論文の概要: JUSTICE: Judicial Unified Synthesis Through Intermediate Conclusion Emulation for Automated Judgment Document Generation

• arxiv url: http://arxiv.org/abs/2602.08305v1
• Date: Mon, 09 Feb 2026 06:27:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.085698
• Title: JUSTICE: Judicial Unified Synthesis Through Intermediate Conclusion Emulation for Automated Judgment Document Generation
• Title（参考訳）: JUSTICE: 自動判断文書生成のための中間包含エミュレーションによる司法統一合成
• Authors: Binglin Wu, Yingyi Zhang, Xiannneg Li,
• Abstract要約: JUSTICEは、検索$rightarrow$Pre-Judge$rightarrow$ Write'の認知ワークフローをエミュレートする新しいフレームワークである。 RJER(Referential Judicial Element Retriever)、ICE(Intermediate Conclusion Emulator)、JUS(Judicial Unified Synthesizer)の3つの専用コンポーネントを通じて、プレジャッジステージを導入する。
• 参考スコア（独自算出の注目度）: 2.3239404735437765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated judgment document generation is a significant yet challenging legal AI task. As the conclusive written instrument issued by a court, a judgment document embodies complex legal reasoning. However, existing methods often oversimplify this complex process, particularly by omitting the ``Pre-Judge'' phase, a crucial step where human judges form a preliminary conclusion. This omission leads to two core challenges: 1) the ineffective acquisition of foundational judicial elements, and 2) the inadequate modeling of the Pre-Judge process, which collectively undermine the final document's legal soundness. To address these challenges, we propose \textit{\textbf{J}udicial \textbf{U}nified \textbf{S}ynthesis \textbf{T}hrough \textbf{I}ntermediate \textbf{C}onclusion \textbf{E}mulation} (JUSTICE), a novel framework that emulates the ``Search $\rightarrow$ Pre-Judge $\rightarrow$ Write'' cognitive workflow of human judges. Specifically, it introduces the Pre-Judge stage through three dedicated components: Referential Judicial Element Retriever (RJER), Intermediate Conclusion Emulator (ICE), and Judicial Unified Synthesizer (JUS). RJER first retrieves legal articles and a precedent case to establish a referential foundation. ICE then operationalizes the Pre-Judge phase by generating a verifiable intermediate conclusion. Finally, JUS synthesizes these inputs to craft the final judgment. Experiments on both an in-domain legal benchmark and an out-of-distribution dataset show that JUSTICE significantly outperforms strong baselines, with substantial gains in legal accuracy, including a 4.6\% improvement in prison term prediction. Our findings underscore the importance of explicitly modeling the Pre-Judge process to enhance the legal coherence and accuracy of generated judgment documents.
• Abstract（参考訳）: 自動判断文書生成は、重要なが困難な法的AIタスクである。 裁判所が発行する決定書として、判決書は、複雑な法的推論を具現化したものである。 しかし、既存の手法は、しばしばこの複雑な過程を単純化し、特に人間の判断が予備的な結論を形成する重要なステップである『プレ・ジャッジ』フェーズを省略する。 この欠落は2つの主要な課題に繋がる。 1) 基礎的司法要素の非効率な取得,及び 2 最終文書の法的健全性を損なう前処理の不十分なモデリング これらの課題に対処するため、我々は ``Search $\rightarrow$ Pre-Judge $\rightarrow$ Write'' の認知ワークフローを模倣する新しいフレームワークである \textbf{J}udicial \textbf{U}nified \textbf{S}ynthesis \textbf{T}hrough \textbf{I}ntermediate \textbf{C}onclusion \textbf{E}mulation} (JUSTICE) を提案する。 具体的には、Referential Judicial Element Retriever(RJER)、Intermediate Conclusion Emulator(ICE)、Judicial Unified Synthesizer(JUS)の3つの専用コンポーネントを通じて、Pre-Judgeステージを紹介している。 RJERはまず、法的な記事と前例を回収し、参照基盤を確立する。 ICEは、検証可能な中間結論を生成することにより、プレジャッジフェーズを運用する。 最後に、JUSは最終的な判断を下すためにこれらの入力を合成する。 ドメイン内の法的なベンチマークとアウト・オブ・ディストリビューション・データセットの両方の実験では、JUSTICEは強いベースラインを著しく上回り、刑務所の任期予測の4.6\%の改善を含む、法的な正確性はかなり向上している。 本研究は,生成した判定文書の法的な一貫性と精度を高めるために,事前判断過程を明示的にモデル化することの重要性を強調した。

