論文の概要: LawChain: Modeling Legal Reasoning Chains for Chinese Tort Case Analysis
- arxiv url: http://arxiv.org/abs/2510.17602v1
- Date: Mon, 20 Oct 2025 14:50:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:12.119901
- Title: LawChain: Modeling Legal Reasoning Chains for Chinese Tort Case Analysis
- Title（参考訳）: ローチェイン:中国のトート事例分析のための法律推論チェインのモデル化
- Authors: Huiyuan Xie, Chenyang Li, Huining Zhu, Chubin Zhang, Yuxiao Ye, Zhenghao Liu, Zhiyuan Liu,
- Abstract要約: 本研究は,中国トルト関連民事事件の分析において,法的推論を明示的にモデル化するための新しい枠組みを提案する。
まず、トート分析で使用される法的推論プロセスをLawChainフレームワークに運用する。
公用語文脈における法的推論能力について,最先端の大規模言語モデルの評価を行った。
- 参考スコア（独自算出の注目度）: 30.18852139687054
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Legal reasoning is a fundamental component of legal analysis and decision-making. Existing computational approaches to legal reasoning predominantly rely on generic reasoning frameworks such as syllogism and IRAC, which do not comprehensively examine the nuanced processes that underpin legal reasoning. Moreover, current research has largely focused on criminal cases, with insufficient modeling for civil cases. In this work, we present a novel framework for explicitly modeling legal reasoning in the analysis of Chinese tort-related civil cases. We first operationalize the legal reasoning processes used in tort analysis into the LawChain framework. LawChain is a three-module reasoning framework, with each module consisting of multiple finer-grained sub-steps. Informed by the LawChain framework, we introduce the task of tort legal reasoning and construct an evaluation benchmark, LawChain$_{eval}$, to systematically assess the critical steps within analytical reasoning chains for tort analysis. Leveraging this benchmark, we evaluate state-of-the-art large language models for their legal reasoning ability in civil tort contexts. Our results indicate that current models still fall short in accurately handling crucial elements of tort legal reasoning. Furthermore, we introduce several baseline approaches that explicitly incorporate LawChain-style reasoning through prompting or post-training. We conduct further experiments on additional legal analysis tasks, such as Legal Named-Entity Recognition and Criminal Damages Calculation, to verify the generalizability of these baselines. The proposed baseline approaches achieve significant improvements in tort-related legal reasoning and generalize well to related legal analysis tasks, thus demonstrating the value of explicitly modeling legal reasoning chains to enhance the reasoning capabilities of language models.
- Abstract（参考訳）: 法的推論は、法的分析と意思決定の基本的な構成要素である。
既存の法的な推論に対する計算的アプローチは、主にシロジズムやIRACのような一般的な推論の枠組みに依存しており、法的な推論の基盤となる微妙な過程を包括的に調べていない。
さらに、近年の研究では、民事事件のモデリングが不十分な刑事事件を中心に研究が進められている。
そこで本研究では,中国トルト関連民事事件の分析において,法的推論を明示的にモデル化するための新しい枠組みを提案する。
まず、トート分析で使用される法的推論プロセスをLawChainフレームワークに運用する。
LawChainは3つのモジュールの推論フレームワークであり、各モジュールは複数のよりきめ細かいサブステップで構成されている。
LawChainフレームワークにインフォームドされ、トート分析のための解析的推論チェーンにおける重要なステップを体系的に評価するために、トート法推論のタスクを導入し、評価ベンチマーク(LawChain$_{eval}$)を構築する。
このベンチマークを応用して、我々は、土木トルト文脈における法的な推論能力について、最先端の大規模言語モデルを評価する。
以上の結果から,現在のモデルでは,厳格な法的推論の重要な要素を正確に扱えないことが示唆された。
さらに,LawChainスタイルの推論をプロンプトやポストトレーニングを通じて明示的に組み込む,いくつかのベースラインアプローチを導入する。
法的な名称付きエンティティ認識や犯罪被害計算などの追加の法的分析タスクについてさらなる実験を行い、これらのベースラインの一般化可能性を検証する。
提案手法は, 言語モデルの推論能力を高めるために, 法的推論連鎖を明示的にモデル化することの価値を示す。
関連論文リスト
- ClaimGen-CN: A Large-scale Chinese Dataset for Legal Claim Generation [56.79698529022327]
法的な主張は、事件における原告の要求を言及し、法的理由づけと事件解決を導くのに不可欠である。
本稿では,その事例の事実に基づく法的クレーム生成の問題について考察する。
われわれは,中国法定クレーム生成タスクの最初のデータセットであるClaymGen-CNを構築した。
論文 参考訳（メタデータ） (2025-08-24T07:19:25Z) - GLARE: Agentic Reasoning for Legal Judgment Prediction [60.13483016810707]
法学分野では、法的判断予測(LJP)がますます重要になっている。
既存の大規模言語モデル (LLM) には、法的な知識が不足しているため、推論に不十分な重大な問題がある。
GLAREは,異なるモジュールを呼び出し,重要な法的知識を動的に獲得するエージェント的法的推論フレームワークである。
論文 参考訳（メタデータ） (2025-08-22T13:38:12Z) - 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) - Artificial Intelligence and Legal Analysis: Implications for Legal Education and the Profession [0.0]
本稿では,法的および非法的大規模言語モデルが法的解析を行う能力について検討した結果を報告する。
その結果, LLMは基本的なIRAC分析を行うことができるが, 詳細を欠いた短時間の応答, 回答にコミットできないこと, 虚偽の自信, 幻覚によって制限されることがわかった。
論文 参考訳（メタデータ） (2025-02-04T19:50:48Z) - Legal Evalutions and Challenges of Large Language Models [42.51294752406578]
我々は,OPENAI o1モデルを事例研究として,法律規定の適用における大規模モデルの性能評価に利用した。
我々は、オープンソース、クローズドソース、および法律ドメインのために特別に訓練された法律固有のモデルを含む、最先端のLLMを比較します。
論文 参考訳（メタデータ） (2024-11-15T12:23:12Z) - 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) - 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) - 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) - The Legal Argument Reasoning Task in Civil Procedure [2.079168053329397]
我々は,米国民事訴訟の領域から新たなNLPタスクとデータセットを提示する。
データセットの各インスタンスは、ケースの一般的な導入、特定の質問、可能な解決策引数で構成されている。
論文 参考訳（メタデータ） (2022-11-05T17:41:00Z) - Legal Detection of AI Products Based on Formal Argumentation and Legal
Ontology [4.286330841427189]
本稿では,法的文脈における推論のための構造化議論フレームワークを提案する。
この形式的議論理論とDLに基づく法論理を組み合わせることで、許容できるアサーションが得られることを示す。
論文 参考訳（メタデータ） (2022-09-07T11:08:08Z)
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。