluation methodology presents a novel approach to
assessing system performance, correlating highly with human judgment. These
results underscore INACIA's potential in complex legal task handling while also
acknowledging the current limitations. This study discusses possible
improvements and the broader implications of applying AI in legal contexts,
suggesting that INACIA represents a significant step towards integrating AI in
legal systems globally, albeit with cautious optimism grounded in the empirical
findings.
- Abstract（参考訳）: Instru\c{c}\~ao Assistida com Intelig\^encia Artificialは,大規模言語モデル(LLM)をブラジル連邦会計裁判所(TCU)の運用枠組みに組み込むために設計された画期的なシステムである。
本システムは, 基本情報抽出, 許容度検査, モラおよびフムス・ボニ・イウリス分析の周辺部, 推薦生成など, 事例分析の様々な段階を自動化する。
一連の実験を通じて,イナシアが事例文書から関連情報を抽出し,その法的可能性を評価し,司法意思決定のための提案を定式化する可能性を示す。
評価手法は, LLMと併用した検証データセットを用いて, 人的判断と高い相関性を有するシステム性能評価手法を提案する。
これらの結果は、現在の制限を認識しながら、複雑な法的タスクハンドリングにおけるINACIAの可能性を強調している。
この研究は、AIを法的文脈に適用する可能性や、より広範な意味を論じており、INACIAは、実証的な知見に基づく慎重な楽観主義とともに、世界中の法律システムにAIを統合するための重要なステップであることを示している。
関連論文リスト
- Legal Evalutions and Challenges of Large Language Models [42.51294752406578]
我々は,OPENAI o1モデルを事例研究として,法律規定の適用における大規模モデルの性能評価に利用した。
我々は、オープンソース、クローズドソース、および法律ドメインのために特別に訓練された法律固有のモデルを含む、最先端のLLMを比較します。
論文 参考訳（メタデータ） (2024-11-15T12:23:12Z) - Augmenting Legal Decision Support Systems with LLM-based NLI for Analyzing Social Media Evidence [0.0]
本稿は,NLLP 2024におけるL-NLI(Lawal Natural Language Inference)の共有タスクのシステム記述とエラー解析について述べる。
このタスクは、レビューと苦情の関連性を示す、関係を関連づけられ、矛盾し、中立的なものに分類することを必要とした。
当システムでは, 勝訴として出現し, 他の項目を著しく上回り, 法的テキスト分析におけるアプローチの有効性を実証した。
論文 参考訳（メタデータ） (2024-10-21T13:20:15Z) - Using AI Alignment Theory to understand the potential pitfalls of regulatory frameworks [55.2480439325792]
本稿では、欧州連合の人工知能法(EU AI法)を批判的に検討する。
人工知能における技術的アライメントの潜在的な落とし穴に焦点を当てたアライメント理論(AT)研究からの洞察を利用する。
これらの概念をEU AI Actに適用すると、潜在的な脆弱性と規制を改善するための領域が明らかになる。
論文 参考訳（メタデータ） (2024-10-10T17:38:38Z) - An evidence-based methodology for human rights impact assessment (HRIA) in the development of AI data-intensive systems [49.1574468325115]
我々は、すでに人権がデータ利用の分野で決定を下していることを示している。
本研究は人権影響評価(HRIA)の方法論とモデルである。
提案手法は,具体的ケーススタディで検証し,その有効性と有効性を示す。
論文 参考訳（メタデータ） (2024-07-30T16:27:52Z) - Harnessing AI for efficient analysis of complex policy documents: a case study of Executive Order 14110 [44.99833362998488]
法律、規制、執行命令などの政策文書は、社会の形成に不可欠である。
本研究の目的は、政策分析の合理化におけるAIの可能性を評価し、現在のAIアプローチの強みと限界を特定することである。
論文 参考訳（メタデータ） (2024-06-10T11:19:28Z) - ROAST: Review-level Opinion Aspect Sentiment Target Joint Detection for ABSA [50.90538760832107]
本研究は新たな課題であるROAST(Review-Level Opinion Aspect Sentiment Target)を提示する。
ROASTは、文章レベルのABSAとテキストレベルのABSAのギャップを埋めようとしている。
利用可能なデータセットを拡張してROASTを有効にし、以前の研究で指摘された欠点に対処します。
論文 参考訳（メタデータ） (2024-05-30T17:29:15Z) - Empowering Prior to Court Legal Analysis: A Transparent and Accessible Dataset for Defensive Statement Classification and Interpretation [5.646219481667151]
本稿では,裁判所の手続きに先立って,警察の面接中に作成された文の分類に適した新しいデータセットを提案する。
本稿では,直感的文と真偽を区別し,最先端のパフォーマンスを実現するための微調整DistilBERTモデルを提案する。
我々はまた、法律専門家と非専門主義者の両方がシステムと対話し、利益を得ることを可能にするXAIインターフェースも提示する。
論文 参考訳（メタデータ） (2024-05-17T11:22:27Z) - Rethinking Legal Compliance Automation: Opportunities with Large Language Models [2.9088208525097365]
我々は、(テキスト)法的アーティファクトの試験は、まず文よりも広い文脈で行うべきであると論じる。
これらの制約に対処するために,コンプライアンス分析手法を提案する。
論文 参考訳（メタデータ） (2024-04-22T17:10:27Z) - Advancing Legal Reasoning: The Integration of AI to Navigate
Complexities and Biases in Global Jurisprudence with Semi-Automated
Arbitration Processes (SAAPs) [0.0]
本研究は,米国,英国,ルワンダ,スウェーデン,香港の5カ国にまたがる裁判所判決の分析に焦点を当てた。
本稿では,高度言語モデル(ALM)と新たに導入された人間-AI協調フレームワークを組み込むことで,基礎理論に基づく研究設計をAIで分析することを目的とする。
論文 参考訳（メタデータ） (2024-02-06T16:47:34Z) - 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) - An Uncommon Task: Participatory Design in Legal AI [64.54460979588075]
われわれは10年以上前に行われた法律分野における、注目に値する、未調査のAI設計プロセスについて検討する。
インタラクティブなシミュレーション手法によって,コンピュータ科学者と弁護士が共同設計者になれることを示す。
論文 参考訳（メタデータ） (2022-03-08T15:46:52Z)
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。