論文の概要: LegalChainReasoner: A Legal Chain-guided Framework for Criminal Judicial Opinion Generation

• arxiv url: http://arxiv.org/abs/2509.00783v1
• Date: Sun, 31 Aug 2025 10:22:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.392591
• Title: LegalChainReasoner: A Legal Chain-guided Framework for Criminal Judicial Opinion Generation
• Title（参考訳）: LegalChainReasoner: 刑事司法意見生成のための法定チェインガイドフレームワーク
• Authors: Weizhe Shi, Qiqi Wang, Yihong Pan, Qian Liu, Kaiqi Zhao,
• Abstract要約: 我々は,新たな法律AIタスクである司法意見生成を提案する。 同時に、法的推論と判決を同時に生成する。 われわれのアプローチは、柔軟な知識注入とエンドツーエンドの意見生成を保証する。
• 参考スコア（独自算出の注目度）: 6.754329137382816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A criminal judicial opinion represents the judge's disposition of a case, including the decision rationale and sentencing. Automatically generating such opinions can assist in analyzing sentencing consistency and provide judges with references to similar past cases. However, current research typically approaches this task by dividing it into two isolated subtasks: legal reasoning and sentencing prediction. This separation often leads to inconsistency between the reasoning and predictions, failing to meet real-world judicial requirements. Furthermore, prior studies rely on manually curated knowledge to enhance applicability, yet such methods remain limited in practical deployment. To address these limitations and better align with legal practice, we propose a new LegalAI task: Judicial Opinion Generation, which simultaneously produces both legal reasoning and sentencing decisions. To achieve this, we introduce LegalChainReasoner, a framework that applies structured legal chains to guide the model through comprehensive case assessments. By integrating factual premises, composite legal conditions, and sentencing conclusions, our approach ensures flexible knowledge injection and end-to-end opinion generation. Experiments on two real-world and open-source Chinese legal case datasets demonstrate that our method outperforms baseline models.
• Abstract（参考訳）: 刑事司法の意見は、判決の合理性や判決を含む裁判の処分を表す。 このような意見の自動生成は、判決の一貫性の分析を支援し、判事に同様の過去の事例への言及を提供する。 しかし、現在の研究は典型的には、このタスクを2つの独立したサブタスク(法的推論とセンテンシング予測)に分割することで、このタスクにアプローチしている。 この分離は、しばしば推論と予測の矛盾を招き、現実の司法要件を満たさない。 さらに、先行研究は適用性を高めるために手作業による知識に頼っているが、実際にはそのような手法は限られている。 これらの制限に対処し、法的な慣行との整合性を高めるため、我々は新たな法務AIタスクである司法意見生成を提案し、同時に法的な推論と判決決定の両方を同時に生成する。 これを実現するために,構造化された法律チェーンを適用し,包括的ケースアセスメントを通じてモデルをガイドするフレームワークであるLegalChainReasonerを紹介した。 事実的前提, 複合的法的条件, 判決的結論を統合することにより, 本手法は柔軟な知識注入とエンドツーエンドの意見生成を実現する。 2つの実世界およびオープンソースの中国の訴訟データセットの実験は、我々の手法がベースラインモデルより優れていることを示した。

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)
• 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)
• 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)
• 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)
• Legal Judgment Prediction with Multi-Stage CaseRepresentation Learning in the Real Court Setting [25.53133777558123]
  本稿では, 実地裁判所から新たなデータセットを導入し, 法的な判断を合理的に百科事典的に予測する。 大規模な民事裁判データセットを用いた広範な実験は、提案モデルが、法的判断予測のためのクレーム、事実、議論の間の相互作用をより正確に特徴付けることができることを示している。
  論文  参考訳（メタデータ） (2021-07-12T04:27:14Z)
• 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。