論文の概要: When Large Language Models Meet Law: Dual-Lens Taxonomy, Technical Advances, and Ethical Governance

• arxiv url: http://arxiv.org/abs/2507.07748v1
• Date: Thu, 10 Jul 2025 13:26:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.418095
• Title: When Large Language Models Meet Law: Dual-Lens Taxonomy, Technical Advances, and Ethical Governance
• Title（参考訳）: 大規模言語モデルが法と出会うとき--二段階分類、技術的進歩、倫理的ガバナンス
• Authors: Peizhang Shao, Linrui Xu, Jinxi Wang, Wei Zhou, Xingyu Wu,
• Abstract要約: 本稿では,Large Language Models (LLM) の総合的なレビューを行う。 トランスフォーマーベースのLLMは、文脈推論や生成的議論のような創発的な能力を示す。 本稿では,法的な役割を計算的にサブタスクにマッピングし,トゥールミン論証フレームワークを実装した新しい分類法を提案する。
• 参考スコア（独自算出の注目度）: 7.743029842436036
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper establishes the first comprehensive review of Large Language Models (LLMs) applied within the legal domain. It pioneers an innovative dual lens taxonomy that integrates legal reasoning frameworks and professional ontologies to systematically unify historical research and contemporary breakthroughs. Transformer-based LLMs, which exhibit emergent capabilities such as contextual reasoning and generative argumentation, surmount traditional limitations by dynamically capturing legal semantics and unifying evidence reasoning. Significant progress is documented in task generalization, reasoning formalization, workflow integration, and addressing core challenges in text processing, knowledge integration, and evaluation rigor via technical innovations like sparse attention mechanisms and mixture-of-experts architectures. However, widespread adoption of LLM introduces critical challenges: hallucination, explainability deficits, jurisdictional adaptation difficulties, and ethical asymmetry. This review proposes a novel taxonomy that maps legal roles to NLP subtasks and computationally implements the Toulmin argumentation framework, thus systematizing advances in reasoning, retrieval, prediction, and dispute resolution. It identifies key frontiers including low-resource systems, multimodal evidence integration, and dynamic rebuttal handling. Ultimately, this work provides both a technical roadmap for researchers and a conceptual framework for practitioners navigating the algorithmic future, laying a robust foundation for the next era of legal artificial intelligence. We have created a GitHub repository to index the relevant papers: https://github.com/Kilimajaro/LLMs_Meet_Law.
• Abstract（参考訳）: 本稿では,法域内で適用されたLarge Language Models (LLMs) の総合的なレビューを行う。 それは、歴史的研究と現代的なブレークスルーを体系的に統一するために、法的推論の枠組みと専門的なオントロジーを統合する革新的なデュアルレンズ分類の先駆者である。 文脈的推論や生成的議論などの創発的な能力を示すトランスフォーマーベースのLLMは、法的意味論を動的に捉え、証拠推論を統一することで、従来の制限を克服する。 タスクの一般化、推論形式化、ワークフロー統合、テキスト処理、知識統合、評価厳密化におけるコア課題への対処といった重要な進歩は、スパースアテンション機構やミックスオブエキスパートアーキテクチャといった技術革新を通じて文書化されている。 しかし、LLMの普及は、幻覚、説明可能性障害、管轄的適応困難、倫理的非対称性といった重要な課題をもたらす。 本稿では,NLPサブタスクに法的役割をマッピングし,Tulmin議論フレームワークを計算的に実装する新たな分類法を提案し,推論,検索,予測,紛争解決の進歩を体系化する。 低リソースシステム、マルチモーダルエビデンス統合、動的Rebuttalハンドリングなど、重要なフロンティアを特定します。 この研究は究極的には、研究者のための技術的なロードマップと、アルゴリズムの未来をナビゲートする実践者のための概念的なフレームワークの両方を提供し、次世代の法的な人工知能の基礎を築き上げている。 私たちは、関連するドキュメントをインデックスするGitHubリポジトリを作成しました。

