Fugu-MT 論文翻訳(概要): IBPS: Indian Bail Prediction System

論文の概要: IBPS: Indian Bail Prediction System

arxiv url: http://arxiv.org/abs/2508.07592v1
Date: Mon, 11 Aug 2025 03:44:17 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-12 21:23:28.932059
Title: IBPS: Indian Bail Prediction System
Title（参考訳）: IBPS:インドベイ予報システム
Authors: Puspesh Kumar Srivastava, Uddeshya Raj, Praveen Patel, /Shubham Kumar Nigam, Noel Shallum, Arnab Bhattacharya,
Abstract要約: ベイルの決定は、インドの裁判所でしばしば上訴される事項の1つである。インドの刑務所人口の75%以上が囚人である。本稿では,AIを活用した意思決定支援フレームワークであるIndian Bail Prediction System(IBPS)を紹介する。
参考スコア（独自算出の注目度）: 3.1254215477461553
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Bail decisions are among the most frequently adjudicated matters in Indian courts, yet they remain plagued by subjectivity, delays, and inconsistencies. With over 75% of India's prison population comprising undertrial prisoners, many from socioeconomically disadvantaged backgrounds, the lack of timely and fair bail adjudication exacerbates human rights concerns and contributes to systemic judicial backlog. In this paper, we present the Indian Bail Prediction System (IBPS), an AI-powered framework designed to assist in bail decision-making by predicting outcomes and generating legally sound rationales based solely on factual case attributes and statutory provisions. We curate and release a large-scale dataset of 150,430 High Court bail judgments, enriched with structured annotations such as age, health, criminal history, crime category, custody duration, statutes, and judicial reasoning. We fine-tune a large language model using parameter-efficient techniques and evaluate its performance across multiple configurations, with and without statutory context, and with RAG. Our results demonstrate that models fine-tuned with statutory knowledge significantly outperform baselines, achieving strong accuracy and explanation quality, and generalize well to a test set independently annotated by legal experts. IBPS offers a transparent, scalable, and reproducible solution to support data-driven legal assistance, reduce bail delays, and promote procedural fairness in the Indian judicial system.
Abstract（参考訳）: ベイルの決定は、インドの裁判所でしばしば上訴される事項の1つだが、主観性、遅延、矛盾に悩まされている。インドの刑務所人口の75%以上が地下収容者であり、社会経済的に不利な背景から、タイムリーで公正な保釈判決の欠如が人権の懸念を悪化させ、体系的な司法記録に寄与している。本稿では,実例属性と法定規定のみに基づいて,結果の予測と法的に健全な合理性を生成することによって,意思決定の救済を支援するAIフレームワークであるIndian Bail Prediction System(IBPS)を提案する。我々は, 年齢, 健康, 犯罪歴, 犯罪カテゴリー, 拘留期間, 法令, 司法理由など, 構造化された注釈に富んだ150,430件の高等裁判所保釈判決の大規模データセットを収集, 公開する。我々はパラメータ効率の手法を用いて大規模言語モデルを微調整し、その性能を法的な文脈とRAGを用いて複数の構成で評価する。以上の結果から,法的な知識を付加したモデルでは,精度と説明精度が向上し,法の専門家が独自に注釈付けしたテストセットによく対応できることが示唆された。 IBPSは、データ駆動の法的援助をサポートし、保釈遅延を減らし、インドの司法制度における手続き的公正性を促進するために、透明でスケーラブルで再現可能なソリューションを提供する。

