論文の概要: A Machine Learning Theory Perspective on Strategic Litigation
- arxiv url: http://arxiv.org/abs/2506.03411v1
- Date: Tue, 03 Jun 2025 21:38:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 21:20:14.066231
- Title: A Machine Learning Theory Perspective on Strategic Litigation
- Title（参考訳）: 戦略緩和に関する機械学習理論の展望
- Authors: Melissa Dutz, Han Shao, Avrim Blum, Aloni Cohen,
- Abstract要約: 我々は,下級裁判所が,上級裁判所の過去の判決から学んだ決定規則を適用して,新たな事件を決定する共通法体系のモデルを考える。
このモデルでは,高裁にケースを戦略的に導入し,学習した意思決定ルールに影響を与える戦略的訴訟者の力について検討する。
- 参考スコア（独自算出の注目度）: 21.964841363939037
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Strategic litigation involves bringing a legal case to court with the goal of having a broader impact beyond resolving the case itself: for example, creating precedent which will influence future rulings. In this paper, we explore strategic litigation from the perspective of machine learning theory. We consider an abstract model of a common-law legal system where a lower court decides new cases by applying a decision rule learned from a higher court's past rulings. In this model, we explore the power of a strategic litigator, who strategically brings cases to the higher court to influence the learned decision rule, thereby affecting future cases. We explore questions including: What impact can a strategic litigator have? Which cases should a strategic litigator bring to court? Does it ever make sense for a strategic litigator to bring a case when they are sure the court will rule against them?
- Abstract（参考訳）: ストラテジック訴訟は、訴訟そのものの解決を越えて、より広範な影響を持つという目標を法廷に持ち込もうとする、例えば、将来の判決に影響を与える前例を作成することを含む。
本稿では,機械学習理論の観点から戦略的訴訟を考察する。
我々は,下級裁判所が,上級裁判所の過去の判決から学んだ決定規則を適用して,新たな事件を決定する共通法体系の抽象的モデルを考える。
このモデルでは,高裁に事件を戦略的に持ち込み,学習した決定ルールに影響を及ぼし,将来の事件に影響を及ぼす戦略的訴訟者の力を探求する。
戦略的訴訟者はどんな影響を与えるのか?
戦略的訴訟はどの事件を裁判に持ち込むべきか?
裁判所が彼らに対して裁定を下すと確信している場合、戦略的な訴訟官が訴訟を持ち込むのは理にかなっているだろうか?
関連論文リスト
- RLJP: Legal Judgment Prediction via First-Order Logic Rule-enhanced with Large Language Models [58.69183479148083]
法的判断予測(LJP)は、法的AIにおいて重要な課題である。
既存のLJPモデルは、高いパフォーマンスのために司法上の前例と法的な知識を統合している。
しかし彼らは、厳密な論理分析を必要とする法的判断の重要な要素である法的推論論理を無視している。
本稿では、一階述語論理(FOL)形式と比較学習(CL)に基づく規則強化された法的判断予測フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-27T14:50:21Z) - 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) - K-Level Reasoning: Establishing Higher Order Beliefs in Large Language Models for Strategic Reasoning [76.3114831562989]
マルチエージェント環境で戦略を動的に適応させるためには、LLM(Large Language Model)エージェントが必要である。
我々は,「K-Level Reasoning with Large Language Models (K-R)」という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-02T16:07:05Z) - PILOT: Legal Case Outcome Prediction with Case Law [43.680862577060765]
判例法を用いて判例結果の予測を行う際の2つのユニークな課題を同定する。
第一に、意思決定において裁判官の基本的な証拠となる関連する前例を特定することが重要である。
第二に、初期の事例は異なる法的文脈に従う可能性があるため、時間とともに法原則の進化を考慮する必要がある。
論文 参考訳（メタデータ） (2024-01-28T21:18:05Z) - LegalDuet: Learning Fine-grained Representations for Legal Judgment Prediction via a Dual-View Contrastive Learning [22.59356182108378]
法的判断予測(LJP)は、訴訟の判断結果を自動予測することを目的とした、法的人工知能の基本課題である。
既存のLJPモデルは、主に犯罪事実の記述の中で法的トリガーを特定することに焦点を当てている。
本稿では,言語モデルの事前訓練を行うLegalDuetを提案する。
論文 参考訳（メタデータ） (2024-01-27T10:28:27Z) - 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) - What About the Precedent: An Information-Theoretic Analysis of Common
Law [64.49276556192073]
一般的な法律では、新しい事件の結果は、既存の法令ではなく、前例によって決定されることが多い。
私たちは、2つの長年にわたる法学的な見解を比較することで、この問題に最初に取り組みました。
前例の主張は事件の結果と0.38ナットの情報を共有しているのに対し、前例の事実は0.18ナットの情報しか共有していない。
論文 参考訳（メタデータ） (2021-04-25T11:20:09Z)
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。