論文の概要: From Query to Counsel: Structured Reasoning with a Multi-Agent Framework and Dataset for Legal Consultation
- arxiv url: http://arxiv.org/abs/2604.10470v1
- Date: Sun, 12 Apr 2026 05:49:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.035932
- Title: From Query to Counsel: Structured Reasoning with a Multi-Agent Framework and Dataset for Legal Consultation
- Title（参考訳）: クエリからカウンセル: マルチエージェントフレームワークによる構造化推論と法的コンサルテーションのためのデータセット
- Authors: Mingfei Lu, Yi Zhang, Mengjia Wu, Yue Feng,
- Abstract要約: 法律相談質問応答(Legal CQA)は、従来の法的QAタスクと比較して、独特な課題を提示する。
JurisCQADは、43,000以上の実世界の中国の法律クエリの大規模なデータセットで、専門家が検証した正と負の応答が注釈付けされている。
動的ルーティング,法定グラウンド,スタイリスティック最適化をサポートするモジュール型マルチエージェントフレームワークであるJurisMAを提案する。
- 参考スコア（独自算出の注目度）: 7.115887917718381
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Legal consultation question answering (Legal CQA) presents unique challenges compared to traditional legal QA tasks, including the scarcity of high-quality training data, complex task composition, and strong contextual dependencies. To address these, we construct JurisCQAD, a large-scale dataset of over 43,000 real-world Chinese legal queries annotated with expert-validated positive and negative responses, and design a structured task decomposition that converts each query into a legal element graph integrating entities, events, intents, and legal issues. We further propose JurisMA, a modular multi-agent framework supporting dynamic routing, statutory grounding, and stylistic optimization. Combined with the element graph, the framework enables strong context-aware reasoning, effectively capturing dependencies across legal facts, norms, and procedural logic. Trained on JurisCQAD and evaluated on a refined LawBench, our system significantly outperforms both general-purpose and legal-domain LLMs across multiple lexical and semantic metrics, demonstrating the benefits of interpretable decomposition and modular collaboration in Legal CQA.
- Abstract（参考訳）: 法律相談質問応答(Legal CQA)は、高品質なトレーニングデータの不足、複雑なタスク構成、強いコンテキスト依存など、従来の法的QAタスクと比較して、ユニークな課題を提示する。
これらの問題に対処するため、JurisCQADは、専門家が検証した正負の応答と負の応答を注釈付けした43,000以上の実世界の中国の法律クエリからなる大規模なデータセットを構築し、各クエリをエンティティ、イベント、インテント、法的問題を統合した法的要素グラフに変換する構造化されたタスク分解を設計する。
さらに、動的ルーティング、法定グラウンド、スタイリスティック最適化をサポートするモジュール型マルチエージェントフレームワークであるJurisMAを提案する。
要素グラフと組み合わせることで、このフレームワークは強いコンテキスト認識推論を可能にし、法的事実、規範、手続き論理にまたがる依存関係を効果的にキャプチャする。
JurisCQADで学習し、改良されたLawBenchで評価し、LawBenchにおける解釈可能な分解とモジュラー協調の利点を実証し、複数の語彙と意味のメトリクスで汎用LLMと法ドメインLLMの両方を著しく上回っている。
関連論文リスト
- 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) - Judicial Requirements for Generative AI in Legal Reasoning [0.0]
大規模言語モデル(LLM)はプロのドメインに統合されているが、法律のような高度な分野における制限は理解されていない。
本稿では、AIシステムが司法判断における信頼性の高い推論ツールとして機能しなければならない中核機能について述べる。
論文 参考訳（メタデータ） (2025-08-26T09:56:26Z) - AI-Powered Legal Intelligence System Architecture: A Comprehensive Framework for Automated Legal Consultation and Analysis [0.0]
LICESアーキテクチャは、従来のパラグラフベンチマークと比較して、予備的な法的調査とケースアセスメント時間を90%以上削減することができる。
性能評価の結果、LICESアーキテクチャは予備的な法的研究とケースアセスメント時間を98%以上削減できることが示された。
論文 参考訳（メタデータ） (2025-08-24T19:41:26Z) - LeCoDe: A Benchmark Dataset for Interactive Legal Consultation Dialogue Evaluation [68.26911563519162]
法的協議は、個人の権利を保護し、司法へのアクセスを確保するために不可欠である。
現在のシステムは、現実世界のコンサルティングの対話的かつ知識集約的な性質を扱うのに不足している。
LeCoDeは3,696件の法的相談対話と110,008件の対話を含む実世界のマルチターンベンチマークデータセットである。
論文 参考訳（メタデータ） (2025-05-26T08:24:32Z) - A Reasoning-Focused Legal Retrieval Benchmark [28.607778538115642]
本稿では,Bar Exam QAとHousing Statute QAの2つの新しい法的RAGベンチマークを紹介する。
以上の結果から,法的なRAGは依然として困難な応用であり,今後の研究の動機となることが示唆された。
論文 参考訳（メタデータ） (2025-05-06T20:44:03Z) - 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) - Elevating Legal LLM Responses: Harnessing Trainable Logical Structures and Semantic Knowledge with Legal Reasoning [19.477062052536887]
意味と論理的コヒーレンスを橋渡しする教師ありフレームワークである論理・意味統合モデル(LSIM)を提案する。
LSIMは3つの要素から構成される: 強化学習は各質問に対して構造化されたファクトルールチェーンを予測し、訓練可能なDeep Structured Semantic Model(DSSM)は最も関連性の高い質問を検索し、回答内学習は最終回答を生成する。
LSIMが従来の手法に比べて精度と信頼性を著しく向上させるような,自動測定と人的評価デーモンレートによる実世界の法的データセットのQA検証実験を行った。
論文 参考訳（メタデータ） (2025-02-11T19:33:07Z) - LegalAgentBench: Evaluating LLM Agents in Legal Domain [53.70993264644004]
LegalAgentBenchは、中国の法律領域でLLMエージェントを評価するために特別に設計されたベンチマークである。
LegalAgentBenchには、現実世界の法的シナリオから17のコーパスが含まれており、外部知識と対話するための37のツールを提供している。
論文 参考訳（メタデータ） (2024-12-23T04:02:46Z) - InternLM-Law: An Open Source Chinese Legal Large Language Model [72.2589401309848]
InternLM-Lawは、中国法に関する様々な法的クエリに対処するための特殊なLLMである。
われわれは、中国法域に100万以上のクエリを含むデータセットを慎重に構築する。
InternLM-LawはLawBench上で最高の平均性能を達成し、20サブタスク中13サブタスクでGPT-4を含む最先端モデルを上回っている。
論文 参考訳（メタデータ） (2024-06-21T06:19:03Z)
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。