関連論文リスト

• AppellateGen: A Benchmark for Appellate Legal Judgment Generation [30.9030336647868]
  7,351対のケースペアからなる第2のインスタンス法定判断生成のためのベンチマークであるAppellateGenを紹介する。 このタスクは、最初の評決と明らかな更新について推論することで、法的に拘束力のある判断を起草するモデルを必要とする。 本稿では,SOPに基づく法的マルチエージェントシステム(SLMAS)を提案し,その生成過程を個別の課題識別,検索,起草の段階に分解する。
  論文  参考訳（メタデータ） (2026-01-04T02:15:17Z)
• AnnoCaseLaw: A Richly-Annotated Dataset For Benchmarking Explainable Legal Judgment Prediction [56.797874973414636]
  AnnoCaseLawは、アメリカ合衆国控訴裁判所の無視事件を慎重に注釈付けした471のデータセットである。 我々のデータセットは、より人間らしく説明可能な法的な判断予測モデルの基礎となる。 その結果、LJPは依然として厳しい課題であり、法的な前例の適用は特に困難であることが示されている。
  論文  参考訳（メタデータ） (2025-02-28T19:14:48Z)
• JudgeRank: Leveraging Large Language Models for Reasoning-Intensive Reranking [81.88787401178378]
  本稿では,文書関連性を評価する際に,人間の認知過程をエミュレートする新しいエージェント・リランカであるJiceRankを紹介する。 我々は,推論集約型BRIGHTベンチマークを用いて判定Rankを評価し,第1段階の検索手法よりも性能が大幅に向上したことを示す。 さらに、JiceRankは、人気の高いBEIRベンチマークの細調整された最先端リランカと同等に動作し、ゼロショットの一般化能力を検証している。
  論文  参考訳（メタデータ） (2024-10-31T18:43:12Z)
• Hybrid Deep Learning for Legal Text Analysis: Predicting Punishment Durations in Indonesian Court Rulings [0.0]
  本研究は,文長の深層学習に基づく予測システムを開発した。 我々のモデルは,CNNとBiLSTMとアテンション機構を組み合わせたもので,R2乗のスコアは0.5893。
  論文  参考訳（メタデータ） (2024-10-26T07:07:48Z)
• Exploiting Contrastive Learning and Numerical Evidence for Confusing Legal Judgment Prediction [46.71918729837462]
  訴訟の事実記述文を考慮し、法的判断予測は、事件の告訴、法律記事、刑期を予測することを目的としている。 従来の研究では、標準的なクロスエントロピー分類損失と異なる分類誤差を区別できなかった。 本稿では,モコに基づく教師付きコントラスト学習を提案する。 さらに,事前学習した数値モデルにより符号化された抽出された犯罪量による事実記述の表現をさらに強化する。
  論文  参考訳（メタデータ） (2022-11-15T15:53:56Z)
• Document-Level Relation Extraction with Sentences Importance Estimation and Focusing [52.069206266557266]
  文書レベルの関係抽出(DocRE)は、複数の文の文書から2つのエンティティ間の関係を決定することを目的としている。 我々はDocREのための文重要度スコアと文集中損失を設計するSIEF(Sentence Estimation and Focusing)フレームワークを提案する。 2つのドメインの実験結果から、SIEFは全体的なパフォーマンスを改善するだけでなく、DocREモデルをより堅牢にします。
  論文  参考訳（メタデータ） (2022-04-27T03:20:07Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)
• Sequential Multi-task Learning with Task Dependency for Appeal Judgment Prediction [28.505366852202794]
  法的判断予測(LJP)は、告訴、関連する法律記事、刑期などの判断結果を自動的に予測することを目的としている。 本稿では,上訴裁判所の控訴審判決を判断する上訴判断予測(AJP)について検討する。 本稿では,これらの課題に対処するために,SMAJudge (Task Dependency for Appeal Judgement Prediction) を用いた逐次マルチタスク学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-09T08:51:13Z)

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。