論文の概要: AgentCourt: Simulating Court with Adversarial Evolvable Lawyer Agents

• arxiv url: http://arxiv.org/abs/2408.08089v2
• Date: Mon, 16 Jun 2025 03:19:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:44.690567
• 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, Hamid Alinejad-Rokny, Shiwen Ni, Min Yang,
• Abstract要約: AgentCourtは、LLMベースのエージェントの対角的進化を通じて課題に対処する包括的な法的シミュレーションフレームワークである。 1000件の民事事件をシミュレートすることにより、エージェントの法的推論能力を高める進化した知識基盤を構築する。 我々の研究は、法的なAIにおける敵対的学習の重要性を強調し、より広範な司法・規制の文脈にシミュレーションに基づく法的推論を拡張するための有望な方向性を提案する。
• 参考スコア（独自算出の注目度）: 25.509677234774056
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current research in LLM-based simulation systems lacks comprehensive solutions for modeling real-world court proceedings, while existing legal language models struggle with dynamic courtroom interactions. We present AgentCourt, a comprehensive legal simulation framework that addresses these challenges through adversarial evolution of LLM-based agents. Our AgentCourt introduces a new adversarial evolutionary approach for agents called AdvEvol, which performs dynamic knowledge learning and evolution through structured adversarial interactions in a simulated courtroom program, breaking the limitations of the traditional reliance on static knowledge bases or manual annotations. By simulating 1,000 civil cases, we construct an evolving knowledge base that enhances the agents' legal reasoning abilities. The evolved lawyer agents demonstrated outstanding performance on our newly introduced CourtBench benchmark, achieving a 12.1% improvement in performance compared to the original lawyer agents. Evaluations by professional lawyers confirm the effectiveness of our approach across three critical dimensions: cognitive agility, professional knowledge, and logical rigor. Beyond outperforming specialized legal models in interactive reasoning tasks, our findings emphasize the importance of adversarial learning in legal AI and suggest promising directions for extending simulation-based legal reasoning to broader judicial and regulatory contexts. The project's code is available at: https://github.com/relic-yuexi/AgentCourt
• Abstract（参考訳）: LLMに基づくシミュレーションシステムにおける現在の研究は、現実の裁判所手続をモデル化するための包括的なソリューションを欠いている。 本稿では,LDMをベースとしたエージェントの敵対的進化を通じて,これらの課題に対処する包括的法的シミュレーションフレームワークであるAgentCourtを紹介する。 我々のエージェントコーストはAdvEvolと呼ばれるエージェントに対して,シミュレーションされた法廷プログラムにおいて,動的知識学習と動的進化を行い,静的知識ベースや手動アノテーションへの従来の依存の限界を突破する,新たな逆方向の進化的アプローチを導入している。 1000件の民事事件をシミュレートすることにより、エージェントの法的推論能力を高める進化した知識基盤を構築する。 進化した弁護士エージェントは、新しく導入されたCourtBenchベンチマークで優れたパフォーマンスを示し、元の弁護士エージェントと比較して12.1%のパフォーマンス向上を達成した。 専門家弁護士による評価は、認知的機敏性、専門知識、論理的厳密性という3つの重要な側面にまたがるアプローチの有効性を確認します。 対話型推論タスクにおける特殊な法モデルよりも優れているだけでなく、法的なAIにおける敵対的学習の重要性を強調し、より広範な司法・規制の文脈にシミュレーションに基づく法的な推論を拡大するための有望な方向性を提案する。 プロジェクトのコードは、https://github.com/relic-yuexi/AgentCourt.comで公開されている。

関連論文リスト

• Ready Jurist One: Benchmarking Language Agents for Legal Intelligence in Dynamic Environments [24.249035670782092]
  LLMをベースとしたエージェントに適した,対話型かつダイナミックな法律環境であるJ1-ENVSを紹介する。 環境複雑さの3段階にわたる中国の法律の6つの代表的なシナリオで構成されている。 また、タスクパフォーマンスと手続き的コンプライアンスの両方を評価するために、きめ細かい評価フレームワークであるJ1-EVALを導入します。
  論文  参考訳（メタデータ） (2025-07-05T13:31:21Z)
• RLJP: Legal Judgment Prediction via First-Order Logic Rule-enhanced with Large Language Models [58.69183479148083]
  法的判断予測(LJP)は、法的AIにおいて重要な課題である。 既存のLJPモデルは、高いパフォーマンスのために司法上の前例と法的な知識を統合している。 しかし彼らは、厳密な論理分析を必要とする法的判断の重要な要素である法的推論論理を無視している。 本稿では、一階述語論理(FOL)形式と比較学習(CL)に基づく規則強化された法的判断予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-27T14:50:21Z)
• A Law Reasoning Benchmark for LLM with Tree-Organized Structures including Factum Probandum, Evidence and Experiences [76.73731245899454]
  本稿では,階層的なファクトラム,証拠,暗黙的な経験に富む透明な法理推論スキーマを提案する。 このスキーマにインスパイアされた課題は、テキストのケース記述を取り込み、最終決定を正当化する階層構造を出力する。 このベンチマークは、Intelligent Courtにおける透明で説明可能なAI支援法推論の道を開く」。
  論文  参考訳（メタデータ） (2025-03-02T10:26:54Z)
• Multi-Agent Simulator Drives Language Models for Legal Intensive Interaction [37.856194200684364]
  本稿では,対話型法シナリオをシミュレートして合成データを生成するマルチエージェント法定シミュレーションドライバ(MASER)を提案する。 MASERは参加者間の法的属性の整合性を確保し、参加者の性格や行動を調整するための監督機構を導入する。
  論文  参考訳（メタデータ） (2025-02-08T15:05:24Z)
• LegalAgentBench: Evaluating LLM Agents in Legal Domain [53.70993264644004]
  LegalAgentBenchは、中国の法律領域でLLMエージェントを評価するために特別に設計されたベンチマークである。 LegalAgentBenchには、現実世界の法的シナリオから17のコーパスが含まれており、外部知識と対話するための37のツールを提供している。
  論文  参考訳（メタデータ） (2024-12-23T04:02:46Z)
• LawLuo: A Multi-Agent Collaborative Framework for Multi-Round Chinese Legal Consultation [1.9857357818932064]
  LawLuoは、マルチターン中国の法律相談のためのマルチエージェントフレームワークである。 LawLuoには、ユーザの意図を評価して弁護士エージェントを選択する受付エージェントと、ユーザと対話する弁護士エージェントと、会話記録を整理して相談報告を生成する秘書エージェントと、4つのエージェントが含まれている。 これらのエージェントの相互作用は、実際の法律事務所の運営を模倣している。
  論文  参考訳（メタデータ） (2024-07-23T07:40:41Z)
• 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)
• Prototype-Based Interpretability for Legal Citation Prediction [16.660004925391842]
  我々は、前例と立法規定の両方に関して、弁護士の思考過程と平行してタスクを設計する。 最初の実験結果から,法の専門家のフィードバックを得て,対象の引用予測を洗練する。 我々は,弁護士が使用する決定パラメータに固執しながら,高い性能を達成し,解釈可能性を高めるためのプロトタイプアーキテクチャを導入する。
  論文  参考訳（メタデータ） (2023-05-25T21:40:58Z)
• 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)
• 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。