論文の概要: Logic-Guided Multistage Inference for Explainable Multidefendant Judgment Prediction
- arxiv url: http://arxiv.org/abs/2601.12688v1
- Date: Mon, 19 Jan 2026 03:20:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-21 22:47:22.742201
- Title: Logic-Guided Multistage Inference for Explainable Multidefendant Judgment Prediction
- Title（参考訳）: 説明可能なマルチディペンダント判断予測のための論理ガイド型多段階推論
- Authors: Xu Zhang, Qinghua Wang, Mengyang Zhao, Fang Wang, Cunquan Qu,
- Abstract要約: 我々は,マルチディペンダントケースにおけるインテリジェントなアシストを強化するために,事前訓練されたトランスフォーマーエンコーダフレームワークにセンテンシングロジックを導入する。
このフレームワーク内では、オブジェクト指向マスキング機構が役割を明確にし、比較データ構築戦略により、計算可能性の区別に対するモデルの感度が向上する。
マスク付き多段階推論(MMSI)フレームワークは,意図的外傷症例に対するカスタムIMLJPデータセットを用いて評価し,大幅な精度向上を実現している。
- 参考スコア（独自算出の注目度）: 7.016142593912547
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Crime disrupts societal stability, making law essential for balance. In multidefendant cases, assigning responsibility is complex and challenges fairness, requiring precise role differentiation. However, judicial phrasing often obscures the roles of the defendants, hindering effective AI-driven analyses. To address this issue, we incorporate sentencing logic into a pretrained Transformer encoder framework to enhance the intelligent assistance in multidefendant cases while ensuring legal interpretability. Within this framework an oriented masking mechanism clarifies roles and a comparative data construction strategy improves the model's sensitivity to culpability distinctions between principals and accomplices. Predicted guilt labels are further incorporated into a regression model through broadcasting, consolidating crime descriptions and court views. Our proposed masked multistage inference (MMSI) framework, evaluated on the custom IMLJP dataset for intentional injury cases, achieves significant accuracy improvements, outperforming baselines in role-based culpability differentiation. This work offers a robust solution for enhancing intelligent judicial systems, with publicly code available.
- Abstract（参考訳）: 犯罪は社会の安定を阻害し、法を均衡に欠かせないものにする。
マルチディフェンダントの場合、責任の割り当ては複雑で、正確に役割の区別を必要とする公平さに挑戦する。
しかし、司法表現はしばしば被告の役割を曖昧にし、AIによる効果的な分析を妨げている。
この問題に対処するため, センテンシングロジックを事前訓練されたトランスフォーマーエンコーダフレームワークに組み込んで, 法的解釈性を確保しつつ, マルチディペンダントケースにおけるインテリジェントなアシストを強化する。
このフレームワーク内では、指向的なマスキングメカニズムが役割を明確にし、比較データ構築戦略により、プリンシパルと共犯者間の計算可能性の区別に対するモデルの感度が向上する。
予測された罪状ラベルは、放送、犯罪記述の統合、裁判所の見解を通じて、さらにレグレッションモデルに組み込まれる。
マスク付き多段階推論(MMSI)フレームワークは,意図的障害に対するカスタムIMLJPデータセットを用いて評価され,精度が向上し,役割ベースの栽培能力の差別化における基礎特性が向上した。
この作業は、インテリジェントな司法システムを強化するための堅牢なソリューションを提供する。
関連論文リスト
- Soppia: A Structured Prompting Framework for the Proportional Assessment of Non-Pecuniary Damages in Personal Injury Cases [0.0]
本稿では,複雑な法的ルールをナビゲートする上で,法律専門家を支援するための構造的プロンプトフレームワークであるSoppiaを紹介する。
ブラジルのCLT (Art. 223-G) で確立された非経時的被害に対する12の基準を事例研究として、ソッピアがいかにニュアンス法的な命令を実用的でレプリカブルで透明な方法論に運用するかを実証した。
論文 参考訳（メタデータ） (2025-10-24T01:42:38Z) - Judicial Requirements for Generative AI in Legal Reasoning [0.0]
大規模言語モデル(LLM)はプロのドメインに統合されているが、法律のような高度な分野における制限は理解されていない。
本稿では、AIシステムが司法判断における信頼性の高い推論ツールとして機能しなければならない中核機能について述べる。
論文 参考訳（メタデータ） (2025-08-26T09:56:26Z) - 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) - ASP2LJ : An Adversarial Self-Play Laywer Augmented Legal Judgment Framework [21.003203706712643]
法的判断予測 (LJP) は、関連する法的費用、条件、罰金を含む司法結果を予測することを目的としている。
現在のデータセットは、真正ケースから派生したもので、高い人間のアノテーションコストと不均衡な分布に悩まされている。
本稿では, ASP2LJ という法定法定法定フレームワークを提案する。
我々の枠組みは、裁判官が進化した弁護士の議論を参照することを可能にし、司法決定の客観性、公正性、合理性を改善する。
論文 参考訳（メタデータ） (2025-06-11T06:55:40Z) - 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) - 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) - Enabling Discriminative Reasoning in LLMs for Legal Judgment Prediction [23.046342240176575]
人間の推論に触発されたAsk-Discriminate-Predict(ADAPT)推論フレームワークを紹介する。
ADAPTは、ケース事実を分解し、潜在的な電荷を識別し、最終的な判断を予測する。
広く利用されている2つのデータセットに対して行われた実験は、法的な判断予測において、我々のフレームワークの優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-02T05:43:15Z) - 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) - Causal Fairness Analysis [68.12191782657437]
意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。
我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。
本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
論文 参考訳（メタデータ） (2022-07-23T01:06:34Z) - Transparency, Compliance, And Contestability When Code Is(n't) Law [91.85674537754346]
技術的なセキュリティ機構と法的なプロセスの両方が、一連の規範に従って誤った行動を扱うメカニズムとして機能する。
彼らは一般的な類似点を共有しているが、どう定義されているか、行動し、被験者に与える影響にも明確な違いがある。
本稿では,両機構の類似点と相違点を,誤動作の対処方法として考察する。
論文 参考訳（メタデータ） (2022-05-08T18:03:07Z)
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。