論文の概要: LegalCheck: Retrieval- and Context-Augmented Generation for Drafting Municipal Legal Advice Letters

• arxiv url: http://arxiv.org/abs/2605.12012v2
• Date: Mon, 18 May 2026 16:57:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:45.709919
• Title: LegalCheck: Retrieval- and Context-Augmented Generation for Drafting Municipal Legal Advice Letters
• Title（参考訳）: 市町村法事務書作成のための検索・文脈拡張型文書作成法
• Authors: Virgill van der Meer, Julien Rossi,
• Abstract要約: LegalCheckは、異議回答書の起草を自動化する新しいシステムである。 法律上の一貫性と事実の正確性を維持しつつ、数時間ではなく数分で準決勝のアドバイスレターを生成する。 法律専門家は、このシステムが作業負荷を削減し、法標準の一貫性のある適用を確実にすることを発見した。
• 参考スコア（独自算出の注目度）: 0.17188280334580194
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Public-sector legal departments in the Netherlands face acute staff shortages, increased case volumes, and increased pressure to meet regulatory compliance. This paper presents LegalCheck, a novel system that addresses these challenges by automating the drafting of objection response letters through a combination of Retrieval-Augmented Generation (RAG) and Context-Augmented Generation (CAG). Using a large language model (LLM) alongside curated legal knowledge bases, LegalCheck performs retrieval of relevant laws and precedents, and uses controlled prompting to incorporate both external knowledge and case-specific details into a coherent draft. An expert-in-the-loop review ensures that each generated letter is legally sound and contextually appropriate. In a real-world deployment within the Municipality of Amsterdam, LegalCheck produced near-final advice letters in minutes rather than hours, while maintaining high legal consistency and factual accuracy. The output is based on actual regulations and prior cases, providing explainable outputs that captured the vast majority of required legal reasoning (often 80\% to 100\% of essential content). Legal professionals found that the system reduced their workload and ensured a consistent application of legal standards, without replacing human judgment. These results demonstrate substantial efficiency gains, improved legal consistency, and positive user acceptance. More broadly, this work illustrates how responsible AI can be deployed in the legal domain by augmenting LLMs with domain knowledge and governance mechanisms.
• Abstract（参考訳）: オランダの公共セクターの法務部門は、急性の職員不足、事例数の増加、規制の遵守に対する圧力の増大に直面している。 本稿では,Retrieval-Augmented Generation (RAG) と Context-Augmented Generation (CAG) を組み合わせることで,これらの課題に対処する新しいシステムである LegalCheck を提案する。 大きな言語モデル(LLM)と、キュレートされた法的な知識ベースを用いて、LegalCheckは関連する法律や前例の検索を行い、制御プロンプトを使用して、外部の知識とケース固有の詳細の両方を一貫性のあるドラフトに組み込む。 プリンシパル・イン・ザ・ループのレビューは、生成された各レターが法的に健全で、文脈的に適切であることを保証します。 アムステルダム市における現実的な展開の中で、レガルチェックは、法的な一貫性と事実の正確性を維持しながら、数時間ではなく数分で準決勝のアドバイスレターを作成した。 アウトプットは、実際の規則と事前のケースに基づいており、必要となる法的理由の大多数を捉えた説明可能なアウトプットを提供する(多くの場合、必須内容の80%から100\%)。 法律専門家は、このシステムが作業負荷を削減し、人間の判断を置き換えることなく、法的基準を一貫して適用することを発見した。 これらの結果は、大幅な効率向上、法的な一貫性の向上、ポジティブなユーザ受け入れを示す。 より広い範囲で、この研究は、LLMをドメイン知識とガバナンスメカニズムで強化することで、責任あるAIを法的ドメインにデプロイする方法を示しています。

関連論文リスト

• Enhancing Judgment Document Generation via Agentic Legal Information Collection and Rubric-Guided Optimization [30.089203895815384]
  既存のアプローチは、通常、標準のRetrieval-Augmented GenerationとSupervised Fine-Tuningに依存し、しばしば不十分な証拠のリコール、幻覚された法的な参照、そして欠陥のある法的理由に悩まされる。 本稿では,LLMに基づく判断文書生成を論理的に向上する統一的なフレームワークであるジャッジR1を提案する。 JuDGEベンチマークの実験では、ジャッジ-R1は法的な精度と生成品質の両方において最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-05-03T18:32:10Z)
• 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)
• Evaluating Legal Reasoning Traces with Legal Issue Tree Rubrics [49.3262123849242]
  LEGIT(LEGal Issue Trees)は,新しい大規模(24Kインスタンス)の専門家レベルの法的推論データセットである。 我々は、裁判判決を、当事者の議論と裁判所の結論の階層的な木に変換する。
  論文  参考訳（メタデータ） (2025-11-30T18:32:43Z)
• Automating Legal Interpretation with LLMs: Retrieval, Generation, and Evaluation [27.345475442620746]
  ATRIEは法的概念解釈器と法的な概念解釈評価器から構成される。 私たちの解釈の質は、法の専門家によって書かれたものと同等であり、包括性と可読性に優れています。 精度に差はあるものの、法律実務者が法解釈の効率を改善するのに既に助けることができる。
  論文  参考訳（メタデータ） (2025-01-03T10:11:38Z)
• Large Language Models as Tax Attorneys: A Case Study in Legal Capabilities Emergence [5.07013500385659]
  本稿では,税法の適用におけるLarge Language Models(LLM)の機能について考察する。 実験では,その後のOpenAIモデルリリースにおけるパフォーマンスの向上とともに,新たな法的理解能力を実証した。 発見は、特に拡張の促進と正しい法的文書と組み合わせることで、高いレベルの精度で実行可能であるが、専門家の税務弁護士レベルではまだ実行できないことを示している。
  論文  参考訳（メタデータ） (2023-06-12T12:40:48Z)
• Lawformer: A Pre-trained Language Model for Chinese Legal Long Documents [56.40163943394202]
  我々は,中国法定長文理解のためのLongformerベースの事前学習言語モデル,Lawformerをリリースする。 判決の予測,類似事例の検索,法的読解,法的質問の回答など,さまざまな法務上の課題について法務担当者を評価した。
  論文  参考訳（メタデータ） (2021-05-09T09:39:25Z)

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。