論文の概要: NyayaMind- A Framework for Transparent Legal Reasoning and Judgment Prediction in the Indian Legal System

• arxiv url: http://arxiv.org/abs/2604.09069v1
• Date: Fri, 10 Apr 2026 07:51:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.762071
• Title: NyayaMind- A Framework for Transparent Legal Reasoning and Judgment Prediction in the Indian Legal System
• Title（参考訳）: NyayaMind-インド法制度における透過的法的推論と判断予測のための枠組み
• Authors: Parjanya Aditya Shukla, Shubham Kumar Nigam, Debtanu Datta, Balaramamahanthi Deepak Patnaik, Noel Shallum, Pradeep Reddy Vanga, Saptarshi Ghosh, Arnab Bhattacharya,
• Abstract要約: CJPE (Court Judgment Prediction and Explanation) は、司法判断を予測し、所定の事件について法的根拠のある説明を提供することを目的としている。 NyayaMindは、インド司法の透明性とスケーラブルな法的推論を可能にするために設計されたオープンソースのフレームワークである。
• 参考スコア（独自算出の注目度）: 8.968262382993593
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Court Judgment Prediction and Explanation (CJPE) aims to predict a judicial decision and provide a legally grounded explanation for a given case based on the facts, legal issues, arguments, cited statutes, and relevant precedents. For such systems to be practically useful in judicial or legal research settings, they must not only achieve high predictive performance but also generate transparent and structured legal reasoning that aligns with established judicial practices. In this work, we present NyayaMind, an open-source framework designed to enable transparent and scalable legal reasoning for the Indian judiciary. The proposed framework integrates retrieval, reasoning, and verification mechanisms to emulate the structured decision-making process typically followed in courts. Specifically, NyayaMind consists of two main components: a Retrieval Module and a Prediction Module. The Retrieval Module employs a RAG pipeline to identify legally relevant statutes and precedent cases from large-scale legal corpora, while the Prediction Module utilizes reasoning-oriented LLMs fine-tuned for the Indian legal domain to generate structured outputs including issues, arguments, rationale, and the final decision. Our extensive results and expert evaluation demonstrate that NyayaMind significantly improves the quality of explanation and evidence alignment compared to existing CJPE approaches, providing a promising step toward trustworthy AI-assisted legal decision support systems.
• Abstract（参考訳）: CJPE(Court Judgment Prediction and Explanation)は、司法判断を予測し、事実、法的問題、議論、引用された法令、関連する前例に基づく、所定の事件に関する法的根拠のある説明を提供することを目的としている。 このような制度が司法や法的研究の現場で実際に有用であるためには、高い予測性能を達成するだけでなく、確立された司法慣行と整合した透明で構造化された法的な推論も生み出す必要がある。 本研究では,インド司法の透明性とスケーラブルな法的推論を可能にするために設計された,オープンソースのフレームワークであるNyayaMindを紹介する。 提案フレームワークは,典型的には裁判所における構造化決定過程をエミュレートするために,検索,推論,検証機構を統合している。 具体的には、NyayaMindはRetrieval ModuleとPredict Moduleの2つの主要コンポーネントで構成されている。 Retrieval ModuleはRAGパイプラインを使用して、大規模な法定コーパスから法的に関係のある法令や前例を識別し、Predict Moduleは、インド法域用に微調整された推論指向のLLMを使用して、問題、議論、合理性、最終的な決定を含む構造化されたアウトプットを生成する。 我々の広範な結果と専門家評価は、NyayaMindが既存のCJPEアプローチと比較して説明と証拠の整合性を大幅に改善し、信頼できるAI支援の法的意思決定支援システムに向けた有望なステップを提供することを示している。

関連論文リスト

• WisdomInterrogatory (LuWen): An Open-Source Legal Large Language Model Technical Report [55.27414605169639]
  Wesdom Interrogatory (LuWen)は,バイチュン基礎モデルに基づいて構築された,オープンソースの中国語の法律モデルである。 予測と生成の両方にまたがる5つの代表的な法的課題についてLuWenを評価する。
  論文  参考訳（メタデータ） (2026-04-08T06:59:07Z)
• 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)
• SAMVAD: A Multi-Agent System for Simulating Judicial Deliberation Dynamics in India [0.0]
  本稿では,インドの司法制度の枠組み内での審議プロセスのシミュレーションを目的とした,革新的なマルチエージェントシステム (MAS) であるSAMVADを紹介する。 我々の制度は、裁判官、検察官、弁護人、複数の行政官(司法ベンチを模擬する)など、主要な司法職を代表するエージェントで構成されている。 この研究の主な貢献は、インドにおけるランドマークな法律文書のドメイン固有の知識基盤に根ざした、検索型拡張世代(RAG)の統合である。
  論文  参考訳（メタデータ） (2025-09-04T01:04:44Z)
• 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)
• NyayaRAG: Realistic Legal Judgment Prediction with RAG under the Indian Common Law System [10.97442363933581]
  法的判断予測(LJP)は、司法結果の予測を自動化し、法的推論における解釈可能性を高めることを目的として、法律のためのAIの重要領域として登場した。 我々は,現実的な法廷シナリオをシミュレートする検索補助生成フレームワークであるNyayaRAGを提案する。 以上の結果から,構造化された法的知識による事実入力の増大は,予測精度と説明品質の両方を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2025-08-01T15:23:20Z)
• 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)

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。