論文の概要: Bonafide at LegalLens 2024 Shared Task: Using Lightweight DeBERTa Based Encoder For Legal Violation Detection and Resolution

• arxiv url: http://arxiv.org/abs/2410.22977v1
• Date: Wed, 30 Oct 2024 12:42:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:28:13.753186
• Title: Bonafide at LegalLens 2024 Shared Task: Using Lightweight DeBERTa Based Encoder For Legal Violation Detection and Resolution
• Title（参考訳）: 法律2024条例共有タスクにおけるボナフィド:法違反検出と解決のための軽量DeBERTaベースエンコーダ
• Authors: Shikha Bordia,
• Abstract要約: 我々は、構造化されていないテキストデータ内の法的違反を検出するための2つのシステム、名前付きエンティティ解決(NER)と自然言語推論(NLI)を提案する。 どちらのシステムも軽量のDeBERTaベースのエンコーダで、LCMのベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 1.2283121128307906
• License:
• Abstract: In this work, we present two systems -- Named Entity Resolution (NER) and Natural Language Inference (NLI) -- for detecting legal violations within unstructured textual data and for associating these violations with potentially affected individuals, respectively. Both these systems are lightweight DeBERTa based encoders that outperform the LLM baselines. The proposed NER system achieved an F1 score of 60.01\% on Subtask A of the LegalLens challenge, which focuses on identifying violations. The proposed NLI system achieved an F1 score of 84.73\% on Subtask B of the LegalLens challenge, which focuses on resolving these violations by matching them with pre-existing legal complaints of class action cases. Our NER system ranked sixth and NLI system ranked fifth on the LegalLens leaderboard. We release the trained models and inference scripts.
• Abstract（参考訳）: 本研究では、非構造化テキストデータ内の法的違反を検出し、これらの違反を潜在的に影響のある個人に関連付けるための2つのシステム、NER(Nugual Language Inference)とNLI(Nugual Language Inference)を提案する。 どちらのシステムも軽量のDeBERTaベースのエンコーダであり、LLMベースラインより優れている。 提案されたNERシステムは、違反の特定に焦点を当てたLegalLensチャレンジのSubtask Aで60.01\%のF1スコアを達成した。 提案したNLIシステムは,従来の集団訴訟の法的苦情と一致させることで,これらの違反を解決することに焦点を当てた,法務機関のサブタスクBのF1スコア84.73\%を達成した。 我々のNERシステムは6位、NLIシステムはLegalLensのリーダーボードで5位でした。 トレーニングされたモデルと推論スクリプトをリリースします。

関連論文リスト

• uOttawa at LegalLens-2024: Transformer-based Classification Experiments [7.710171464368831]
  本稿では,LegalLens-2024共有タスクに使用される手法について述べる。 それは、構造化されていないテキストデータ内の法的違反を検出し、これらの違反を潜在的に影響のある個人と関連付けることに焦点を当てた。 L-NERサブタスクは86.3%,L-NLIサブタスクは88.25%であった。
  論文  参考訳（メタデータ） (2024-10-28T15:42:45Z)
• 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)
• LegalLens Shared Task 2024: Legal Violation Identification in Unstructured Text [7.839638824275218]
  本稿では,2つのサブタスクにまたがって,テキスト中の法的違反を検出することに焦点を当てた。 トップパフォーマンスチームはベースラインよりもNERが7.11%改善し、NLIは5.7%改善した。
  論文  参考訳（メタデータ） (2024-10-15T21:02:44Z)
• Gradient Cuff: Detecting Jailbreak Attacks on Large Language Models by Exploring Refusal Loss Landscapes [61.916827858666906]
  大規模言語モデル(LLM)は、ユーザがクエリを入力し、LLMが回答を生成する、顕著な生成AIツールになりつつある。 害と誤用を減らすため、人間のフィードバックからの強化学習のような高度な訓練技術を用いて、これらのLLMを人間の価値に合わせる努力がなされている。 近年の研究では、組込み安全ガードレールを転覆させようとする敵のジェイルブレイクの試みに対するLLMの脆弱性を強調している。 本稿では,脱獄を検知するGradient Cuffという手法を提案する。
  論文  参考訳（メタデータ） (2024-03-01T03:29:54Z)
• The Decisive Power of Indecision: Low-Variance Risk-Limiting Audits and Election Contestation via Marginal Mark Recording [51.82772358241505]
  リスクリミット監査(リスクリミット監査、RLA)は、大規模な選挙の結果を検証する技術である。 我々は、効率を改善し、統計力の進歩を提供する監査の新たなファミリーを定めている。 新しい監査は、複数の可能なマーク解釈を宣言できるように、キャストボイトレコードの標準概念を再考することで実現される。
  論文  参考訳（メタデータ） (2024-02-09T16:23:54Z)
• LegalLens: Leveraging LLMs for Legal Violation Identification in Unstructured Text [2.5218432691157866]
  まず、構造化されていないテキストデータ内の法的違反を検知し、次に、潜在的に影響を受ける個人とこれらの違反を関連付けることに焦点を当てる。 我々は,Large Language Models (LLMs) を用いて2つのデータセットを構築し,ドメインエキスパートアノテータによる検証を行った。 結果、F1スコアは62.69%(違反識別)と81.02%(81.02%)で、データセットとセットアップが両方のタスクに使用できることを示した。
  論文  参考訳（メタデータ） (2024-02-06T19:18:56Z)
• 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)
• Unsupervised Speech Recognition with N-Skipgram and Positional Unigram Matching [67.98016412551245]
  本稿では,新しいASRシステムであるESPUMを紹介する。 このシステムは、少数のサンプルから収集された位置ユニグラム統計と合わせて、低階N-スキップグラム(最大N=3)のパワーを利用する。 本モデルは,ASRと音素セグメンテーションにおける競合性能を示す。
  論文  参考訳（メタデータ） (2023-10-03T19:05:32Z)
• Making Large Language Models Better Reasoners with Alignment [57.82176656663245]
  推論(Reasoning)とは、証拠を使って結論に達する認知過程である。 近年の研究では、思考の連鎖(COT)推論プロセスによるデータ上の微調整LDMは、その推論能力を著しく向上させることができることが示されている。 テキストアライメントファインチューニング(AFT)パラダイムを3ステップで導入する。
  論文  参考訳（メタデータ） (2023-09-05T11:32:48Z)
• VL-NMS: Breaking Proposal Bottlenecks in Two-Stage Visual-Language Matching [75.71523183166799]
  マルチモーダル入力をマッチングするための一般的なフレームワークは、2段階のプロセスに基づいている。 これらの手法は、2つの段階における提案の役割間の明らかな不一致を見落としていると論じる。 今回提案するVL-NMSは、問い合わせ対応の提案を第一段階に行う最初の手法です。
  論文  参考訳（メタデータ） (2021-05-12T13:05:25Z)
• A Legal Approach to Hate Speech: Operationalizing the EU's Legal Framework against the Expression of Hatred as an NLP Task [2.248133901806859]
  本稿では,刑法に従属するか否かの判断を運用することで,音声検出を嫌う「法的アプローチ」を提案する。 法的な判断を一連の単純なサブ決定に分解することで、素人でさえ一貫して注釈を付けることができることを示す。
  論文  参考訳（メタデータ） (2020-04-07T14:13:38Z)

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。