論文の概要: RTI-Bench: A Structured Dataset for Indian Right-to-Information Decision Analysis

• arxiv url: http://arxiv.org/abs/2605.16843v1
• Date: Sat, 16 May 2026 07:02:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.197772
• Title: RTI-Bench: A Structured Dataset for Indian Right-to-Information Decision Analysis
• Title（参考訳）: RTI-Bench:インドの右情報決定分析のための構造化データセット
• Authors: Joy Bose,
• Abstract要約: 本稿では、結果ラベル、除外引用、IRACスタイルの推論コンポーネント、手続き的タイムラインを含むCIC決定の構造化データセットであるRTI-Benchを紹介する。 私たちの知る限りでは、インドにおけるRTI管理上の決定のための構造化データセットとして初めて公開されています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: India's Right to Information Act, 2005 gives every citizen the right to demand information from public authorities, yet in practice most people cannot make sense of the dense administrative language used in Central Information Commission (CIC) decisions, let alone predict whether an appeal is worth filing. This paper introduces RTI-Bench, a structured dataset of CIC decisions with outcome labels, exemption citations, IRAC-style reasoning components, and procedural timelines. To the best of our knowledge it is the first publicly released structured dataset for Indian RTI administrative decisions. The dataset draws from two sources: 1,218 cases from a publicly available instruction-response corpus (with structured fields added through rule-based extraction), and 298 CIC decision PDFs collected directly from the Commission portal, spanning five commissioners and three document format generations from 2023 to 2026. Label coverage reaches 89% on the instruction-response corpus. For the PDF subset of 239 primary decisions, coverage is 51% in this first release. A random sample of 50 labelled cases was manually reviewed, yielding a label precision of 95.3%. A zero-shot Mistral 7B baseline on 100 cases gives 57.3% accuracy and 37.0% macro-F1 on outcome prediction, well above the majority-class baseline of 14.3% macro-F1. RTI-Bench is available at https://huggingface.co/datasets/joyboseroy/rti-bench
• Abstract（参考訳）: 2005年インド情報法(英語版)は、全ての市民に公的機関から情報を要求する権利を与えるが、実際には、ほとんどの人が中央情報委員会(CIC)の決定で使用される密集した行政用語を理解することはできない。 本稿では、結果ラベル、除外引用、IRACスタイルの推論コンポーネント、手続き的タイムラインを含むCIC決定の構造化データセットであるRTI-Benchを紹介する。 私たちの知る限りでは、インドにおけるRTI管理上の決定のための構造化データセットとして初めて公開されています。 データセットは2つのソースから抽出される: 1,218のケース(ルールベースの抽出によって構造化されたフィールドを含む)と、委員会ポータルから直接収集された298のCIC決定PDF、2023年から2026年までの5人のコミッショナーと3つのドキュメントフォーマット。 ラベルのカバレッジは、命令応答コーパスで89%に達する。 239のプライマリ決定のPDFサブセットでは、最初のリリースでは、カバレッジが51%である。 50のラベル付きケースのランダムなサンプルを手作業でレビューし、ラベルの精度は95.3%となった。 100件でゼロショットのMistral 7Bベースラインは57.3%の精度で、結果予測では37.0%のマクロF1を与える。 RTI-Benchはhttps://huggingface.co/datasets/joyboseroy/rti-benchで利用可能である。

