論文の概要: AgentCourt: Simulating Court with Adversarial Evolvable Lawyer Agents
- arxiv url: http://arxiv.org/abs/2408.08089v1
- Date: Thu, 15 Aug 2024 11:33:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-16 14:05:59.312062
- Title: AgentCourt: Simulating Court with Adversarial Evolvable Lawyer Agents
- Title（参考訳）: AgentCourt: 逆転可能な弁護士エージェントによる裁判所のシミュレート
- Authors: Guhong Chen, Liyang Fan, Zihan Gong, Nan Xie, Zixuan Li, Ziqiang Liu, Chengming Li, Qiang Qu, Shiwen Ni, Min Yang,
- Abstract要約: 本稿では,裁判所全体をシミュレーションするAgentCourtというシミュレーションシステムを提案する。
私たちの中核的な目標は、弁護士が事件の解決方法を学べることと、その全体的な法的スキルを改善することです。
実験の結果、2人の弁護士がAgentCourtで1000件の敵対的訴訟に関わった後、進化した弁護士エージェントは、法的タスクを扱う能力に一貫した改善を示すことが明らかとなった。
- 参考スコア（独自算出の注目度）: 26.268925743738855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a simulation system called AgentCourt that simulates the entire courtroom process. The judge, plaintiff's lawyer, defense lawyer, and other participants are autonomous agents driven by large language models (LLMs). Our core goal is to enable lawyer agents to learn how to argue a case, as well as improving their overall legal skills, through courtroom process simulation. To achieve this goal, we propose an adversarial evolutionary approach for the lawyer-agent. Since AgentCourt can simulate the occurrence and development of court hearings based on a knowledge base and LLM, the lawyer agents can continuously learn and accumulate experience from real court cases. The simulation experiments show that after two lawyer-agents have engaged in a thousand adversarial legal cases in AgentCourt (which can take a decade for real-world lawyers), compared to their pre-evolutionary state, the evolved lawyer agents exhibit consistent improvement in their ability to handle legal tasks. To enhance the credibility of our experimental results, we enlisted a panel of professional lawyers to evaluate our simulations. The evaluation indicates that the evolved lawyer agents exhibit notable advancements in responsiveness, as well as expertise and logical rigor. This work paves the way for advancing LLM-driven agent technology in legal scenarios. Code is available at https://github.com/relic-yuexi/AgentCourt.
- Abstract（参考訳）: 本稿では,裁判所全体をシミュレーションするAgentCourtというシミュレーションシステムを提案する。
裁判官、原告の弁護士、弁護人、その他の参加者は、大きな言語モデル(LLM)によって駆動される自律的なエージェントである。
私たちの中核的な目標は、法廷プロセスのシミュレーションを通じて、弁護士がケースの議論の仕方を学べるようにすることと、その全体的な法的スキルを改善することです。
この目的を達成するために,弁護士・弁護士に対する敵対的進化的アプローチを提案する。
AgentCourtは、知識ベースとLLMに基づく裁判所公聴会の発生と展開をシミュレートできるので、弁護士は、実際の裁判所事件から継続的に学び、蓄積することができる。
シミュレーション実験によると、2人の弁護士がAgentCourt(現実の弁護士には10年かかる)で1000件の敵対的訴訟に関わった後、進化した弁護士エージェントは、法的タスクを扱う能力に一貫した改善を示した。
実験結果の信頼性を高めるため,専門家のパネルでシミュレーションの評価を行った。
この評価は、進化した弁護士エージェントが、専門知識と論理的厳密さだけでなく、応答性の顕著な進歩を示したことを示している。
この研究は、法的シナリオにおけるLLM駆動エージェント技術の進歩の道を開くものである。
コードはhttps://github.com/relic-yuexi/AgentCourt.comで入手できる。
関連論文リスト
- Simulating The U.S. Senate: An LLM-Driven Agent Approach to Modeling Legislative Behavior and Bipartisanship [0.0]
本研究では,LSM駆動型仮想エージェントを用いた立法プロセスのシミュレーション手法を提案する。
我々は、個々の上院議員を代表するエージェントを開発し、それらを模擬委員会議論に配置した。
エージェントは現実的な議論を行い、思慮深いリフレクションを提供し、双党派の解決策を見つける能力を示した。
論文 参考訳（メタデータ） (2024-06-26T19:10:51Z) - AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。
我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。
我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
論文 参考訳（メタデータ） (2024-06-06T15:15:41Z) - A View of How Language Models Will Transform Law [0.0]
生産性と補助コストの大幅な増加は、法律事務所や法人法務部門が大規模言語モデルを社内で開発することを奨励する可能性がある。
弁護士の生産性が10%向上すれば、平均規模の「ビッグ・ロー」企業が300人から400人の弁護士を雇うことになる。
論文 参考訳（メタデータ） (2024-05-13T15:10:00Z) - AgentsCourt: Building Judicial Decision-Making Agents with Court Debate Simulation and Legal Knowledge Augmentation [19.733007669738008]
本稿では,司法判断のための新しいマルチエージェントフレームワーク,AgentsCourtを提案する。
弊社の枠組みは,裁判所の審理シミュレーション,法的資源の検索,意思決定の洗練など,古典的な審理過程を踏襲している。
この課題を支援するために,多リソースの法知識を持つ大規模法知識基盤であるLegal-KBを構築した。
論文 参考訳（メタデータ） (2024-03-05T13:30:02Z) - LLM-Based Agent Society Investigation: Collaboration and Confrontation in Avalon Gameplay [55.12945794835791]
Avalon をテストベッドとして使用し,システムプロンプトを用いてゲームプレイにおける LLM エージェントの誘導を行う。
本稿では,Avalonに適した新しいフレームワークを提案し,効率的なコミュニケーションと対話を容易にするマルチエージェントシステムを提案する。
その結果、適応エージェントの作成におけるフレームワークの有効性を確認し、動的社会的相互作用をナビゲートするLLMベースのエージェントの可能性を提案する。
論文 参考訳（メタデータ） (2023-10-23T14:35:26Z) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳（メタデータ） (2023-09-14T17:12:03Z) - ProAgent: Building Proactive Cooperative Agents with Large Language
Models [89.53040828210945]
ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。
ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。
ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
論文 参考訳（メタデータ） (2023-08-22T10:36:56Z) - 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) - Making a Computational Attorney [5.613948524398325]
この「青い空のアイデア」論文は、データマイニングと機械学習における計算弁護士の関与の機会と課題を概説している。
本稿では,ChatGPTのような大規模言語モデル(Large Legal Language Model, L$3$M)について論じる。
論文 参考訳（メタデータ） (2023-03-07T16:44:29Z) - 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) - How Does NLP Benefit Legal System: A Summary of Legal Artificial
Intelligence [81.04070052740596]
法律人工知能(Legal AI)は、人工知能、特に自然言語処理の技術を適用して、法的領域におけるタスクに役立てることに焦点を当てている。
本稿では,LegalAIにおける研究の歴史,現状,今後の方向性について紹介する。
論文 参考訳（メタデータ） (2020-04-25T14:45:15Z)
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。