論文の概要: PoliLegalLM: A Technical Report on a Large Language Model for Political and Legal Affairs

• arxiv url: http://arxiv.org/abs/2604.17543v1
• Date: Sun, 19 Apr 2026 17:06:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.577759
• Title: PoliLegalLM: A Technical Report on a Large Language Model for Political and Legal Affairs
• Title（参考訳）: PoliLegalLM:政治・法務における大規模言語モデルに関する技術報告
• Authors: Yuting Huang, Yinghao Hu, Qian Xiao, Wenlin Zhong, Yiquan Wu, Taishi Zhou, Moke Chen, Changlong Sun, Kun Kuang, Fei Wu,
• Abstract要約: PoliLegalLMは、政治的および法的応用に適したドメイン固有の大規模言語モデルである。 我々は、大規模で高品質な法定コーパスを構築し、構造化後学習パイプラインを設計する。 我々は、LawBench、LexEval、および実世界のデータセットPoliLegalを含む3つの代表的なベンチマークでPoliLegalLMを評価した。
• 参考スコア（独自算出の注目度）: 42.80108620217788
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) have achieved remarkable success in general-domain tasks, yet their direct application to the legal domain remains challenging due to hallucinated legal citations, incomplete knowledge coverage, and weak structured reasoning. To address these issues, we propose PoliLegalLM, a domain-specific large language model tailored for political and legal applications. Our approach adopts a unified training framework that integrates continued pretraining, progressive supervised fine-tuning, and preference-based reinforcement learning to jointly enhance legal knowledge grounding, task alignment, and reasoning capability. We construct a large-scale, high-quality legal corpus and design a structured post-training pipeline, enabling the model to effectively learn domain-specific knowledge and adapt to diverse legal tasks. We evaluate PoliLegalLM on three representative benchmarks, including LawBench, LexEval, and a real-world dataset, PoliLegal. Experimental results demonstrate that PoliLegalLM achieves strong and consistent performance, outperforming competitive models of similar scale and remaining highly competitive with significantly larger models, while achieving the best results on real-world legal scenarios. These results highlight the effectiveness of our training paradigm and the practical value of domain-specific LLMs for real-world legal applications.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、一般分野のタスクにおいて顕著な成功を収めてきたが、法域への直接的な適用は、法的な引用、不完全な知識のカバレッジ、弱い構造的推論のため、依然として困難である。 これらの問題に対処するため,政治・法的応用に適したドメイン固有の大規模言語モデルであるPoliLegalLMを提案する。 本手法では, 継続的事前学習, プログレッシブ・教師付き微調整, 嗜好に基づく強化学習を統合し, 法的知識基盤, タスクアライメント, 推論能力の強化を図る。 我々は、大規模で高品質な法定コーパスを構築し、構造化後訓練パイプラインを設計し、モデルがドメイン固有の知識を効果的に学習し、多様な法的タスクに適応できるようにする。 我々は、LawBench、LexEval、および実世界のデータセットPoliLegalを含む3つの代表的なベンチマークでPoliLegalLMを評価した。 実験結果から,PoliLegalLMはより強靭で一貫した性能を達成し,類似のスケールの競争モデルよりも優れ,より大規模なモデルと高い競争力を保ちながら,現実の法的シナリオにおいて最高の結果を得ることができた。 これらの結果から,現実の法的応用におけるトレーニングパラダイムの有効性と,ドメイン固有LLMの実用的価値が明らかとなった。

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)
• Universal Legal Article Prediction via Tight Collaboration between Supervised Classification Model and LLM [42.11889345473452]
  法律記事予測(LAP)は、法的テキスト分類において重要な課題である。 法律記事予測のための普遍的な枠組みであるUni-LAPを提案する。
  論文  参考訳（メタデータ） (2025-09-26T09:42:20Z)
• ALKAFI-LLAMA3: Fine-Tuning LLMs for Precise Legal Understanding in Palestine [0.0]
  本研究は,パレスチナの法域に大規模言語モデルを適用することの課題に対処する。 政治的不安定、断片化された法的なフレームワーク、限られたAIリソースは、効果的な機械学習アプリケーションを妨げる。 Llama-3.2-1B-Instructの量子化バージョンに基づく微調整モデルを提案する。
  論文  参考訳（メタデータ） (2024-12-19T11:55:51Z)
• Optimizing Numerical Estimation and Operational Efficiency in the Legal Domain through Large Language Models [13.067312163677933]
  本稿では,Large Language Modelsと特殊設計のプロンプトを統合して,法的な人工知能(LegalAI)アプリケーションにおける精度要件に対処する手法を提案する。 本手法を検証するために,精度指向の LegalAI タスクに適したキュレートデータセットを提案する。
  論文  参考訳（メタデータ） (2024-07-26T18:46:39Z)
• 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。