論文の概要: Legal Rule Induction: Towards Generalizable Principle Discovery from Analogous Judicial Precedents

• arxiv url: http://arxiv.org/abs/2505.14104v1
• Date: Tue, 20 May 2025 09:10:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:52.956403
• Title: Legal Rule Induction: Towards Generalizable Principle Discovery from Analogous Judicial Precedents
• Title（参考訳）: 法規則の導出 : 判例に基づく一般化可能な原則発見を目指して
• Authors: Wei Fan, Tianshi Zheng, Yiran Hu, Zheye Deng, Weiqi Wang, Baixuan Xu, Chunyang Li, Haoran Li, Weixing Shen, Yangqiu Song,
• Abstract要約: 法規は、法典の定式化だけでなく、差別的規範、社会的道徳、政策を含む前例から派生した暗黙の偏見的原則も含んでいる。 我々は、類似した前例の集合から簡潔で一般化可能なドクトリン規則を導出するタスクとして法則帰納法(LRI)を定式化する。 モデルチューニングのための5,121のケースセット(合計38,088のケース)と216のエキスパートアノテートゴールドテストセットからなる最初のLRIベンチマークを導入する。
• 参考スコア（独自算出の注目度）: 39.35255423087048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legal rules encompass not only codified statutes but also implicit adjudicatory principles derived from precedents that contain discretionary norms, social morality, and policy. While computational legal research has advanced in applying established rules to cases, inducing legal rules from judicial decisions remains understudied, constrained by limitations in model inference efficacy and symbolic reasoning capability. The advent of Large Language Models (LLMs) offers unprecedented opportunities for automating the extraction of such latent principles, yet progress is stymied by the absence of formal task definitions, benchmark datasets, and methodologies. To address this gap, we formalize Legal Rule Induction (LRI) as the task of deriving concise, generalizable doctrinal rules from sets of analogous precedents, distilling their shared preconditions, normative behaviors, and legal consequences. We introduce the first LRI benchmark, comprising 5,121 case sets (38,088 Chinese cases in total) for model tuning and 216 expert-annotated gold test sets. Experimental results reveal that: 1) State-of-the-art LLMs struggle with over-generalization and hallucination; 2) Training on our dataset markedly enhances LLMs capabilities in capturing nuanced rule patterns across similar cases.
• Abstract（参考訳）: 法規は、法典の定式化だけでなく、差別的規範、社会的道徳、政策を含む前例から派生した暗黙の偏見的原則も含んでいる。 計算法的研究は、ケースに確立された規則を適用することに進歩してきたが、法的な規則を司法決定から導き出すことは、モデル推論の有効性と象徴的な推論能力の制限によって、まだ検討されている。 LLM(Large Language Models)の出現は、そのような遅れた原則の抽出を自動化する前例のない機会を提供するが、形式的なタスク定義やベンチマークデータセット、方法論の欠如によって進歩は妨げられている。 このギャップに対処するために、我々は、簡潔で一般化可能な教義規則を類似した前例の集合から導き出し、それらの共有前提条件、規範的行動、法的帰結を蒸留するタスクとして、法則帰納法(LRI)を定式化する。 モデルチューニングのための5,121のケースセット(合計38,088のケース)と216のエキスパートアノテートゴールドテストセットからなる最初のLRIベンチマークを導入する。 実験の結果、以下のことが判明した。 1) 最先端のLLMは,過度な一般化と幻覚に苦慮している。 2) データセットのトレーニングは, 類似のケースにまたがるニュアンスルールパターンの取得において, LLMの能力を大幅に向上させる。

関連論文リスト

• 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)
• AnnoCaseLaw: A Richly-Annotated Dataset For Benchmarking Explainable Legal Judgment Prediction [56.797874973414636]
  AnnoCaseLawは、アメリカ合衆国控訴裁判所の無視事件を慎重に注釈付けした471のデータセットである。 我々のデータセットは、より人間らしく説明可能な法的な判断予測モデルの基礎となる。 その結果、LJPは依然として厳しい課題であり、法的な前例の適用は特に困難であることが示されている。
  論文  参考訳（メタデータ） (2025-02-28T19:14:48Z)
• How Vital is the Jurisprudential Relevance: Law Article Intervened Legal Case Retrieval and Matching [31.378981566988063]
  法的ケース検索(LCR)は、与えられたクエリに基づいて、同等の法的ケースを自動的に検索することを目的としている。 これに対処するためには、司法ドメイン内の独自の法的・合理的な類似性を評価するのが難しい課題だ。 上記の課題を解決するために, LCM-LAI というエンド・ツー・エンドのモデルを提案する。
  論文  参考訳（メタデータ） (2025-02-25T15:29:07Z)
• RuleArena: A Benchmark for Rule-Guided Reasoning with LLMs in Real-World Scenarios [58.90106984375913]
  RuleArenaは、大規模言語モデル(LLM)が推論において複雑な現実世界のルールに従う能力を評価するために設計された、新しくて挑戦的なベンチマークである。 航空会社の荷物手数料、NBA取引、税制の3つの実践的領域をカバーするルールアリーナは、複雑な自然言語命令を扱うのにLLMの習熟度を評価する。
  論文  参考訳（メタデータ） (2024-12-12T06:08:46Z)
• LawLLM: Law Large Language Model for the US Legal System [43.13850456765944]
  我々は,米国法域に特化して設計されたマルチタスクモデルであるLawLLM(Law Large Language Model)を紹介する。 類似症例検索(SCR)、PCR(Precedent Case Recommendation)、LJP(Lawal Judgment Prediction)においてLawLLMが優れている そこで本研究では,各タスクに対して,生の法定データをトレーニング可能な形式に変換する,カスタマイズされたデータ前処理手法を提案する。
  論文  参考訳（メタデータ） (2024-07-27T21:51:30Z)
• Logic Rules as Explanations for Legal Case Retrieval [9.240902132139187]
  本稿では,ケースレベルの論理則と法レベルの論理則を学習することで,訴訟の一致を推論する枠組みを提案する。 論理則の論理性と解釈性から、NS-LCRは忠実な説明性を備えている。
  論文  参考訳（メタデータ） (2024-03-03T09:22:21Z)
• 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)
• 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)

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。