論文の概要: LexChronos: An Agentic Framework for Structured Event Timeline Extraction in Indian Jurisprudence
- arxiv url: http://arxiv.org/abs/2603.01651v1
- Date: Mon, 02 Mar 2026 09:31:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.79267
- Title: LexChronos: An Agentic Framework for Structured Event Timeline Extraction in Indian Jurisprudence
- Title（参考訳）: LexChronos:インドの法学における構造化イベントタイムライン抽出のためのエージェントフレームワーク
- Authors: Anka Chandrahas Tummepalli, Preethu Rose Anish,
- Abstract要約: 本稿では,インド最高裁判所判決から構造化イベントタイムラインを反復的に抽出するエージェントフレームワークであるLexChronosを提案する。
我々は,DeepSeek-R1 と GPT-4 を用いた逆エンジニアリング技術を用いて,2000 個のサンプルの合成コーパスを構築し,金標準イベントアノテーションを生成する。
法的なテキスト要約に関する下流評価では、GPT-4は75%のケースにおいて、構造化されていないベースラインよりも構造化されたタイムラインが好まれ、インドの法学における理解と推論が改善された。
- 参考スコア（独自算出の注目度）: 3.1504461481102926
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding and predicting judicial outcomes demands nuanced analysis of legal documents. Traditional approaches treat judgments and proceedings as unstructured text, limiting the effectiveness of large language models (LLMs) in tasks such as summarization, argument generation, and judgment prediction. We propose LexChronos, an agentic framework that iteratively extracts structured event timelines from Supreme Court of India judgments. LexChronos employs a dual-agent architecture: a LoRA-instruct-tuned extraction agent identifies candidate events, while a pre-trained feedback agent scores and refines them through a confidence-driven loop. To address the scarcity of Indian legal event datasets, we construct a synthetic corpus of 2000 samples using reverse-engineering techniques with DeepSeek-R1 and GPT-4, generating gold-standard event annotations. Our pipeline achieves a BERT-based F1 score of 0.8751 against this synthetic ground truth. In downstream evaluations on legal text summarization, GPT-4 preferred structured timelines over unstructured baselines in 75% of cases, demonstrating improved comprehension and reasoning in Indian jurisprudence. This work lays a foundation for future legal AI applications in the Indian context, such as precedent mapping, argument synthesis, and predictive judgment modelling, by harnessing structured representations of legal events.
- Abstract（参考訳）: 司法結果の理解と予測は、法的文書の微妙な分析を要求する。
従来のアプローチは、判断と手続きを非構造化テキストとして扱い、要約、引数生成、判断予測といったタスクにおける大きな言語モデル(LLM)の有効性を制限する。
本稿では,インド最高裁判所判決から構造化イベントタイムラインを反復的に抽出するエージェントフレームワークであるLexChronosを提案する。
LexChronosはデュアルエージェントアーキテクチャを採用しており、LoRA命令による抽出エージェントが候補イベントを識別し、事前訓練されたフィードバックエージェントが信頼駆動ループを通じてそれらをスコアし、洗練する。
インド法定イベントデータセットの不足に対処するため,DeepSeek-R1 と GPT-4 を用いた逆エンジニアリング手法を用いて,2000 サンプルの合成コーパスを構築し,金標準イベントアノテーションを生成する。
我々のパイプラインは、この合成基底真理に対してBERTベースのF1スコア0.8751を達成する。
法的なテキスト要約に関する下流評価では、GPT-4は75%のケースにおいて、構造化されていないベースラインよりも構造化されたタイムラインが好まれ、インドの法学における理解と推論が改善された。
この研究は、前例のマッピング、議論合成、予測的判断モデリングなど、インドの文脈における将来の法的なAI応用の基礎を、法的な事象の構造的表現を活用することによって築き上げている。
関連論文リスト
- Vichara: Appellate Judgment Prediction and Explanation for the Indian Judicial System [2.036811219647753]
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。
論文 参考訳（メタデータ） (2026-02-20T16:57:44Z) - LegalOne: A Family of Foundation Models for Reliable Legal Reasoning [54.57434222018289]
我々は、中国の法律ドメインに特化された基礎モデルのファミリーであるLegalOneを紹介します。
LegalOneは、法的推論をマスターするために設計された包括的な3フェーズパイプラインを通じて開発されている。
LegalOneの重み付けとLegalKit評価フレームワークを公開して、Legal AIの分野を前進させます。
論文 参考訳（メタデータ） (2026-01-31T10:18:32Z) - ReGal: A First Look at PPO-based Legal AI for Judgment Prediction and Summarization in India [10.522785783474857]
本稿では,Reinforcement Learning-based Legal Reasoning(ReGal)を紹介する。
本手法は, (i) 裁判所判断予測・説明(CJPE) と (ii) 法的文書要約の2つの重要な法的課題にまたがって評価される。
論文 参考訳（メタデータ） (2025-12-19T19:13:41Z) - LegalRikai: Open Benchmark - A Benchmark for Complex Japanese Corporate Legal Tasks [2.399077824457897]
本稿では,日本の企業法慣行を模倣する4つの複雑なタスクからなる新しいベンチマークであるLegalRikai: Open Benchmarkを紹介する。
本ベンチマークでは,100個のサンプルを抽出し,複数の実測値と比較した。
論文 参考訳（メタデータ） (2025-12-12T05:47:06Z) - 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) - 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) - 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) - SLJP: Semantic Extraction based Legal Judgment Prediction [0.0]
LJP(Lawal Judgment Prediction)は、像、刑期、刑期などの法的要素を推奨する司法支援システムである。
既存のインドのモデルのほとんどは、決定に影響を及ぼす事実記述(FD)に埋め込まれた意味論に十分に集中していなかった。
提案した意味抽出に基づく LJP (SLJP) モデルは, 複雑な非構造化の判例文書理解のための事前学習型変換器の利点を提供する。
論文 参考訳（メタデータ） (2023-12-13T08:50:02Z) - Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model
Collaboration [52.57055162778548]
法的判断予測(LJP)は、法律AIにおいてますます重要な課題となっている。
先行は、同様の事実を持つ以前の訴訟であり、国家法制度におけるその後の事件の判断の基礎となっている。
近年のディープラーニングの進歩により、LJPタスクの解決に様々なテクニックが使えるようになった。
論文 参考訳（メタデータ） (2023-10-13T16:47:20Z) - SAILER: Structure-aware Pre-trained Language Model for Legal Case
Retrieval [75.05173891207214]
判例検索は知的法体系において中心的な役割を果たす。
既存の言語モデルの多くは、異なる構造間の長距離依存関係を理解するのが難しい。
本稿では, LEgal ケース検索のための構造対応プレトランザクショナル言語モデルを提案する。
論文 参考訳（メタデータ） (2023-04-22T10:47:01Z)
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。