関連論文リスト

• An Integrated Framework of Prompt Engineering and Multidimensional Knowledge Graphs for Legal Dispute Analysis [10.003390941988386]
  本研究は,多次元知識グラフとプロンプトエンジニアリングを統合した拡張フレームワークを提案する。 このフレームワークは、タスク定義、知識背景、推論ガイダンスを含む3段階の階層的なプロンプト構造を導入する。 4つの補完的手法は、正確な法的概念の検索を可能にする。
  論文  参考訳（メタデータ） (2025-07-10T16:22:41Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• Why Reasoning Matters? A Survey of Advancements in Multimodal Reasoning (v1) [66.51642638034822]
  推論は人間の知性の中心であり、多様なタスクにまたがる構造化された問題解決を可能にする。 大規模言語モデル(LLM)の最近の進歩は、算術、常識、記号領域における推論能力を大幅に向上させてきた。 本稿では,テキストおよびマルチモーダルLLMにおける推論手法の簡潔かつ洞察に富んだ概要について述べる。
  論文  参考訳（メタデータ） (2025-04-04T04:04:56Z)
• Large Language Models Post-training: Surveying Techniques from Alignment to Reasoning [185.51013463503946]
  大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。 これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。 本稿では,タスク固有の精度を向上するファインチューニング,倫理的コヒーレンスと人間の嗜好との整合性を保証するアライメント,報酬設計の課題によらず多段階の推論を進める推論,統合と適応の5つのパラダイムを体系的に追跡したPoLMの総合的な調査について述べる。
  論文  参考訳（メタデータ） (2025-03-08T05:41:42Z)
• Elevating Legal LLM Responses: Harnessing Trainable Logical Structures and Semantic Knowledge with Legal Reasoning [19.477062052536887]
  意味と論理的コヒーレンスを橋渡しする教師ありフレームワークである論理・意味統合モデル(LSIM)を提案する。 LSIMは3つの要素から構成される: 強化学習は各質問に対して構造化されたファクトルールチェーンを予測し、訓練可能なDeep Structured Semantic Model(DSSM)は最も関連性の高い質問を検索し、回答内学習は最終回答を生成する。 LSIMが従来の手法に比べて精度と信頼性を著しく向上させるような,自動測定と人的評価デーモンレートによる実世界の法的データセットのQA検証実験を行った。
  論文  参考訳（メタデータ） (2025-02-11T19:33:07Z)
• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Multi-step Inference over Unstructured Data [2.169874047093392]
  医療、法律、金融などの分野における高い意思決定タスクは、精度、包括性、論理的一貫性のレベルを必要とする。 これらの問題に対処するための,ニューロシンボリックAIプラットフォームを開発した。 このプラットフォームは、知識抽出とアライメントのための微調整LDMと、堅牢なシンボリック推論エンジンを統合している。
  論文  参考訳（メタデータ） (2024-06-26T00:00:45Z)
• Igniting Language Intelligence: The Hitchhiker's Guide From Chain-of-Thought Reasoning to Language Agents [80.5213198675411]
  大規模言語モデル(LLM)は言語知能の分野を劇的に拡張した。 LLMは興味をそそるチェーン・オブ・シークレット(CoT)推論技術を活用し、答えを導き出す途中の中間ステップを定式化しなければならない。 最近の研究は、自律言語エージェントの開発を促進するためにCoT推論手法を拡張している。
  論文  参考訳（メタデータ） (2023-11-20T14:30:55Z)
• Enhancing Pre-Trained Language Models with Sentence Position Embeddings for Rhetorical Roles Recognition in Legal Opinions [0.16385815610837165]
  法的意見の規模は増え続けており、法的意見の修辞的役割を正確に予測できるモデルを開発することはますます困難になっている。 本稿では,文の位置情報に関する知識によって強化された事前学習言語モデル(PLM)を用いて,修辞的役割を自動的に予測する新しいモデルアーキテクチャを提案する。 LegalEval@SemEval2023コンペティションの注釈付きコーパスに基づいて、我々のアプローチではパラメータが少なく、計算コストが低下することを示した。
  論文  参考訳（メタデータ） (2023-10-08T20:33:55Z)

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。