論文の概要: NyayaRAG: Realistic Legal Judgment Prediction with RAG under the Indian Common Law System

• arxiv url: http://arxiv.org/abs/2508.00709v1
• Date: Fri, 01 Aug 2025 15:23:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-04 18:08:53.932966
• Title: NyayaRAG: Realistic Legal Judgment Prediction with RAG under the Indian Common Law System
• Title（参考訳）: ニヤヤラグ:インド共通法制度下でのRAGによる現実的法的判断予測
• Authors: Shubham Kumar Nigam, Balaramamahanthi Deepak Patnaik, Shivam Mishra, Ajay Varghese Thomas, Noel Shallum, Kripabandhu Ghosh, Arnab Bhattacharya,
• Abstract要約: 法的判断予測(LJP)は、司法結果の予測を自動化し、法的推論における解釈可能性を高めることを目的として、法律のためのAIの重要領域として登場した。 我々は,現実的な法廷シナリオをシミュレートする検索補助生成フレームワークであるNyayaRAGを提案する。 以上の結果から,構造化された法的知識による事実入力の増大は,予測精度と説明品質の両方を著しく向上させることが示された。
• 参考スコア（独自算出の注目度）: 5.551153560142468
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Legal Judgment Prediction (LJP) has emerged as a key area in AI for law, aiming to automate judicial outcome forecasting and enhance interpretability in legal reasoning. While previous approaches in the Indian context have relied on internal case content such as facts, issues, and reasoning, they often overlook a core element of common law systems, which is reliance on statutory provisions and judicial precedents. In this work, we propose NyayaRAG, a Retrieval-Augmented Generation (RAG) framework that simulates realistic courtroom scenarios by providing models with factual case descriptions, relevant legal statutes, and semantically retrieved prior cases. NyayaRAG evaluates the effectiveness of these combined inputs in predicting court decisions and generating legal explanations using a domain-specific pipeline tailored to the Indian legal system. We assess performance across various input configurations using both standard lexical and semantic metrics as well as LLM-based evaluators such as G-Eval. Our results show that augmenting factual inputs with structured legal knowledge significantly improves both predictive accuracy and explanation quality.
• Abstract（参考訳）: 法的判断予測(LJP)は、司法結果の予測を自動化し、法的推論における解釈可能性を高めることを目的として、法律のためのAIの重要領域として登場した。 インドの文脈における以前のアプローチは、事実、問題、推論といった内部の事例内容に依存していたが、法律の規定や判例に依存する共通の法体系の中核的な要素を見落としていることが多い。 本研究では,実例記述,関連法規,意味的に検索された先行事例のモデルを提供することで,現実的な法廷シナリオをシミュレートする検索型拡張世代(RAG)フレームワークであるNyayaRAGを提案する。 NyayaRAGは、これらの組み合わせによる入力の有効性を評価し、インドの法体系に合わせたドメイン固有のパイプラインを使用して、裁判所の決定を予測し、法的説明を生成する。 我々は,G-Eval などの LLM ベースの評価器と同様に,標準的な語彙と意味の指標を用いて,様々な入力構成における性能を評価する。 以上の結果から,構造化された法的知識による事実入力の増大は,予測精度と説明品質の両方を著しく向上させることが示された。

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)
• AUTOLAW: Enhancing Legal Compliance in Large Language Models via Case Law Generation and Jury-Inspired Deliberation [5.732271982985626]
  AutoLawは、ドメイン固有の大規模言語モデル(LLM)のための新しい違反検出フレームワークである。 LLMの法的コンプライアンスを強化するために、敵対的なデータ生成と陪審に触発された審議プロセスを組み合わせる。 本研究は, 法的不一致を適応的に調査し, 信頼性の高い文脈対応の判断を下すフレームワークの能力を強調した。
  論文  参考訳（メタデータ） (2025-05-20T07:09:13Z)
• 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)
• Enabling Discriminative Reasoning in LLMs for Legal Judgment Prediction [23.046342240176575]
  人間の推論に触発されたAsk-Discriminate-Predict(ADAPT)推論フレームワークを紹介する。 ADAPTは、ケース事実を分解し、潜在的な電荷を識別し、最終的な判断を予測する。 広く利用されている2つのデータセットに対して行われた実験は、法的な判断予測において、我々のフレームワークの優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-02T05:43:15Z)
• 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)
• 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)
• Equality before the Law: Legal Judgment Consistency Analysis for Fairness [55.91612739713396]
  本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。 法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。 私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
  論文  参考訳（メタデータ） (2021-03-25T14:28:00Z)
• Legal Judgment Prediction (LJP) Amid the Advent of Autonomous AI Legal Reasoning [0.0]
  法的判断予測は、法律の理論と実践において、長くかつオープンなトピックである。 訴訟や司法行動を予測する様々な方法や技法が、長年にわたって出現してきた。 AI法則推論の出現は、LJPの実行方法とその予測精度に顕著な影響を与える。
  論文  参考訳（メタデータ） (2020-09-29T00:12:42Z)
• Distinguish Confusing Law Articles for Legal Judgment Prediction [30.083642130015317]
  LJP(Lawal Judgment Prediction)は、その事実を記述したテキストが与えられた場合、訴訟の判断結果を自動的に予測するタスクである。 LJP の課題を解決するために,エンド・ツー・エンドのモデル LADAN を提案する。
  論文  参考訳（メタデータ） (2020-04-06T11:09:44Z)

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。