関連論文リスト

IndianBailJudgments-1200: A Multi-Attribute Dataset for Legal NLP on Indian Bail Orders [0.0]
インドのような地域では、構造化データセットが不足しているため、法的NLPは未発達のままである。 IndianBailJudgments-1200は、保釈決定に関する1200のインドの裁判所判決を含む新しいベンチマークである。データセットはプロンプトエンジニアリングされたGPT-4oパイプラインを使用してアノテートされ、一貫性が検証された。
論文参考訳（メタデータ） (2025-07-03T10:13:42Z)
ASP2LJ : An Adversarial Self-Play Laywer Augmented Legal Judgment Framework [21.003203706712643]
法的判断予測 (LJP) は、関連する法的費用、条件、罰金を含む司法結果を予測することを目的としている。現在のデータセットは、真正ケースから派生したもので、高い人間のアノテーションコストと不均衡な分布に悩まされている。本稿では, ASP2LJ という法定法定法定フレームワークを提案する。我々の枠組みは、裁判官が進化した弁護士の議論を参照することを可能にし、司法決定の客観性、公正性、合理性を改善する。
論文参考訳（メタデータ） (2025-06-11T06:55:40Z)
AppealCase: A Dataset and Benchmark for Civil Case Appeal Scenarios [47.83822985839837]
本稿では,91件の民事事件の1万対の実世界と一致した第1インスタンスと第2インスタンスの文書からなるFiceCaseデータセットを提案する。このデータセットには、判断の逆転、逆転理由、引用された法的規定、クレームレベルの決定、第2のインスタンスに新たな情報があるかどうかという5つの側面に沿った詳細なアノテーションも含まれている。実験結果から, すべてのモデルが判定逆転予測タスクにおいて50%未満のF1スコアを達成し, 魅力シナリオの複雑さと課題を浮き彫りにしていることがわかった。
論文参考訳（メタデータ） (2025-05-22T10:50:33Z)
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)
Hybrid Deep Learning for Legal Text Analysis: Predicting Punishment Durations in Indonesian Court Rulings [0.0]
本研究は,文長の深層学習に基づく予測システムを開発した。我々のモデルは,CNNとBiLSTMとアテンション機構を組み合わせたもので,R2乗のスコアは0.5893。
論文参考訳（メタデータ） (2024-10-26T07:07:48Z)
End-to-End Optimization and Learning of Fair Court Schedules [46.76273076646004]
合衆国の刑事裁判所は毎年何百万もの事件を処理している。被告のスケジューリングの好みは、しばしば最優先事項である。本稿では,エンドツーエンドで訓練された機械学習モデルと効率的なマッチングアルゴリズムを組み合わせた,共同最適化および学習フレームワークを提案する。
論文参考訳（メタデータ） (2024-10-22T20:40:53Z)
SLJP: Semantic Extraction based Legal Judgment Prediction [0.0]
LJP(Lawal Judgment Prediction)は、像、刑期、刑期などの法的要素を推奨する司法支援システムである。既存のインドのモデルのほとんどは、決定に影響を及ぼす事実記述(FD)に埋め込まれた意味論に十分に集中していなかった。提案した意味抽出に基づく LJP (SLJP) モデルは, 複雑な非構造化の判例文書理解のための事前学習型変換器の利点を提供する。
論文参考訳（メタデータ） (2023-12-13T08:50:02Z)
Multi-Defendant Legal Judgment Prediction via Hierarchical Reasoning [49.23103067844278]
マルチディペンダント・ケースの各被告に対する判断結果を自動予測することを目的としたマルチディペンダント・LJPの課題を提案する。マルチディペンダント LJP の課題は,(1) 各被告の識別不能な判断結果, (2) 訓練と評価のための実世界のデータセットの欠如である。
論文参考訳（メタデータ） (2023-12-10T04:46:30Z)
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)
Sequential Multi-task Learning with Task Dependency for Appeal Judgment Prediction [28.505366852202794]
法的判断予測(LJP)は、告訴、関連する法律記事、刑期などの判断結果を自動的に予測することを目的としている。本稿では,上訴裁判所の控訴審判決を判断する上訴判断予測(AJP)について検討する。本稿では,これらの課題に対処するために,SMAJudge (Task Dependency for Appeal Judgement Prediction) を用いた逐次マルチタスク学習フレームワークを提案する。
論文参考訳（メタデータ） (2022-03-09T08:51:13Z)
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)

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。