論文の概要: SAMVAD: A Multi-Agent System for Simulating Judicial Deliberation Dynamics in India

• arxiv url: http://arxiv.org/abs/2509.03793v1
• Date: Thu, 04 Sep 2025 01:04:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:10.004668
• Title: SAMVAD: A Multi-Agent System for Simulating Judicial Deliberation Dynamics in India
• Title（参考訳）: SAMVAD:インドにおける司法審理のダイナミクスをシミュレーションするマルチエージェントシステム
• Authors: Prathamesh Devadiga, Omkaar Jayadev Shetty, Pooja Agarwal,
• Abstract要約: 本稿では,インドの司法制度の枠組み内での審議プロセスのシミュレーションを目的とした,革新的なマルチエージェントシステム (MAS) であるSAMVADを紹介する。 我々の制度は、裁判官、検察官、弁護人、複数の行政官(司法ベンチを模擬する)など、主要な司法職を代表するエージェントで構成されている。 この研究の主な貢献は、インドにおけるランドマークな法律文書のドメイン固有の知識基盤に根ざした、検索型拡張世代(RAG)の統合である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding the complexities of judicial deliberation is crucial for assessing the efficacy and fairness of a justice system. However, empirical studies of judicial panels are constrained by significant ethical and practical barriers. This paper introduces SAMVAD, an innovative Multi-Agent System (MAS) designed to simulate the deliberation process within the framework of the Indian justice system. Our system comprises agents representing key judicial roles: a Judge, a Prosecution Counsel, a Defense Counsel, and multiple Adjudicators (simulating a judicial bench), all powered by large language models (LLMs). A primary contribution of this work is the integration of Retrieval-Augmented Generation (RAG), grounded in a domain-specific knowledge base of landmark Indian legal documents, including the Indian Penal Code and the Constitution of India. This RAG functionality enables the Judge and Counsel agents to generate legally sound instructions and arguments, complete with source citations, thereby enhancing both the fidelity and transparency of the simulation. The Adjudicator agents engage in iterative deliberation rounds, processing case facts, legal instructions, and arguments to reach a consensus-based verdict. We detail the system architecture, agent communication protocols, the RAG pipeline, the simulation workflow, and a comprehensive evaluation plan designed to assess performance, deliberation quality, and outcome consistency. This work provides a configurable and explainable MAS platform for exploring legal reasoning and group decision-making dynamics in judicial simulations, specifically tailored to the Indian legal context and augmented with verifiable legal grounding via RAG.
• Abstract（参考訳）: 司法審理の複雑さを理解することは、司法制度の有効性と公正性を評価するために不可欠である。 しかし、司法パネルの実証的研究は、重大な倫理的および実践的な障壁によって制約されている。 本稿では,インドの司法制度の枠組み内での審議プロセスのシミュレーションを目的とした,革新的なマルチエージェントシステム (MAS) であるSAMVADを紹介する。 我々の制度は、裁判官、検察官、弁護人、複数の行政官(司法ベンチを模擬する)など主要な司法職を代表するエージェントで構成されており、いずれも大きな言語モデル(LLM)によって支えられている。 この研究の主な貢献は、インド刑法やインド憲法を含むインド法典のドメイン固有の知識基盤に根ざした、検索・拡張世代(RAG)の統合である。 このRAG機能は、ジャッジとカウンセルのエージェントが法的に健全な命令と引数を生成し、ソースの引用を完了し、シミュレーションの忠実さと透明性を両立させることができる。 執行役は、反復的な審議ラウンド、事件事実の処理、法的指示、議論を行い、合意に基づく評決に達する。 システムアーキテクチャ、エージェント通信プロトコル、RAGパイプライン、シミュレーションワークフロー、および性能、検討品質、結果整合性を評価するための総合的な評価計画について詳述する。 この研究は、司法シミュレーションにおける法的推論と集団決定のダイナミクスを探求するための、構成可能で説明可能なMASプラットフォームを提供する。

関連論文リスト

• NyayaRAG: Realistic Legal Judgment Prediction with RAG under the Indian Common Law System [5.551153560142468]
  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。
  論文  参考訳（メタデータ） (2025-08-01T15:23:20Z)
• A Data Science Approach to Calcutta High Court Judgments: An Efficient LLM and RAG-powered Framework for Summarization and Similar Cases Retrieval [2.359291431338925]
  本研究は,Calcutta High Courtの判決を解析するための枠組みを提案する。 ペガサスモデルを微調整することにより、判例の要約において大幅な改善が達成される。 RAGベースのフレームワークは、ユーザクエリに応答して、同様のケースを効率的に検索し、徹底的な概要と要約を提供する。
  論文  参考訳（メタデータ） (2025-06-28T20:24:34Z)
• 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)
• LegalAgentBench: Evaluating LLM Agents in Legal Domain [53.70993264644004]
  LegalAgentBenchは、中国の法律領域でLLMエージェントを評価するために特別に設計されたベンチマークである。 LegalAgentBenchには、現実世界の法的シナリオから17のコーパスが含まれており、外部知識と対話するための37のツールを提供している。
  論文  参考訳（メタデータ） (2024-12-23T04:02:46Z)
• AgentsCourt: Building Judicial Decision-Making Agents with Court Debate Simulation and Legal Knowledge Augmentation [19.733007669738008]
  本稿では,司法判断のための新しいマルチエージェントフレームワーク,AgentsCourtを提案する。 弊社の枠組みは,裁判所の審理シミュレーション,法的資源の検索,意思決定の洗練など,古典的な審理過程を踏襲している。 この課題を支援するために,多リソースの法知識を持つ大規模法知識基盤であるLegal-KBを構築した。
  論文  参考訳（メタデータ） (2024-03-05T13:30:02Z)
• 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)
• MUSER: A Multi-View Similar Case Retrieval Dataset [65.36779942237357]
  類似事例検索(SCR)は、司法公正の促進に重要な役割を果たす代表的法的AIアプリケーションである。 既存のSCRデータセットは、ケース間の類似性を判断する際にのみ、事実記述セクションにフォーカスする。 本稿では,多視点類似度測定に基づく類似事例検索データセットMと,文レベル法定要素アノテーションを用いた包括的法定要素を提案する。
  論文  参考訳（メタデータ） (2023-10-24T08:17:11Z)
• 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)

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。