論文の概要: RAG System for Supporting Japanese Litigation Procedures: Faithful Response Generation Complying with Legal Norms

• arxiv url: http://arxiv.org/abs/2511.22858v1
• Date: Fri, 28 Nov 2025 03:28:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.755317
• Title: RAG System for Supporting Japanese Litigation Procedures: Faithful Response Generation Complying with Legal Norms
• Title（参考訳）: 法的規範に適合した忠実な対応生成のためのRAGシステム
• Authors: Yuya Ishihara, Atsushi Keyaki, Hiroaki Yamada, Ryutaro Ohara, Mihoko Sumida,
• Abstract要約: 本研究では,RAG(Retrieval-Augmented Generation)に基づくLLMシステムが持つべき必須成分について論じる。 訴訟において、医師、建築家、会計士、技術者などの専門家コミッショナーは、裁判官が論争のポイントを明確にするために専門的な知識を提供する。
• 参考スコア（独自算出の注目度）: 1.4345427711527263
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study discusses the essential components that a Retrieval-Augmented Generation (RAG)-based LLM system should possess in order to support Japanese medical litigation procedures complying with legal norms. In litigation, expert commissioners, such as physicians, architects, accountants, and engineers, provide specialized knowledge to help judges clarify points of dispute. When considering the substitution of these expert roles with a RAG-based LLM system, the constraint of strict adherence to legal norms is imposed. Specifically, three requirements arise: (1) the retrieval module must retrieve appropriate external knowledge relevant to the disputed issues in accordance with the principle prohibiting the use of private knowledge, (2) the responses generated must originate from the context provided by the RAG and remain faithful to that context, and (3) the retrieval module must reference external knowledge with appropriate timestamps corresponding to the issues at hand. This paper discusses the design of a RAG-based LLM system that satisfies these requirements.
• Abstract（参考訳）: 本研究は,法規に準拠する日本の医学訴訟手続を支援するために,RAG(Retrieval-Augmented Generation)ベースのLLMシステムが持つべき必須要素について論じる。 訴訟において、医師、建築家、会計士、技術者などの専門家コミッショナーは、裁判官が論争のポイントを明確にするために専門的な知識を提供する。 これらの専門家の役割をRAGベースのLLMシステムで置き換えることを考えると、法的規範への厳格な遵守の制約が課せられる。 具体的には、検索モジュールは、(1)私的知識の使用を禁じる原則に従って、紛争に関連する適切な外部知識を検索し、(2)RAGが提供する文脈から発せられ、その文脈に忠実でなければならない、(3)検索モジュールは、当該課題に対応する適切なタイムスタンプで外部知識を参照しなければならない、という3つの要件が生じる。 本稿では,これらの要件を満たすRAGベースのLLMシステムの設計について論じる。

関連論文リスト

• Enhancing Retrieval Augmentation via Adversarial Collaboration [50.117273835877334]
  我々は「検索幻覚」に対処するため、Adrial Collaboration RAG(AC-RAG)フレームワークを提案する。 AC-RAGは、知識ギャップを識別するジェネリスト検出器と、正確な解決策を提供するドメイン特化リゾルバという2つの異種エージェントを使用している。 実験により、AC-RAGは検索精度を大幅に向上し、様々な垂直領域における最先端RAG法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-09-18T08:54:20Z)
• A Reasoning-Focused Legal Retrieval Benchmark [28.607778538115642]
  本稿では,Bar Exam QAとHousing Statute QAの2つの新しい法的RAGベンチマークを紹介する。 以上の結果から,法的なRAGは依然として困難な応用であり,今後の研究の動機となることが示唆された。
  論文  参考訳（メタデータ） (2025-05-06T20:44:03Z)
• RAG-Star: Enhancing Deliberative Reasoning with Retrieval Augmented Verification and Refinement [85.08223786819532]
  既存の大規模言語モデル(LLM)は、例外的な問題解決能力を示すが、複雑な推論タスクに苦労する可能性がある。 検索情報を統合した新しいRAG手法である textbfRAG-Star を提案する。 Llama-3.1-8B-Instruct と GPT-4o を併用した実験により,RAG-Star は従来のRAG と推理法を著しく上回っていることが示された。
  論文  参考訳（メタデータ） (2024-12-17T13:05:36Z)
• Unanswerability Evaluation for Retrieval Augmented Generation [74.3022365715597]
  UAEval4RAGは、RAGシステムが解答不能なクエリを効果的に処理できるかどうかを評価するために設計されたフレームワークである。 我々は、6つの未解決カテゴリを持つ分類を定義し、UAEval4RAGは、多様で挑戦的なクエリを自動的に合成する。
  論文  参考訳（メタデータ） (2024-12-16T19:11:55Z)
• RuleArena: A Benchmark for Rule-Guided Reasoning with LLMs in Real-World Scenarios [58.90106984375913]
  RuleArenaは、大規模言語モデル(LLM)が推論において複雑な現実世界のルールに従う能力を評価するために設計された、新しくて挑戦的なベンチマークである。 航空会社の荷物手数料、NBA取引、税制の3つの実践的領域をカバーするルールアリーナは、複雑な自然言語命令を扱うのにLLMの習熟度を評価する。
  論文  参考訳（メタデータ） (2024-12-12T06:08:46Z)
• Knowledge-Augmented Reasoning for EUAIA Compliance and Adversarial Robustness of LLMs [1.368472250332885]
  EUAIA(EU AI Act)は、敵の堅牢性を確立するために必要なプロセスと交差するAIシステムの要件を導入している。 本稿では,2つの特性をブリッジする機能アーキテクチャを提案する。 我々は,知識強化に基づく推論レイヤで開発者と監査者を支援することを目的としている。
  論文  参考訳（メタデータ） (2024-10-04T18:23:14Z)
• RIRAG: Regulatory Information Retrieval and Answer Generation [51.998738311700095]
  本稿では,質問を自動生成し,関連する規制通路と組み合わせる,問合せペアを生成するタスクを紹介する。 我々は、Abu Dhabi Global Markets (ADGM) の財務規制文書から得られた27,869の質問を含むObliQAデータセットを作成する。 本稿では,RIRAG(Regulation Information Retrieval and Answer Generation)システムをベースラインとして設計し,新しい評価基準であるRePASを用いて評価する。
  論文  参考訳（メタデータ） (2024-09-09T14:44:19Z)
• On Developing an Artifact-based Approach to Regulatory Requirements Engineering [18.256422026527986]
  規制行為は、要求を導き出し、解釈し、分析する上で難しい情報源である。 法的なドメイン知識の抽出と管理、エンジニアリングと法的な調整など、既存のアプローチは考慮していません。 本稿では,規制要件工学のためのアーティファクトモデル(AM4RRE)とその概念基盤について紹介する。
  論文  参考訳（メタデータ） (2024-05-01T09:51:56Z)
• (A)I Am Not a Lawyer, But...: Engaging Legal Experts towards Responsible LLM Policies for Legal Advice [8.48013392781081]
  大規模言語モデル(LLM)は、法的なアドバイスを含む幅広い専門分野のアドバイスをユーザに提供しやすくなっている。 ケースベース推論にインスパイアされた手法を用いて,20名の法律専門家とワークショップを行った。 以上より,無許可の法律実務,機密性,不正確な助言に対する責任など,新たな法的考慮事項が明らかになった。
  論文  参考訳（メタデータ） (2024-02-02T19:35:34Z)

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。