論文の概要: Vichara: Appellate Judgment Prediction and Explanation for the Indian Judicial System

• arxiv url: http://arxiv.org/abs/2602.18346v1
• Date: Fri, 20 Feb 2026 16:57:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 18:01:41.384503
• Title: Vichara: Appellate Judgment Prediction and Explanation for the Indian Judicial System
• Title（参考訳）: Vichara:インド司法制度の判断予測と説明
• Authors: Pavithra PM Nair, Preethu Rose Anish,
• Abstract要約: Vicharaは、英語で書かれた文書を処理し、それらを決定ポイントに分解する。 決定ポイント(Decision Point)は、法的問題をカプセル化した個別の法的決定であり、権限、結果、推論、時間的文脈を決定する。 4つの大きな言語モデルを用いて、Vicharaを2つのデータセット、PredExと、インドの法律文書コーパス(ILDC_expert)のエキスパートアノテートしたサブセットで評価した。
• 参考スコア（独自算出の注目度）: 2.036811219647753
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In jurisdictions like India, where courts face an extensive backlog of cases, artificial intelligence offers transformative potential for legal judgment prediction. A critical subset of this backlog comprises appellate cases, which are formal decisions issued by higher courts reviewing the rulings of lower courts. To this end, we present Vichara, a novel framework tailored to the Indian judicial system that predicts and explains appellate judgments. Vichara processes English-language appellate case proceeding documents and decomposes them into decision points. Decision points are discrete legal determinations that encapsulate the legal issue, deciding authority, outcome, reasoning, and temporal context. The structured representation isolates the core determinations and their context, enabling accurate predictions and interpretable explanations. Vichara's explanations follow a structured format inspired by the IRAC (Issue-Rule-Application-Conclusion) framework and adapted for Indian legal reasoning. This enhances interpretability, allowing legal professionals to assess the soundness of predictions efficiently. We evaluate Vichara on two datasets, PredEx and the expert-annotated subset of the Indian Legal Documents Corpus (ILDC_expert), using four large language models: GPT-4o mini, Llama-3.1-8B, Mistral-7B, and Qwen2.5-7B. Vichara surpasses existing judgment prediction benchmarks on both datasets, with GPT-4o mini achieving the highest performance (F1: 81.5 on PredEx, 80.3 on ILDC_expert), followed by Llama-3.1-8B. Human evaluation of the generated explanations across Clarity, Linking, and Usefulness metrics highlights GPT-4o mini's superior interpretability.
• Abstract（参考訳）: 裁判所が事件の広範な記録に直面しているインドのような司法管轄区域では、人工知能は法的判断の予測に変革をもたらす可能性がある。 このバックログの重要なサブセットは、下級裁判所の判決を審査する上級裁判所が発行する正式な決定である上級裁判所の事件である。 この目的のために、インドの司法制度に合わせた新しい枠組みであるVicharaを紹介し、その判断を予測し説明する。 Vicharaは、英語で書かれた文書を処理し、それらを決定ポイントに分解する。 決定ポイント(Decision Point)は、法的問題をカプセル化した個別の法的決定であり、権限、結果、推論、時間的文脈を決定する。 構造化された表現は、コア決定とそのコンテキストを分離し、正確な予測と解釈可能な説明を可能にする。 Vicharaの説明は、IRAC(Issue-Rule-Application-Conclusion)フレームワークにインスパイアされた構造化フォーマットに従っており、インドの法的推論に適応している。 これは解釈可能性を高め、法律専門家が予測の健全性を効率的に評価できるようにする。 我々は、GPT-4o mini、Llama-3.1-8B、Mistral-7B、Qwen2.5-7Bの4つの大言語モデルを用いて、PredExとIndian Legal Documents Corpus(ILDC_expert)のエキスパートアノテートされたサブセットについて、Vicharaの評価を行った。 Vicharaは、両方のデータセットで既存の判断予測ベンチマークを上回り、GPT-4o miniは最高パフォーマンス(PredExで81.5、ILDC_expertで80.3、Llama-3.1-8B)を達成した。 Clarity、Linking、Usefulnessのメトリクスで生成された説明の人間による評価は、GPT-4o miniの優れた解釈可能性を強調している。

関連論文リスト

• 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)
• AppealCase: A Dataset and Benchmark for Civil Case Appeal Scenarios [47.83822985839837]
  本稿では,91件の民事事件の1万対の実世界と一致した第1インスタンスと第2インスタンスの文書からなるFiceCaseデータセットを提案する。 このデータセットには、判断の逆転、逆転理由、引用された法的規定、クレームレベルの決定、第2のインスタンスに新たな情報があるかどうかという5つの側面に沿った詳細なアノテーションも含まれている。 実験結果から, すべてのモデルが判定逆転予測タスクにおいて50%未満のF1スコアを達成し, 魅力シナリオの複雑さと課題を浮き彫りにしていることがわかった。
  論文  参考訳（メタデータ） (2025-05-22T10:50:33Z)
• 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)
• NyayaAnumana & INLegalLlama: The Largest Indian Legal Judgment Prediction Dataset and Specialized Language Model for Enhanced Decision Analysis [5.790242888372048]
  本稿では,インドにおける判例の最大かつ多種多様なコーパスであるNyayaAnumanaについて紹介する。 ニヤヤ・アヌナナには最高裁判所、高等裁判所、法廷、地方裁判所、日刊令など幅広い事件がある。 InLegalLlamaは,インド法体系の複雑さに合わせたドメイン固有生成型大規模言語モデル(LLM)である。
  論文  参考訳（メタデータ） (2024-12-11T13:50:17Z)
• Legal Judgment Reimagined: PredEx and the Rise of Intelligent AI Interpretation in Indian Courts [6.339932924789635]
  textbfPrediction with textbfExplanation (textttPredEx)は、インドの文脈における法的判断予測と説明のための、専門家による最大のデータセットである。 このコーパスは、法的分析におけるAIモデルのトレーニングと評価を大幅に強化する。
  論文  参考訳（メタデータ） (2024-06-06T14:57:48Z)
• 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)
• Predicting Indian Supreme Court Judgments, Decisions, Or Appeals [0.403831199243454]
  新たに開発したML対応法定予測モデルとその運用プロトタイプであるeLegPredictを紹介した。 eLegPredictは3072件の最高裁判所事件で訓練されテストされ、精度は76%に達した(F1スコア)。 eLegPredictはエンドユーザを支援するメカニズムを備えており、新しいケース記述を持つドキュメントが指定されたディレクトリにドロップされると、システムはすぐにコンテンツを読み込んで予測を生成する。
  論文  参考訳（メタデータ） (2021-09-28T18:28:43Z)
• ILDC for CJPE: Indian Legal Documents Corpus for Court Judgment Prediction and Explanation [3.285073688021526]
  CJPE(Court Judgment Prediction and Explanation)の課題を提案する。 CJPEは、ケースの説明可能な結果を予測するために、自動化システムを必要とします。 我々の最良の予測モデルは、人間の法律専門家の精度が78%であるのに対して、94%である。
  論文  参考訳（メタデータ） (2021-05-28T03:07:32Z)

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。