論文の概要: JUREX-4E: Juridical Expert-Annotated Four-Element Knowledge Base for Legal Reasoning

• arxiv url: http://arxiv.org/abs/2502.17166v1
• Date: Mon, 24 Feb 2025 14:02:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:58:16.610172
• Title: JUREX-4E: Juridical Expert-Annotated Four-Element Knowledge Base for Legal Reasoning
• Title（参考訳）: JUREX-4E: 法的推論のための法学エキスパート注釈4要素知識ベース
• Authors: Huanghai Liu, Quzhe Huang, Qingjing Chen, Yiran Hu, Jiayu Ma, Yun Liu, Weixing Shen, Yansong Feng,
• Abstract要約: 4要素理論は犯罪法の基本的な枠組みであり、4次元で犯罪の構成を定義する。 多くの大規模言語モデル(LLM)は、法的タスクを扱う際にこの理論を取り入れようとしている。 JUREX-4Eは155件の刑事訴追を専門とする知識ベースである。
• 参考スコア（独自算出の注目度）: 25.87736103281699
• License:
• Abstract: The Four-Element Theory is a fundamental framework in criminal law, defining the constitution of crime through four dimensions: Subject, Object, Subjective aspect, and Objective aspect. This theory is widely referenced in legal reasoning, and many Large Language Models (LLMs) attempt to incorporate it when handling legal tasks. However, current approaches rely on LLMs' internal knowledge to incorporate this theory, often lacking completeness and representativeness. To address this limitation, we introduce JUREX-4E, an expert-annotated knowledge base covering 155 criminal charges. It is structured through a progressive hierarchical annotation framework that prioritizes legal source validity and employs diverse legal interpretation methods to ensure comprehensiveness and authority. We evaluate JUREX-4E on the Similar Charge Distinction task and apply it to Legal Case Retrieval, demonstrating its effectiveness in improving LLM performance. Experimental results validate the high quality of JUREX-4E and its substantial impact on downstream legal tasks, underscoring its potential for advancing legal AI applications. Code: https://github.com/THUlawtech/JUREX
• Abstract（参考訳）: 四要素理論は犯罪法の基本的枠組みであり、主題、対象、主観的側面、客観的側面の4次元を通じて犯罪の構成を定義する。 この理論は法的な推論において広く言及されており、多くのLarge Language Models (LLM) は法的なタスクを扱う際にそれを組み込もうとしている。 しかし、現在のアプローチはこの理論を組み込むためにLLMの内部知識に依存しており、完全性や代表性を欠いていることが多い。 この制限に対処するために,155件の刑事罪をカバーした専門家による知識ベースであるJUREX-4Eを紹介する。 これは、法的根拠の妥当性を優先し、包括性と権威を確保するために様々な法的解釈手法を用いる、進歩的な階層的アノテーションフレームワークによって構成されている。 JUREX-4Eを類似電荷識別タスクで評価し,法律ケース検索に適用し,LLMの性能向上に有効であることを実証した。 実験結果は、JUREX-4Eの高品質さと下流の法的なタスクに大きな影響を与えていることを検証する。 コード:https://github.com/THUlawtech/JUREX

関連論文リスト

• Legal Evalutions and Challenges of Large Language Models [42.51294752406578]
  我々は,OPENAI o1モデルを事例研究として,法律規定の適用における大規模モデルの性能評価に利用した。 我々は、オープンソース、クローズドソース、および法律ドメインのために特別に訓練された法律固有のモデルを含む、最先端のLLMを比較します。
  論文  参考訳（メタデータ） (2024-11-15T12:23:12Z)
• Developing a Pragmatic Benchmark for Assessing Korean Legal Language Understanding in Large Language Models [7.797885529152412]
  大規模言語モデル (LLM) は法域において顕著な性能を示した。 しかし、その効力は英語以外の言語における非標準化されたタスクやタスクに限られている。 このことは、適用前に各法体系内でのLCMの慎重な評価の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2024-10-11T11:41:02Z)
• 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)
• Bridging Law and Data: Augmenting Reasoning via a Semi-Structured Dataset with IRAC methodology [22.740895683854568]
  本稿では,法シナリオ分析のためのベンチマークであるLEGALSEMIを紹介する。 LEGALSEMIは54の法的シナリオで構成されており、それぞれが包括的なIRAC(Issue, Rule, Application, Conclusion)フレームワークに基づいて、法の専門家によって厳格に注釈付けされている。 IRAC分析におけるLEGALSEMIの有用性を評価するための一連の実験を行った。
  論文  参考訳（メタデータ） (2024-06-19T04:59:09Z)
• LawInstruct: A Resource for Studying Language Model Adaptation to the Legal Domain [47.001169623840354]
  58の注釈付き法律データセットを集約し、それぞれに命令を書き、LawInstructを作成します。 ローインストラクチャーは17の国際司法管轄区域、24の言語、および法的QA、訴訟の要約、法的議論のマイニングなど様々なタスクにまたがる1200万の事例をカバーしている。 Flan-T5(FLawN-T5)の法的な命令チューニングは、すべてのモデルサイズでLegalBenchのパフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2024-04-02T17:33:34Z)
• 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)
• 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)
• 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)
• LegalBench: A Collaboratively Built Benchmark for Measuring Legal Reasoning in Large Language Models [15.98468948605927]
  LegalBenchは6種類の法的推論をカバーする162のタスクからなるベンチマークである。 本稿では、LegalBenchについて述べるとともに、20のオープンソースおよび商用LCMの実証的な評価を行い、LegalBenchがもたらす研究のタイプについて説明する。
  論文  参考訳（メタデータ） (2023-08-20T22:08:03Z)
• Explaining Legal Concepts with Augmented Large Language Models (GPT-4) [0.8924669503280334]
  我々は,法律における用語の事実的正確で明確で関連性の高い説明を生成する上で,GPT-4の性能を評価する。 GPT-4の直接適用により, 表面の非常に高品質な説明が得られることがわかった。 その結果,増悪によって品質が向上し,幻覚の問題は解消されることがわかった。
  論文  参考訳（メタデータ） (2023-06-15T21:58:18Z)
• 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)

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。