論文の概要: Analyzing Images of Legal Documents: Toward Multi-Modal LLMs for Access to Justice

• arxiv url: http://arxiv.org/abs/2412.15260v1
• Date: Mon, 16 Dec 2024 14:58:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-23 19:51:04.812103
• Title: Analyzing Images of Legal Documents: Toward Multi-Modal LLMs for Access to Justice
• Title（参考訳）: 法的文書の画像分析 : 司法アクセスのための多モードLCMを目指して
• Authors: Hannes Westermann, Jaromir Savelka,
• Abstract要約: 大規模言語モデル(LLM)は、このギャップに対処する可能性を持つ強力な技術として登場した。 本稿では,多モードLCMを用いた手書き紙の画像解析について検討する。
• 参考スコア（独自算出の注目度）: 0.7673339435080445
• License:
• Abstract: Interacting with the legal system and the government requires the assembly and analysis of various pieces of information that can be spread across different (paper) documents, such as forms, certificates and contracts (e.g. leases). This information is required in order to understand one's legal rights, as well as to fill out forms to file claims in court or obtain government benefits. However, finding the right information, locating the correct forms and filling them out can be challenging for laypeople. Large language models (LLMs) have emerged as a powerful technology that has the potential to address this gap, but still rely on the user to provide the correct information, which may be challenging and error-prone if the information is only available in complex paper documents. We present an investigation into utilizing multi-modal LLMs to analyze images of handwritten paper forms, in order to automatically extract relevant information in a structured format. Our initial results are promising, but reveal some limitations (e.g., when the image quality is low). Our work demonstrates the potential of integrating multi-modal LLMs to support laypeople and self-represented litigants in finding and assembling relevant information.
• Abstract（参考訳）: 法体系と政府との相互作用は、フォーム、証明書、契約(例えばリース)など、異なる(紙)文書にまたがる様々な情報の集合と分析を必要とする。 この情報は、法的権利を理解するために必要であり、また、裁判所で請求書を提出したり、政府の利益を得るための書類を記入するために必要である。 しかし、正しい情報を見つけ、正しいフォームを見つけ、それらを埋めるのは難しい。 大規模言語モデル(LLM)は、このギャップに対処する可能性を持つ強力な技術として登場したが、それでもユーザによる正しい情報提供に依存している。 本稿では,多モードLCMを用いて手書き紙の画像を解析し,関連情報を構造化形式で自動的に抽出する手法を提案する。 最初の結果は有望だが、いくつかの制限(画像の品質が低い場合など)を明らかにしている。 本研究は,マルチモーダル LLM を統合することで,関係情報の発見・収集において,常習者や自己表現的な訴訟を支援する可能性を実証するものである。

関連論文リスト

• DocKD: Knowledge Distillation from LLMs for Open-World Document Understanding Models [66.91204604417912]
  本研究の目的は,LLMの知識を蒸留することにより,小型VDUモデルの一般化性を高めることである。 我々は、外部文書知識を統合することでデータ生成プロセスを強化する新しいフレームワーク(DocKD)を提案する。 実験の結果,DocKDは高品質な文書アノテーションを生成し,直接知識蒸留手法を超越していることがわかった。
  論文  参考訳（メタデータ） (2024-10-04T00:53:32Z)
• Unified Multimodal Interleaved Document Representation for Retrieval [57.65409208879344]
  複数のモダリティでインターリーブされた文書を階層的に埋め込む手法を提案する。 セグメント化されたパスの表現を1つのドキュメント表現にマージする。 我々は,本手法が関連するベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-10-03T17:49:09Z)
• Leveraging Knowledge Graphs and LLMs to Support and Monitor Legislative Systems [0.0]
  本研究は、立法プロセスの相乗効果と支援について、立法知識グラフとLLMを用いて検討する。 この目的のために、我々は、立法分析を行う可能性を高めるイタリアの法律に焦点を当てたインタラクティブなプラットフォームであるLegis AI Platformを開発する。
  論文  参考訳（メタデータ） (2024-09-20T06:21:03Z)
• InternLM-Law: An Open Source Chinese Legal Large Language Model [72.2589401309848]
  InternLM-Lawは、中国法に関する様々な法的クエリに対処するための特殊なLLMである。 われわれは、中国法域に100万以上のクエリを含むデータセットを慎重に構築する。 InternLM-LawはLawBench上で最高の平均性能を達成し、20サブタスク中13サブタスクでGPT-4を含む最先端モデルを上回っている。
  論文  参考訳（メタデータ） (2024-06-21T06:19:03Z)
• Privacy-Aware Document Visual Question Answering [44.82362488593259]
  この研究はDocVQAで使用されるマルチモーダルLLMモデルの現状におけるプライバシー問題を強調している。 本稿では,請求書と関連する質問と回答を含む大規模DocVQAデータセットを提案する。 プライベートでないモデルは記憶に残る傾向があり、プライベートな情報が露出する可能性があることを実証する。
  論文  参考訳（メタデータ） (2023-12-15T06:30:55Z)
• 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)
• Constructing a Knowledge Graph for Vietnamese Legal Cases with Heterogeneous Graphs [5.168558598888541]
  本稿では,法律事例文書と関連する法律に関する知識グラフ構築手法を提案する。 当社のアプローチは,データクローリング,情報抽出,知識グラフ展開という3つの主要なステップで構成されています。
  論文  参考訳（メタデータ） (2023-09-16T18:31:47Z)
• Leveraging Large Language Models for Topic Classification in the Domain of Public Affairs [65.9077733300329]
  大規模言語モデル (LLM) は公務員文書の分析を大幅に強化する可能性を秘めている。 LLMは、公共の分野など、ドメイン固有のドキュメントを処理するのに非常に役立ちます。
  論文  参考訳（メタデータ） (2023-06-05T13:35:01Z)
• A Short Survey of Viewing Large Language Models in Legal Aspect [0.0]
  大規模言語モデル(LLM)は、自然言語処理、コンピュータビジョン、強化学習など、多くの分野に変化をもたらした。 LLMの法的分野への統合は、プライバシーの懸念、偏見、説明可能性など、いくつかの法的問題を引き起こしている。
  論文  参考訳（メタデータ） (2023-03-16T08:01:22Z)
• 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)

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。