論文の概要: LLM Agents in Law: Taxonomy, Applications, and Challenges

• arxiv url: http://arxiv.org/abs/2601.06216v1
• Date: Thu, 08 Jan 2026 21:04:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:00.685697
• Title: LLM Agents in Law: Taxonomy, Applications, and Challenges
• Title（参考訳）: 法律におけるLDMエージェント:分類学、応用、課題
• Authors: Shuang Liu, Ruijia Zhang, Ruoyun Ma, Yujia Deng, Lanyi Zhu, Jiayu Li, Zelong Li, Zhibin Shen, Mengnan Du,
• Abstract要約: 大規模言語モデル(LLM)は、法的領域において劇的な改善をもたらした。 スタンドアロンモデルの展開は、幻覚、時代遅れの情報、検証可能性に関する重大な制限に直面している。 近年,LSMエージェントはこれらの課題に対する解決策として注目されている。
• 参考スコア（独自算出の注目度）: 24.660146939399567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have precipitated a dramatic improvement in the legal domain, yet the deployment of standalone models faces significant limitations regarding hallucination, outdated information, and verifiability. Recently, LLM agents have attracted significant attention as a solution to these challenges, utilizing advanced capabilities such as planning, memory, and tool usage to meet the rigorous standards of legal practice. In this paper, we present a comprehensive survey of LLM agents for legal tasks, analyzing how these architectures bridge the gap between technical capabilities and domain-specific needs. Our major contributions include: (1) systematically analyzing the technical transition from standard legal LLMs to legal agents; (2) presenting a structured taxonomy of current agent applications across distinct legal practice areas; (3) discussing evaluation methodologies specifically for agentic performance in law; and (4) identifying open challenges and outlining future directions for developing robust and autonomous legal assistants.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、法的領域において劇的な改善をもたらしたが、幻覚、時代遅れの情報、検証可能性に関する重要な制限に直面している。 近年、LSMエージェントはこれらの課題に対する解決策として、厳格な法的慣行の基準を満たすために、計画、記憶、ツール使用といった高度な能力を活用して大きな注目を集めている。 本稿では,LLMエージェントの法的タスクに対する包括的調査を行い,これらのアーキテクチャが技術的能力とドメイン固有のニーズのギャップを埋める方法について分析する。 本研究の主な貢献は,(1)標準法的 LLM から法的エージェントへの技術的移行を体系的に分析すること,(2) 異なる法律実務分野にまたがる現在のエージェントアプリケーションの構造的分類を提示すること,(3) 法律におけるエージェントパフォーマンスに特化した評価手法について議論すること,(4) オープン課題の特定と,堅牢で自律的な法律アシスタントの開発に向けた今後の方向性の概説である。

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)
• Engineering the Law-Machine Learning Translation Problem: Developing Legally Aligned Models [0.0]
  本稿では,機械学習モデル開発において,法的および機械学習技術分析を統合した5段階の学際フレームワークを提案する。 このフレームワークは、法的に整合した方法でMLモデルを設計し、法的に妥当なハイパフォーマンスモデルを特定することを容易にする。
  論文  参考訳（メタデータ） (2025-04-23T13:41:17Z)
• Aplicação de Large Language Models na Análise e Síntese de Documentos Jurídicos: Uma Revisão de Literatura [0.0]
  大規模言語モデル (LLMs) は、法的文書の分析と合成を最適化するためにますます使われている。 本研究の目的は,LLMに適用された技術の現状を法的文脈で把握するために,系統的な文献レビューを行うことである。
  論文  参考訳（メタデータ） (2025-04-01T12:34:00Z)
• 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)
• ALKAFI-LLAMA3: Fine-Tuning LLMs for Precise Legal Understanding in Palestine [0.0]
  本研究は,パレスチナの法域に大規模言語モデルを適用することの課題に対処する。 政治的不安定、断片化された法的なフレームワーク、限られたAIリソースは、効果的な機械学習アプリケーションを妨げる。 Llama-3.2-1B-Instructの量子化バージョンに基づく微調整モデルを提案する。
  論文  参考訳（メタデータ） (2024-12-19T11:55:51Z)
• Optimizing Numerical Estimation and Operational Efficiency in the Legal Domain through Large Language Models [13.067312163677933]
  本稿では,Large Language Modelsと特殊設計のプロンプトを統合して,法的な人工知能(LegalAI)アプリケーションにおける精度要件に対処する手法を提案する。 本手法を検証するために,精度指向の LegalAI タスクに適したキュレートデータセットを提案する。
  論文  参考訳（メタデータ） (2024-07-26T18:46:39Z)
• InternLM-Law: An Open Source Chinese Legal Large Language Model [72.2589401309848]
  InternLM-Lawは、中国法に関する様々な法的クエリに対処するための特殊なLLMである。 われわれは、中国法域に100万以上のクエリを含むデータセットを慎重に構築する。 InternLM-LawはLawBench上で最高の平均性能を達成し、20サブタスク中13サブタスクでGPT-4を含む最先端モデルを上回っている。
  論文  参考訳（メタデータ） (2024-06-21T06:19:03Z)
• A Survey on Large Language Models for Critical Societal Domains: Finance, Healthcare, and Law [65.87885628115946]
  大規模言語モデル(LLM)は、金融、医療、法律の展望に革命をもたらしている。 我々は、医療における診断・治療方法論の強化、財務分析の革新、法的解釈・コンプライアンス戦略の精査におけるLCMの役割を強調した。 これらの分野におけるLLMアプリケーションの倫理を批判的に検討し、既存の倫理的懸念と透明で公平で堅牢なAIシステムの必要性を指摘した。
  論文  参考訳（メタデータ） (2024-05-02T22:43:02Z)
• LAiW: A Chinese Legal Large Language Models Benchmark [17.66376880475554]
  一般および法的ドメイン LLM は LegalAI の様々なタスクにおいて高いパフォーマンスを示している。 われわれは、法的な実践の論理に基づいて、中国の法的LLMベンチマークLAiWを最初に構築しました。
  論文  参考訳（メタデータ） (2023-10-09T11:19:55Z)

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。