論文の概要: Can Legislation Be Made Machine-Readable in PROLEG?

• arxiv url: http://arxiv.org/abs/2601.01477v1
• Date: Sun, 04 Jan 2026 10:53:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.426958
• Title: Can Legislation Be Made Machine-Readable in PROLEG?
• Title（参考訳）: PROLEGで機械可読化できるのか?
• Authors: May-Myo Zin, Sabine Wehnert, Yuntao Kong, Ha-Thanh Nguyen, Wachara Fungwacharakorn, Jieying Xue, Michał Araszkiewicz, Randy Goebel, Ken Satoh, Le-Minh Nguyen,
• Abstract要約: 規制アプリケーションのためのツールの課題に対処するためのフレームワークを提案する。 欧州一般データ保護規則第6条に焦点をあてる。 単一プロンプトは、法文をifthenルールと対応するPROLEGエンコーディングに同時に変換する。
• 参考スコア（独自算出の注目度）: 4.472095278694734
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The anticipated positive social impact of regulatory processes requires both the accuracy and efficiency of their application. Modern artificial intelligence technologies, including natural language processing and machine-assisted reasoning, hold great promise for addressing this challenge. We present a framework to address the challenge of tools for regulatory application, based on current state-of-the-art (SOTA) methods for natural language processing (large language models or LLMs) and formalization of legal reasoning (the legal representation system PROLEG). As an example, we focus on Article 6 of the European General Data Protection Regulation (GDPR). In our framework, a single LLM prompt simultaneously transforms legal text into if-then rules and a corresponding PROLEG encoding, which are then validated and refined by legal domain experts. The final output is an executable PROLEG program that can produce human-readable explanations for instances of GDPR decisions. We describe processes to support the end-to-end transformation of a segment of a regulatory document (Article 6 from GDPR), including the prompting frame to guide an LLM to "compile" natural language text to if-then rules, then to further "compile" the vetted if-then rules to PROLEG. Finally, we produce an instance that shows the PROLEG execution. We conclude by summarizing the value of this approach and note observed limitations with suggestions to further develop such technologies for capturing and deploying regulatory frameworks.
• Abstract（参考訳）: 規制プロセスの肯定的な社会的影響は、アプリケーションの正確性と効率の両方を必要とする。 自然言語処理や機械支援推論を含む現代の人工知能技術は、この問題に対処するための大きな約束を持っています。 本稿では、自然言語処理(大規模言語モデルまたはLLM)の最先端(SOTA)手法と法定推論の形式化(法定表現システムPROLEG)に基づいて、規制アプリケーションのためのツールの課題に対処する枠組みを提案する。 一例として、欧州一般データ保護規則(GDPR)第6条に焦点をあてる。 本フレームワークでは,法文をif-then規則と対応する PROLEG エンコーディングに変換すると同時に,法律ドメインの専門家による検証と精査を行う。 最終的な出力は、GDPR決定の事例に対して人間可読な説明を生成する実行可能なPROLEGプログラムである。 本稿では,規制文書の一部分(GDPRから第6条)のエンドツーエンド変換をサポートするプロセスについて述べる。例えば,LLMが自然言語テキストをif-thenルールに"コンパイル"し,vetted if-thenルールを PROLEG に"コンパイル"する,という手順を含む。 最後に、PROLEGの実行を示すインスタンスを生成します。 このアプローチの価値を要約し、監視された制限に注意して、規制フレームワークのキャプチャとデプロイのための技術をさらに発展させるよう提案する。

