論文の概要: GLIER: Generative Legal Inference and Evidence Ranking for Legal Case Retrieval

• arxiv url: http://arxiv.org/abs/2604.23779v1
• Date: Sun, 26 Apr 2026 16:02:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.5444
• Title: GLIER: Generative Legal Inference and Evidence Ranking for Legal Case Retrieval
• Title（参考訳）: GLIER: 訴訟検索のためのジェネレーティブな法推論とエビデンスランキング
• Authors: Minghan Li, Tianrui Lv, Chao Zhang, Guodong Zhou,
• Abstract要約: GLIER(Generative Legal Inference and Evidence Ranking)は、潜伏する法変数に対する推論プロセスとして検索を再構成するフレームワークである。 まず、Joint Generative Inferenceモジュールは、生のクエリを課金や法的要素を含む遅延した法的指標に変換する。 第2に、Multi-View Evidence Fusionメカニズムは、正確なランク付けのための構造的および語彙的な信号で生成的信頼を集約する。
• 参考スコア（独自算出の注目度）: 21.760917997629317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The semantic gap between colloquial user queries and professional legal documents presents a fundamental challenge in Legal Case Retrieval (LCR). Existing dense retrieval methods typically treat LCR as a black-box semantic matching process, neglecting the explicit juridical logic that underpins legal relevance. To address this, we propose GLIER (Generative Legal Inference and Evidence Ranking), a framework that reformulates retrieval as an inference process over latent legal variables. GLIER decomposes the task into two interpretability-driven stages. First, a Joint Generative Inference module translates raw queries into latent legal indicators, including charges and legal elements, using a unified sequence-to-sequence strategy that jointly generates charges and elements to enforce logical consistency. Second, a Multi-View Evidence Fusion mechanism aggregates generative confidence with structural and lexical signals for precise ranking. Extensive experiments on LeCaRD and LeCaRDv2 demonstrate that GLIER outperforms strong baselines such as SAILER and KELLER. Notably, GLIER exhibits strong data efficiency, maintaining robust performance even when trained with only 10% of the data.
• Abstract（参考訳）: 言語的ユーザクエリと専門的な法的文書とのセマンティックなギャップは、LCR(Lawal Case Retrieval)において根本的な課題である。 既存の密集検索法は、通常、LCRをブラックボックスのセマンティックマッチングプロセスとして扱い、法的な関連性を支える明示的な論理を無視する。 そこで本稿では,GLIER(Generative Legal Inference and Evidence Ranking)を提案する。 GLIERはタスクを2つの解釈可能性駆動段階に分解する。 まず、結合生成推論モジュールは、論理的一貫性を強制するために電荷と要素を共同生成する統合シーケンス・ツー・シーケンス戦略を用いて、生クエリをチャージや法的な要素を含む潜時的な法的指標に変換する。 第2に、Multi-View Evidence Fusionメカニズムは、正確なランク付けのための構造的および語彙的な信号で生成的信頼を集約する。 LeCaRDとLeCaRDv2の大規模な実験は、GLIERがSAILERやKELLERのような強いベースラインを上回ることを示した。 特に、GLIERは強力なデータ効率を示し、データの10%しかトレーニングされていない場合でも、堅牢なパフォーマンスを維持する。

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)
• LegalSearchLM: Rethinking Legal Case Retrieval as Legal Elements Generation [9.894351313663874]
  LCR(Lawal Case Retrieval)は、法律専門家の基本的な課題である。 LCRに関する既存の研究は2つの大きな制限に直面している。 まず,比較的小規模な検索コーパスを用いて評価を行った。 第二に、埋め込み方式や語彙マッチング方式への依存は、しばしば限定的な表現と法的に無関係な一致をもたらす。
  論文  参考訳（メタデータ） (2025-05-28T09:02:41Z)
• 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)
• How Vital is the Jurisprudential Relevance: Law Article Intervened Legal Case Retrieval and Matching [31.378981566988063]
  法的ケース検索(LCR)は、与えられたクエリに基づいて、同等の法的ケースを自動的に検索することを目的としている。 これに対処するためには、司法ドメイン内の独自の法的・合理的な類似性を評価するのが難しい課題だ。 上記の課題を解決するために, LCM-LAI というエンド・ツー・エンドのモデルを提案する。
  論文  参考訳（メタデータ） (2025-02-25T15:29:07Z)
• LegalSeg: Unlocking the Structure of Indian Legal Judgments Through Rhetorical Role Classification [6.549338652948716]
  7000以上の文書と140万の文で構成され、7つの修辞的な役割をラベル付けした、このタスクのための最大の注釈付きデータセットであるLegalSegを紹介します。 以上の結果から,より広義の文脈,構造的関係,逐次的な文情報を含むモデルが,文レベルの特徴にのみ依存するモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-02-09T10:07:05Z)
• 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)
• 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)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)

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。