論文の概要: Retrieval-Based Multi-Label Legal Annotation: Extensible, Data-Efficient and Hallucination-Free
- arxiv url: http://arxiv.org/abs/2605.16767v1
- Date: Sat, 16 May 2026 02:40:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:47.011661
- Title: Retrieval-Based Multi-Label Legal Annotation: Extensible, Data-Efficient and Hallucination-Free
- Title（参考訳）: Retrieval-based Multi-Label Legal Annotation: Extensible, Data-Efficient and Hallucination-free
- Abstract要約: パラメトリックエンコーダは通常、ラベルセットの変更時にタスク固有のトレーニングと再トレーニングを必要とする。
生成可能な大規模言語モデルは、ラベル空間が大きくなるにつれてコストがかかり、劣化する。
我々は,文書とラベル記述を凍結検索モデルに埋め込み,k-アネレスト近傍の埋め込み空間でラベルを予測する。
- 参考スコア（独自算出の注目度）: 3.5784933879188796
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Multi-label legal annotation requires assigning multiple labels from large, evolving taxonomies to long, fact-intensive documents, often under limited supervision. Parametric encoders typically require task-specific training and retraining when the label set changes, while prompting generative large language models becomes costly and degrades as the label space grows. We cast legal annotation as retrieval: we embed documents and label descriptions with a frozen retrieval model and predict labels via k-nearest neighbors in the embedding space, enabling updates by re-embedding and re-indexing rather than gradient-based backpropagation. Across three legal datasets (ECtHR-A, ECtHR-B, and Eurlex with 100 labels), retrieval achieves competitive accuracy and strong data efficiency; on Eurlex, Qwen-8B retrieval improves Macro-F1 from 40.41 (GPT-5.2, zero-shot) to 49.12 while reducing estimated compute by 20-30 times compared to fine-tuning. With only (N=100) training samples, retrieval nearly doubles Micro-F1 over hierarchical Legal-BERT on ECtHR-A (48.29 vs. 27.87). We also quantify a reliability failure mode of generative inference: GPT-5.2 hallucinates labels outside the provided taxonomy in 0.12-0.9% of test samples under deterministic decoding. In contrast, retrieval strictly respects defined label sets, eliminating hallucination by design. These results suggest retrieval-model-based annotators are a practical, deployable alternative for high-cardinality and rapidly changing legal label spaces.
- Abstract（参考訳）: 複数ラベルの法的な注釈は、大きく進化する分類体系から、しばしば限定的な監督の下で、長い事実集約的な文書に複数のラベルを割り当てることを必要とする。
パラメトリックエンコーダは通常、ラベルセットが変化するとタスク固有のトレーニングと再訓練を必要とし、生成する大きな言語モデルにコストがかかり、ラベル空間が大きくなるにつれて劣化する。
文書とラベル記述を凍結した検索モデルで埋め込み, k-nearest 近傍のラベルを埋め込み空間に予測することで, 勾配ベースのバックプロパゲーションではなく, 再埋め込みや再インデックスによる更新を可能にする。
3つの法定データセット(ECtHR-A, ECtHR-B, Eurlex with 100 labels)にわたって、検索は競争精度と強力なデータ効率を達成するが、Erlexでは、Qwen-8Bの検索により、マクロF1を40.41(GPT-5.2, 0ショット)から49.12に改善し、微調整に比べて推定計算を20～30倍削減する。
トレーニングサンプルは (N=100) のみで、ECtHR-A (48.29 vs. 27.87) でマイクロF1を階層的な法定BERTにほぼ倍増させる。
GPT-5.2は、決定論的復号化の下で試験サンプルの0.12-0.9%で、与えられた分類の外側のラベルを幻覚させる。
対照的に、検索は定義されたラベルセットを厳密に尊重し、設計による幻覚を排除している。
これらの結果から,検索モデルに基づくアノテータは,高心力と急速に変化する法的ラベル空間に対して,実用的でデプロイ可能な代替手段であることが示唆された。
関連論文リスト
- Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - Semantic Reranking at Inference Time for Hard Examples in Rhetorical Role Labeling [5.963398606353896]
修辞的役割ラベルリング(Rhetorical Role Labeling、RRL)は、文書内の各文に機能的な役割を割り当て、法律、医学、科学の領域で広く使われている。
本稿では,ラベルのセマンティクスを活用してハードインスタンスの予測を洗練する推論時セマンティクスのフレームワークRISEを紹介する。