関連論文リスト

• IndiaFinBench: An Evaluation Benchmark for Large Language Model Performance on Indian Financial Regulatory Text [0.0]
  IndiaFinBenchは、インドの金融規制文書上での大規模言語モデル(LLM)のパフォーマンスを評価するための、初めての公開評価ベンチマークである。 IndiaFinBenchは、インド証券取引委員会(SEC)とインド準備銀行(Reserve Bank of India)が入手した192件の文書から得られた406件の専門家による質問回答のペアと、このギャップに対処している。 ゼロショット条件下では、70.4%(Gemma 4 E4B)から89.7%(Gemini 2.5 Flash)の精度で12モデルを評価する。
  論文  参考訳（メタデータ） (2026-04-21T10:04:49Z)
• Jurisdiction as Structural Barrier: How Privacy Policy Organization May Reduce Visibility of Substantive Disclosures [0.0]
  我々は、管轄権開示と呼ばれる構造パターンを識別する。 すべてのユーザに影響を与えるデータプラクティスは、主要なポリシー機関に現れるべきです。 規制当局はFTCの「明確で目立たしい」基準を通じてこれを運用することができる。
  論文  参考訳（メタデータ） (2026-01-28T17:29:59Z)
• Segmentation and Processing of German Court Decisions from Open Legal Data [16.021243861778846]
  この研究は、公式のOpen Legal Dataデータセットから派生した251,038ドイツの裁判所決定の、クリーンでセクション化されたデータセットを導入している。 我々は、ドイツの裁判所決定において、3つの重要な部分、すなわち、テナー(決定の操作部分)、タットベスタント(事件の事実)、エンチェイドゥングスグラーンデ(司法的理由づけ)を体系的に分離した。 得られたコーパスは、RechLフォーマットで公開されており、ドイツの法体系についてさらなる研究を行うためのアクセス可能なリソースとなっている。
  論文  参考訳（メタデータ） (2026-01-04T09:30:04Z)
• Large language models for automated PRISMA 2020 adherence checking [0.01588808390680495]
  著作権を意識した108のCreative Commonsライセンスのシステムレビューのベンチマークを構築した。 5種類の入力形式で10大言語モデル(LLM)を評価した。
  論文  参考訳（メタデータ） (2025-11-20T02:08:13Z)
• IndianBailJudgments-1200: A Multi-Attribute Dataset for Legal NLP on Indian Bail Orders [0.0]
  インドのような地域では、構造化データセットが不足しているため、法的NLPは未発達のままである。 IndianBailJudgments-1200は、保釈決定に関する1200のインドの裁判所判決を含む新しいベンチマークである。 データセットはプロンプトエンジニアリングされたGPT-4oパイプラインを使用してアノテートされ、一貫性が検証された。
  論文  参考訳（メタデータ） (2025-07-03T10:13:42Z)
• OpenThoughts: Data Recipes for Reasoning Models [215.16652796083164]
  OpenThoughtsプロジェクトは、推論モデルをトレーニングするためのオープンソースのデータセットを作成することだ。 OpenThoughts2-1Mデータセットは、公開推論データに基づいてトレーニングされた最初のモデルであるOpenThinker2-32Bに導かれた。 OpenThoughts3-7Bモデル。
  論文  参考訳（メタデータ） (2025-06-04T17:25:39Z)
• DataDecide: How to Predict Best Pretraining Data with Small Experiments [67.95896457895404]
  私たちはDataDecideのモデル、データ、評価を公開しています。 最大100Bトークン,最大1Bパラメータのモデルサイズ,および3つのランダムシードを用いて,25コーパスにわたる事前学習実験を行った。
  論文  参考訳（メタデータ） (2025-04-15T17:02:15Z)
• Decorrelating Structure via Adapters Makes Ensemble Learning Practical for Semi-supervised Learning [50.868594148443215]
  コンピュータビジョンでは、従来のアンサンブル学習法は訓練効率が低いか、限られた性能を示す。 本稿では,視覚的タスクに適応器を用いたDecorrelating Structure(DSA)による軽量,損失関数なし,アーキテクチャに依存しないアンサンブル学習を提案する。
  論文  参考訳（メタデータ） (2024-08-08T01:31:38Z)
• Clustering and Ranking: Diversity-preserved Instruction Selection through Expert-aligned Quality Estimation [56.13803674092712]
  本稿では,産業に優しく,専門家に順応し,多様性に配慮した指導データ選択手法を提案する:クラスタリングとランキング(CaR) CaRは2段階のプロセスを採用している: まず、専門家の好みに合わせた高精度(84.25%)のスコアリングモデルを使用して、命令ペアをランク付けする。 我々の実験では、CaRはAlpacaのITデータのわずか1.96%を効率よく選択したが、結果のAlpaCaRモデルはGPT-4の評価において平均32.1%の精度でAlpacaのパフォーマンスを上回った。
  論文  参考訳（メタデータ） (2024-02-28T09:27:29Z)

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。