論文の概要: Multi-Source Retrieval and Reasoning for Legal Sentencing Prediction

• arxiv url: http://arxiv.org/abs/2602.04690v1
• Date: Wed, 04 Feb 2026 15:55:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.606463
• Title: Multi-Source Retrieval and Reasoning for Legal Sentencing Prediction
• Title（参考訳）: 法定知覚予測のための多音源検索と推論
• Authors: Junjie Chen, Haitao Li, Qilei Zhang, Zhenghua Li, Ya Zhang, Quan Zhou, Cheng Luo, Yiqun Liu, Dongsheng Guo, Qingyao Ai,
• Abstract要約: 厳密な客観的知識と柔軟な主観的推論を必要とするため、LSPは依然として困難である。 我々は,LLMにおけるマルチソース検索と推論を統合して強化学習を行うフレームワークであるMSR2$を提案する。 2つの実世界のデータセットの実験によると、$MSR2$はLSPの精度と解釈可能性の両方を改善している。
• 参考スコア（独自算出の注目度）: 50.6851250608938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legal judgment prediction (LJP) aims to predict judicial outcomes from case facts and typically includes law article, charge, and sentencing prediction. While recent methods perform well on the first two subtasks, legal sentencing prediction (LSP) remains difficult due to its need for fine-grained objective knowledge and flexible subjective reasoning. To address these limitations, we propose $MSR^2$, a framework that integrates multi-source retrieval and reasoning in LLMs with reinforcement learning. $MSR^2$ enables LLMs to perform multi-source retrieval based on reasoning needs and applies a process-level reward to guide intermediate subjective reasoning steps. Experiments on two real-world datasets show that $MSR^2$ improves both accuracy and interpretability in LSP, providing a promising step toward practical legal AI. Our code is available at https://anonymous.4open.science/r/MSR2-FC3B.
• Abstract（参考訳）: 法的判断予測(LJP)は、事件事実から司法結果を予測することを目的としており、典型的には、法律記事、罪状、判決予測を含む。 最近の手法は最初の2つのサブタスクでうまく機能するが、より詳細な客観的知識と柔軟な主観的推論を必要とするため、法的なセンテンシング予測(LSP)は依然として困難である。 これらの制約に対処するために,LLMにおけるマルチソース検索と推論と強化学習を統合したフレームワークである$MSR^2$を提案する。 $MSR^2$は、LLMが推論要求に基づいてマルチソース検索を行うことを可能にし、中間主観的推論ステップをガイドするためにプロセスレベル報酬を適用する。 2つの実世界のデータセットの実験によると、$MSR^2$はLSPの精度と解釈可能性の両方を改善し、実用的な法的AIに向けた有望なステップを提供する。 私たちのコードはhttps://anonymous.4open.science/r/MSR2-FC3Bで利用可能です。

関連論文リスト

• Benchmarking Multi-Step Legal Reasoning and Analyzing Chain-of-Thought Effects in Large Language Models [8.769542756426786]
  我々は,M SLRを紹介した。これは,実世界の司法判断に基礎を置いた,中国初の多段階の法的推論データセットである。 M SLR は IRAC フレームワーク (Issue, Rule, Application, Conclusion) を採用し、公式な法的文書からの構造化専門家の推論をモデル化している。 我々は,ステップレベルの詳細な推論アノテーションを効率よく生成する,スケーラブルなHuman-LLM協調アノテーションパイプラインを設計する。 さらなる実験では、モデルによって生成される自己開始型チェーン・オブ・ワットプロンプトが、推論のコヒーレンスと品質を自律的に改善し、人間によって設計されたプロンプトを上回ることが示されている。
  論文  参考訳（メタデータ） (2025-11-11T08:45:29Z)
• Legal$Δ$: Enhancing Legal Reasoning in LLMs via Reinforcement Learning with Chain-of-Thought Guided Information Gain [21.20249684727035]
  我々は、チェーン・オブ・インフォメーションによる法的推論を強化するために、Legal$Delta$を提案する。 Legal$Delta$はデュアルモードの入力設定と直接応答と推論拡張モードを使用する。 ラベル付き嗜好データに頼ることなく、一貫してより堅牢で信頼できる法的判断を下す。
  論文  参考訳（メタデータ） (2025-08-17T08:10:08Z)
• 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)
• R3-RAG: Learning Step-by-Step Reasoning and Retrieval for LLMs via Reinforcement Learning [60.17074283370798]
  Retrieval-Augmented Generation (RAG)は、外部知識をLLM(Large Language Models)と統合し、事実の正しさと幻覚を高める。 我々は、 $textbfR$einforcement Learning を用いて LLM に $textbfR$eason と $textbfR$etrieve を段階的に学習させる $textbfR3-RAG$ を提案する。
  論文  参考訳（メタデータ） (2025-05-26T12:25:37Z)
• JudgeLRM: Large Reasoning Models as a Judge [80.07261839142548]
  判断指向大規模言語モデル(LLM)のファミリーであるジャッジLRMを紹介する。 SFTの性能向上と推論要求サンプルの比率との間には負の相関が見られ、これらのシナリオにおけるSFTの限界が明らかになる。 判定LRMは、他のRLおよびSFTの変種と同様に、同じサイズでSFTチューニングベースラインを一貫して上回り、最先端の推論モデルを超えていることを示す。
  論文  参考訳（メタデータ） (2025-03-31T02:18:51Z)
• A Comprehensive Evaluation of Large Language Models on Legal Judgment Prediction [60.70089334782383]
  大規模言語モデル(LLM)は、ドメイン固有のアプリケーションに大きな可能性を示している。 GPT-4の法律評価をめぐる近年の論争は、現実の法的タスクにおけるパフォーマンスに関する疑問を提起している。 我々は,LLMに基づく実践的ベースラインソリューションを設計し,法的判断予測の課題を検証した。
  論文  参考訳（メタデータ） (2023-10-18T07:38:04Z)

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。