エンコーダベースのアーキテクチャや因果アーキテクチャを含む7つのLMを持つ8つのドメイン固有のRRLデータセットの実験では、ハードな例では、平均で+9.15のマクロF1ポイントが得られた。
論文 参考訳（メタデータ） (2026-05-18T08:03:02Z) - RAPT: Retrieval-Augmented Post-hoc Thresholding for Multi-Label Classification [1.2599533416395765]
本稿では、RAPTという、デプロイメント指向の検索強化スコア閾値ラッパーを提案する。
RAPTは、類似性検索のための文書表現とラベルの信頼度スコアのモデルに依存しないラッパーである。
工業環境では、RAPTはメートル法学習者による最高の予測性能を達成し、0.87マクロF1に達した。
論文 参考訳（メタデータ） (2026-05-15T18:31:04Z) - From Lazy to Prolific: Tackling Missing Labels in Open Vocabulary Extreme Classification by Positive-Unlabeled Sequence Learning [5.979699034554517]
Open-vocabulary Extreme Multi-label Classification (OXMC)は、従来のXMCを拡張し、ラベルセットが103ドルから1012ドルを超える予測を可能にする。
データアノテーションにおける自己選択バイアスは、トレーニングデータとテストデータの両方に重大な欠陥ラベルをもたらす。
本稿では OXMC をキーフレーズ生成タスクとして再構成する PUSL (Positive-Unlabeled Sequence Learning) を提案する。
論文 参考訳（メタデータ） (2024-08-16T19:10:48Z) - Retraining with Predicted Hard Labels Provably Increases Model Accuracy [77.71162068832108]
リトレーニングは、与えられた(ノイズの多い)ラベルで最初にトレーニングすることで得られる人口の精度を向上させることができる。
予測ラベルが与えられたラベルにマッチするサンプルを選択的に再トレーニングすることで、余分なプライバシコストを伴わずにラベルDPトレーニングを大幅に改善できることを実証的に示す。
論文 参考訳（メタデータ） (2024-06-17T04:53:47Z) - Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: a data-driven approach for improved classification [0.6144680854063935]
胸部X線(CXR)画像解析では、通常、ルールベースのシステムはデータセットリリースのレポートからラベルを抽出するために使用される。
本稿では,局所的に実行可能なLarge Language Model (LLM) を利用して,発見ラベルの抽出と拡張を行う新しいアプローチであるMAPLEZを提案する。
論文 参考訳（メタデータ） (2024-03-06T20:10:41Z) - Substituting Data Annotation with Balanced Updates and Collective Loss
in Multi-label Text Classification [19.592985329023733]
MLTC(Multi-label text classification)は、あるテキストに複数のラベルを割り当てるタスクである。
本報告では,MLTCの問題点を,ラベル数に比例して,利用可能な監視信号の大きさが線形であるアノテーションフリーおよび希少アノテーション設定で検討する。
提案手法は,(1)事前学習した言語モデルを用いて,入力テキストを事前ラベル候補の集合にマッピングし,(2)ラベル記述による署名付きラベル依存グラフの計算,(3)ラベル依存グラフに沿ったメッセージパスによる事前ラベル候補の更新を行う。
論文 参考訳（メタデータ） (2023-09-24T04:12:52Z) - Label-Retrieval-Augmented Diffusion Models for Learning from Noisy
Labels [61.97359362447732]
ノイズの多いラベルからの学習は、実際のアプリケーションのための機械学習において、重要かつ長年にわたる問題である。
本稿では,生成モデルの観点からラベルノイズ問題を再構成する。
我々のモデルは、標準的な実世界のベンチマークデータセットで新しいSOTA(State-of-the-art)結果を達成する。
論文 参考訳（メタデータ） (2023-05-31T03:01:36Z) - Exploring Structured Semantic Prior for Multi Label Recognition with
Incomplete Labels [60.675714333081466]
不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。
最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。
我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
論文 参考訳（メタデータ） (2023-03-23T12:39:20Z) - A Study on the Autoregressive and non-Autoregressive Multi-label
Learning [77.11075863067131]
本稿では,ラベルとラベルの依存関係を共同で抽出する自己アテンションに基づく変分エンコーダモデルを提案する。
したがって、ラベルラベルとラベル機能の両方の依存関係を保ちながら、すべてのラベルを並列に予測することができる。
論文 参考訳（メタデータ） (2020-12-03T05:41:44Z) - Interaction Matching for Long-Tail Multi-Label Classification [57.262792333593644]
既存のマルチラベル分類モデルにおいて,制約に対処するためのエレガントで効果的なアプローチを提案する。
ソフトなn-gram相互作用マッチングを実行することで、ラベルと自然言語記述をマッチングする。
論文 参考訳（メタデータ） (2020-05-18T15:27:55Z) - Unsupervised Person Re-identification via Multi-label Classification [55.65870468861157]
本稿では,教師なしのReIDを多ラベル分類タスクとして定式化し,段階的に真のラベルを求める。
提案手法は,まず,各人物画像に単一クラスラベルを割り当てることから始まり,ラベル予測のために更新されたReIDモデルを活用することで,多ラベル分類へと進化する。
マルチラベル分類におけるReIDモデルのトレーニング効率を高めるために,メモリベースマルチラベル分類損失(MMCL)を提案する。
論文 参考訳（メタデータ） (2020-04-20T12:13:43Z)
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。