論文の概要: Beyond Guilt: Legal Judgment Prediction with Trichotomous Reasoning

• arxiv url: http://arxiv.org/abs/2412.14588v1
• Date: Thu, 19 Dec 2024 07:14:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-20 13:32:07.014523
• Title: Beyond Guilt: Legal Judgment Prediction with Trichotomous Reasoning
• Title（参考訳）: Beyond Guilt: Trichotomous Reasoningによる法的判断予測
• Authors: Kepu Zhang, Haoyue Yang, Xu Tang, Weijie Yu, Jun Xu,
• Abstract要約: Innocent Verdicts を用いた法的な判断予測のための最初のベンチマークデータセット LJPIV を紹介する。 LLMに基づく拡張と手作業による検証により,3つの広く使用されている法的データセットを拡張した。 現状の法的LLMと, トリコトミー推論をゼロショット・プロンプトと微調整に組み込んだ新たな戦略による実験により, 1) 現行の法的LLMには改善の余地があり, 最高のモデルでさえも, LJPIVのF1スコアが0.3未満であることがわかった。
• 参考スコア（独自算出の注目度）: 12.589047235741194
• License:
• Abstract: In legal practice, judges apply the trichotomous dogmatics of criminal law, sequentially assessing the elements of the offense, unlawfulness, and culpability to determine whether an individual's conduct constitutes a crime. Although current legal large language models (LLMs) show promising accuracy in judgment prediction, they lack trichotomous reasoning capabilities due to the absence of an appropriate benchmark dataset, preventing them from predicting innocent outcomes. As a result, every input is automatically assigned a charge, limiting their practical utility in legal contexts. To bridge this gap, we introduce LJPIV, the first benchmark dataset for Legal Judgment Prediction with Innocent Verdicts. Adhering to the trichotomous dogmatics, we extend three widely-used legal datasets through LLM-based augmentation and manual verification. Our experiments with state-of-the-art legal LLMs and novel strategies that integrate trichotomous reasoning into zero-shot prompting and fine-tuning reveal: (1) current legal LLMs have significant room for improvement, with even the best models achieving an F1 score of less than 0.3 on LJPIV; and (2) our strategies notably enhance both in-domain and cross-domain judgment prediction accuracy, especially for cases resulting in an innocent verdict.
• Abstract（参考訳）: 法律実務では、裁判官は犯罪法のトリコトコス・パドマティクスを適用し、犯罪行為が犯罪を構成するかどうかを判断するために、犯罪、違法性、および実行可能性の要素を順次評価する。 現在の法定大言語モデル(LLM)は、判断予測において有望な精度を示すが、適切なベンチマークデータセットが存在しないため、トリコトプス推論能力が欠如しており、無実の結果を予測できない。 結果として、すべての入力は自動的に課金が割り当てられ、法的文脈における実用性を制限する。 このギャップを埋めるために、私たちはLJPIVを紹介します。 LLMに基づく拡張と手作業による検証により,3つの広く使用されている法的データセットを拡張した。 現状の法的LLMと, ゼロショット・プロンプトと微調整にトリコトミー推論を統合した新たな戦略を実験した結果, 1) 現行の法的LLMは, LJPIVのF1スコアが0.3未満である場合でも, 改善の余地が極めて大きいこと, 2) ドメイン内およびドメイン間判定の精度を特に無実の判定結果の場合に向上させること, が判明した。

関連論文リスト

• Enabling Discriminative Reasoning in LLMs for Legal Judgment Prediction [23.046342240176575]
  人間の推論に触発されたAsk-Discriminate-Predict(ADAPT)推論フレームワークを紹介する。 ADAPTは、ケース事実を分解し、潜在的な電荷を識別し、最終的な判断を予測する。 広く利用されている2つのデータセットに対して行われた実験は、法的な判断予測において、我々のフレームワークの優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-02T05:43:15Z)
• DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
  判例検索のための識別モデルであるDELTAを紹介する。 我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。 本手法は, 判例検索において, 既存の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2024-03-27T10:40:14Z)
• LegalDuet: Learning Effective Representations for Legal Judgment Prediction through a Dual-View Legal Clue Reasoning [40.412070416260136]
  本稿では,法的な判断を行うための適切な埋め込み空間を学習するために,言語モデルを事前訓練するLegalDuetモデルを提案する。 実験の結果,LegalDuetはCAIL2018データセット上で最先端のパフォーマンスを実現していることがわかった。
  論文  参考訳（メタデータ） (2024-01-27T10:28:27Z)
• Multi-Defendant Legal Judgment Prediction via Hierarchical Reasoning [49.23103067844278]
  マルチディペンダント・ケースの各被告に対する判断結果を自動予測することを目的としたマルチディペンダント・LJPの課題を提案する。 マルチディペンダント LJP の課題は,(1) 各被告の識別不能な判断結果, (2) 訓練と評価のための実世界のデータセットの欠如である。
  論文  参考訳（メタデータ） (2023-12-10T04:46:30Z)
• Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model Collaboration [52.57055162778548]
  法的判断予測(LJP)は、法律AIにおいてますます重要な課題となっている。 先行は、同様の事実を持つ以前の訴訟であり、国家法制度におけるその後の事件の判断の基礎となっている。 近年のディープラーニングの進歩により、LJPタスクの解決に様々なテクニックが使えるようになった。
  論文  参考訳（メタデータ） (2023-10-13T16:47:20Z)
• Adversarially Robust Neural Legal Judgement Systems [0.0]
  法的判断予測は、事件の事実のテキスト記述に基づいて訴訟の結果を予測するタスクである。 このようなシステムが現実的に有用であるためには、敵の攻撃に対して堅牢であるべきである。 本稿では,ロバストな法的判断予測システムを構築するためのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-07-31T21:44:48Z)
• Exploiting Contrastive Learning and Numerical Evidence for Confusing Legal Judgment Prediction [46.71918729837462]
  訴訟の事実記述文を考慮し、法的判断予測は、事件の告訴、法律記事、刑期を予測することを目的としている。 従来の研究では、標準的なクロスエントロピー分類損失と異なる分類誤差を区別できなかった。 本稿では,モコに基づく教師付きコントラスト学習を提案する。 さらに,事前学習した数値モデルにより符号化された抽出された犯罪量による事実記述の表現をさらに強化する。
  論文  参考訳（メタデータ） (2022-11-15T15:53:56Z)
• Do Charge Prediction Models Learn Legal Theory? [59.74220430434435]
  我々は、信頼できる電荷予測モデルが法的理論を考慮に入れるべきであると主張している。 本稿では,この課題に従わなければならない信頼に値するモデルの3つの原則を提案する。 以上の結果から,既存の電荷予測モデルはベンチマークデータセットの選択的原理に合致するが,そのほとんどが十分な感度が得られず,無害の予測を満たさないことが示唆された。
  論文  参考訳（メタデータ） (2022-10-31T07:32:12Z)
• Equality before the Law: Legal Judgment Consistency Analysis for Fairness [55.91612739713396]
  本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。 法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。 私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
  論文  参考訳（メタデータ） (2021-03-25T14:28:00Z)
• Legal Judgment Prediction (LJP) Amid the Advent of Autonomous AI Legal Reasoning [0.0]
  法的判断予測は、法律の理論と実践において、長くかつオープンなトピックである。 訴訟や司法行動を予測する様々な方法や技法が、長年にわたって出現してきた。 AI法則推論の出現は、LJPの実行方法とその予測精度に顕著な影響を与える。
  論文  参考訳（メタデータ） (2020-09-29T00:12:42Z)

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。