関連論文リスト

• Universal Legal Article Prediction via Tight Collaboration between Supervised Classification Model and LLM [42.11889345473452]
  法律記事予測(LAP)は、法的テキスト分類において重要な課題である。 法律記事予測のための普遍的な枠組みであるUni-LAPを提案する。
  論文  参考訳（メタデータ） (2025-09-26T09:42:20Z)
• Audit, Alignment, and Optimization of LM-Powered Subroutines with Application to Public Comment Processing [2.0417058495510374]
  本稿では,従来の非同期コードで使用するために,LMを用いたサブルーチンを宣言するフレームワークを提案する。 我々は,環境レビューを必要とするプロジェクトに対して提出されたパブリックコメントのコーパスをコンパイルし,整理し,要約するアプリケーションであるCommentNEPAを開発するために,このフレームワークを使用する。
  論文  参考訳（メタデータ） (2025-07-10T18:52:09Z)
• From Legal Text to Tech Specs: Generative AI's Interpretation of Consent in Privacy Law [0.0]
  この研究では、LLMを使用してコンプライアンスのためのソフトウェアユースケースを分類する3段階のパイプラインを採用している。 実世界のユースケースに対してLLMをベンチマークすることにより、この研究は、AI駆動のソリューションを活用してソフトウェアの法的コンプライアンスを強化するための洞察を提供する。
  論文  参考訳（メタデータ） (2025-07-05T23:36:05Z)
• DECIDER: A Dual-System Rule-Controllable Decoding Framework for Language Generation [57.07295906718989]
  制約付き復号法は,事前訓練された大言語(Ms と PLMs)が生成するテキストの意味やスタイルを,推論時に様々なタスクに対して制御することを目的としている。 これらの方法は、しばしば、欲求的かつ明示的にターゲットを選択することによって、もっともらしい連続を導く。 認知二重プロセス理論に着想を得て,新しい復号化フレームワークDECDERを提案する。
  論文  参考訳（メタデータ） (2024-03-04T11:49:08Z)
• Towards an Enforceable GDPR Specification [49.1574468325115]
  プライバシ・バイ・デザイン(PbD)は、EUなどの現代的なプライバシー規制によって規定されている。 PbDを実現する1つの新しい技術は強制(RE)である 法律規定の正式な仕様を作成するための一連の要件と反復的な方法論を提示する。
  論文  参考訳（メタデータ） (2024-02-27T09:38:51Z)
• Large Language Models and Explainable Law: a Hybrid Methodology [44.99833362998488]
  規則に基づく法体系のアクセシビリティ, 利用, 説明可能性を高めるため, LLMを提唱する。 ルールベースシステムによる説明を翻訳するために, LLM の利用の可能性を探るため, 提案手法を開発した。
  論文  参考訳（メタデータ） (2023-11-20T14:47:20Z)
• From Text to Structure: Using Large Language Models to Support the Development of Legal Expert Systems [0.6249768559720122]
  法律に焦点をあてたルールベースのエキスパートシステムは、法制が法律にどのように適用されるかを理解して、有益なコンテキストと情報を提供するのを支援することができる。 本稿では,GPT-4のような大規模言語モデル(LLM)が,法律から構造化表現を自動的に抽出できる程度について検討する。 法律決定支援システムのJoursBotの方法論によれば、LSMを使って法律から経路を作成し、その経路を評価し、それらを手作業で作成した経路と比較する。
  論文  参考訳（メタデータ） (2023-11-01T18:31:02Z)
• Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model Collaboration [52.57055162778548]
  法的判断予測(LJP)は、法律AIにおいてますます重要な課題となっている。 先行は、同様の事実を持つ以前の訴訟であり、国家法制度におけるその後の事件の判断の基礎となっている。 近年のディープラーニングの進歩により、LJPタスクの解決に様々なテクニックが使えるようになった。
  論文  参考訳（メタデータ） (2023-10-13T16:47:20Z)
• Lawformer: A Pre-trained Language Model for Chinese Legal Long Documents [56.40163943394202]
  我々は,中国法定長文理解のためのLongformerベースの事前学習言語モデル,Lawformerをリリースする。 判決の予測,類似事例の検索,法的読解,法的質問の回答など,さまざまな法務上の課題について法務担当者を評価した。
  論文  参考訳（メタデータ） (2021-05-09T09:39:25Z)
• A Dataset for Statutory Reasoning in Tax Law Entailment and Question Answering [37.66486350122862]
  本稿では,法定推論における自然言語理解手法の性能について検討する。 我々は、法的ドメインのテキストコーパスとともにデータセットを導入する。 タスクを完全に解くように設計された手作りPrologベースのシステムと対比する。
  論文  参考訳（メタデータ） (2020-05-11T16:54:42Z)

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。