論文の概要: BriefMe: A Legal NLP Benchmark for Assisting with Legal Briefs
- arxiv url: http://arxiv.org/abs/2506.06619v1
- Date: Sat, 07 Jun 2025 01:33:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-10 16:33:10.364973
- Title: BriefMe: A Legal NLP Benchmark for Assisting with Legal Briefs
- Title（参考訳）: BriefMe: 法的ブリーフを支援するためのNLPベンチマーク
- Authors: Jesse Woo, Fateme Hashemi Chaleshtori, Ana Marasović, Kenneth Marino,
- Abstract要約: 法務NLPで過小評価されている法的作業の核心は、法務ブリーフィングの執筆と編集である。
法的なブリーフィングに焦点を当てた新しいデータセットであるBRIEFMEを紹介する。
言語モデルには3つのタスクが含まれており、議論の要約、議論の完了、事例検索というブリーフを書く際に、法的専門家を支援する。
- 参考スコア（独自算出の注目度）: 4.501619011158408
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A core part of legal work that has been under-explored in Legal NLP is the writing and editing of legal briefs. This requires not only a thorough understanding of the law of a jurisdiction, from judgments to statutes, but also the ability to make new arguments to try to expand the law in a new direction and make novel and creative arguments that are persuasive to judges. To capture and evaluate these legal skills in language models, we introduce BRIEFME, a new dataset focused on legal briefs. It contains three tasks for language models to assist legal professionals in writing briefs: argument summarization, argument completion, and case retrieval. In this work, we describe the creation of these tasks, analyze them, and show how current models perform. We see that today's large language models (LLMs) are already quite good at the summarization and guided completion tasks, even beating human-generated headings. Yet, they perform poorly on other tasks in our benchmark: realistic argument completion and retrieving relevant legal cases. We hope this dataset encourages more development in Legal NLP in ways that will specifically aid people in performing legal work.
- Abstract（参考訳）: 法務NLPで過小評価されている法的作業の中核は、法務ブリーフィングの執筆と編集である。
これは、判決から法令まで、司法管轄区域の法則を徹底的に理解するだけでなく、新たな方向に法を拡大し、裁判官に説得力のある斬新で創造的な議論を行おうとする新たな議論を行う能力も必要である。
言語モデルにおけるこれらの法的スキルを捕捉し評価するために、法的なブリーフィングに焦点を当てた新しいデータセットであるBRIEFMEを紹介する。
言語モデルには3つのタスクが含まれており、議論の要約、議論の完了、事例検索というブリーフを書く際に、法的専門家を支援する。
そこで本研究では,これらのタスクの作成と解析を行い,現在のモデルがどのように機能するかを示す。
今日の大きな言語モデル(LLM)は、すでに要約とガイドされた完了タスクに長けており、人間生成の見出しを上回ります。
現実的な議論の完了と関連する訴訟の検索です。
このデータセットは、法的な作業を行う上で特に役立つ方法で、法務NLPのさらなる開発を促進することを願っています。
関連論文リスト
- 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) - Automating Legal Interpretation with LLMs: Retrieval, Generation, and Evaluation [27.345475442620746]
ATRIEは法的概念解釈器と法的な概念解釈評価器から構成される。
私たちの解釈の質は、法の専門家によって書かれたものと同等であり、包括性と可読性に優れています。
精度に差はあるものの、法律実務者が法解釈の効率を改善するのに既に助けることができる。
論文 参考訳（メタデータ） (2025-01-03T10:11:38Z) - Natural Language Processing for the Legal Domain: A Survey of Tasks, Datasets, Models, and Challenges [4.548047308860141]
本調査は,手動フィルタリング後の133項目を最終選択した154の研究をレビューし,システムレビューおよびメタ分析フレームワークの優先報告項目に従う。
法律分野におけるNLPに関する基礎概念を探求し、法律文書の処理の独特な側面と課題を詳述する。
本稿では,法的文書要約,法的名称付きエンティティ認識,法的質問回答,法的条項マイニング,法的テキスト分類,法的判断予測など,法的テキストに特有のNLPタスクの概要について述べる。
論文 参考訳（メタデータ） (2024-10-25T01:17:02Z) - 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) - BLT: Can Large Language Models Handle Basic Legal Text? [44.89873147675516]
GPT-4とClaudeは、基本的な法的テキスト処理では性能が良くない。
ベンチマークの粗悪なパフォーマンスは、法的慣行の信頼性を疑うものだ。
トレーニングセットの微調整は、小さなモデルでもほぼ完璧なパフォーマンスをもたらす。
論文 参考訳（メタデータ） (2023-11-16T09:09:22Z) - Unlocking Practical Applications in Legal Domain: Evaluation of GPT for
Zero-Shot Semantic Annotation of Legal Texts [0.0]
我々は、短いテキストスニペットのセマンティックアノテーションを実行するための、最先端の生成事前学習トランスフォーマ(GPT)モデルの有効性を評価する。
その結果、GPTモデルは様々な種類の文書のゼロショット設定において驚くほどよく機能することがわかった。
論文 参考訳（メタデータ） (2023-05-08T01:55:53Z) - 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) - ArgLegalSumm: Improving Abstractive Summarization of Legal Documents
with Argument Mining [0.2538209532048867]
本稿では,議論ロールラベルを要約プロセスに統合することにより,法的文書の議論的構造を捉える手法を提案する。
事前訓練された言語モデルを用いた実験により,提案手法は強いベースラインよりも性能を向上することが示された。
論文 参考訳（メタデータ） (2022-09-04T15:55:56Z) - LexGLUE: A Benchmark Dataset for Legal Language Understanding in English [15.026117429782996]
我々は,多種多様なNLUタスクのモデル性能を評価するためのデータセットの集合であるLexGLUEベンチマークを紹介する。
また、複数の汎用的および法的指向モデルの評価と分析を行い、後者が複数のタスクにまたがるパフォーマンス改善を一貫して提供することを示した。
論文 参考訳（メタデータ） (2021-10-03T10:50:51Z) - 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) - How Does NLP Benefit Legal System: A Summary of Legal Artificial
Intelligence [81.04070052740596]
法律人工知能(Legal AI)は、人工知能、特に自然言語処理の技術を適用して、法的領域におけるタスクに役立てることに焦点を当てている。
本稿では,LegalAIにおける研究の歴史,現状,今後の方向性について紹介する。
論文 参考訳（メタデータ） (2020-04-25T14:45:15Z)
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。