論文の概要: From Norms to Indicators (N2I-RAG): An Agentic Retrieval-Augmented Generation Framework for Legal Indicator Computation
- arxiv url: http://arxiv.org/abs/2605.26926v1
- Date: Tue, 26 May 2026 12:21:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:42.075724
- Title: From Norms to Indicators (N2I-RAG): An Agentic Retrieval-Augmented Generation Framework for Legal Indicator Computation
- Title（参考訳）: Norms to Indicator (N2I-RAG):法定指標計算のためのエージェント検索型生成フレームワーク
- Authors: Youssef Al Mouatamid, Marie Bonnin, Jihad Zahir,
- Abstract要約: 本稿では,N2I-RAGを提案する。N2I-RAGは,法定指標の計算を自動化するために設計されたエージェント検索拡張生成フレームワークである。
適応的な検索,llmベースのエージェント,検証機構をモジュールパイプラインに統合し,各コンポーネントがエビデンスをフィルタリング,検索,評価を行う。
我々は,N2I-RAGを,スキャンおよびデジタルソースを含む内部構築されたフランスの海洋環境法コーパスを用いて評価した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computing legal indicators from normative texts is a key task in legal monitoring and policy evaluation, but presents significant challenges due to the complexity, scale, and interpretive nature of legal language, as well as the variability in available document quality. Existing natural language processing techniques and generative models can assist in legal analysis, but often suffer from high risk of hallucinations and lack the interpretability and evidence grounding required for reliable indicator computation. This paper presents N2I-RAG (From Norms to Indicators), an agentic retrieval-augmented generation framework designed to automate the computation of legal indicators in a transparent and traceable way. We integrate adaptive retrieval, llm-based agents, and validation mechanisms in a modular pipeline, where each component performs a defined role in filtering, retrieving, and assessing evidence, and in producing binary legal outcomes linked to identifiable legal provisions. The framework emphasizes traceability by requiring explicit explanations of intermediate decisions and final indicator assignments. We evaluate N2I-RAG using an in-house constructed French marine environmental law corpus that includes both scanned and digital sources. Comparative experiments with multiple language model families demonstrate that the proposed approach consistently outperforms baseline systems, and generalizes well when tested on 2 different bans. The results indicate that agentic retrieval-augmented generation can bridge open-text legal language and standardized indicator computation, offering a foundation for transparent and scalable legal observatories.
- Abstract（参考訳）: 規範的テキストからの法的な指標の計算は、法的な監視と政策評価において重要な課題であるが、法的な言語の複雑さ、スケール、解釈の性質、および利用可能な文書品質の多様性によって大きな課題が提示される。
既存の自然言語処理技術や生成モデルは法的な分析に役立てることができるが、幻覚のリスクが高く、信頼性の高い指標計算に必要な解釈可能性や証拠が欠如していることが多い。
本稿では,N2I-RAG(From Norms to Indicators)を提案する。
適応的検索,llm-based agent,検証機構をモジュールパイプラインに統合し,各コンポーネントがフィルタリング,検索,エビデンス評価,および識別可能な法的規定に関連するバイナリな法的結果の生成において決定的な役割を担っている。
このフレームワークは、中間決定と最終的な指示の明示的な説明を必要とすることでトレーサビリティを強調している。
我々は,N2I-RAGを,スキャンおよびデジタルソースを含む内部構築されたフランスの海洋環境法コーパスを用いて評価した。
複数の言語モデルファミリとの比較実験により、提案手法はベースラインシステムより一貫して優れており、2つの異なるバンでテストした場合によく一般化されることを示した。
その結果,エージェント型検索拡張世代はオープンテキストの法言語と標準化された指標計算を橋渡しし,透明でスケーラブルな法観測の基盤となることが示唆された。
関連論文リスト
- Reasoners or Translators? Contamination-aware Evaluation and Neuro-Symbolic Robustness in Tax Law [19.724405436101495]
本研究では,税法推論手法について検討し,信頼性を厳格に評価するための汚染検知プロトコルを実装した。
汚染によって性能が膨らませられることを示す。
我々の発見は、法的な推論は本質的に構成的であり、ニューロシンボリックなフレームワークは、より信頼性が高く堅牢な法的なAI基盤を提供することを示している。
論文 参考訳（メタデータ） (2026-05-15T15:20:16Z) - 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) - GLIER: Generative Legal Inference and Evidence Ranking for Legal Case Retrieval [21.760917997629317]
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。
論文 参考訳（メタデータ） (2026-04-26T16:02:59Z) - Legal2LogicICL: Improving Generalization in Transforming Legal Cases to Logical Formulas via Diverse Few-Shot Learning [1.315248337031741]
本研究は,最近のNLPの進歩とLLMを用いた法領域適応型少ショット学習技術を統合することにより,論理ベースの法理推論システムの一般化をめざす。
本稿では,潜在意味表現レベルと法的テキスト構造レベルの両方において,経験者の多様性と類似性のバランスをとる,数ショットの検索フレームワークであるLegal2LogicICLを紹介する。
提案手法は,自然言語の判例記述を論理表現に変換する際の精度,安定性,一般化を著しく向上させる。
論文 参考訳（メタデータ） (2026-04-13T16:36:48Z) - 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) - On Verifiable Legal Reasoning: A Multi-Agent Framework with Formalized Knowledge Representations [0.0]
本稿では,法的な推論を異なる知識獲得と応用段階に分解するモジュール型マルチエージェントフレームワークを提案する。
第一段階では、特殊エージェントは法的概念を抽出し、規則を形式化し、法令の検証可能な中間表現を作成する。
第2段階では、クエリを分析してケース事実をスキーマにマッピングし、論理的に関連する結論を導出するためのシンボリック推論を実行し、最終的な回答を生成するという3つのステップを通じて、この知識を特定のケースに適用する。
論文 参考訳（メタデータ） (2025-08-31T06:03:00Z) - ClaimGen-CN: A Large-scale Chinese Dataset for Legal Claim Generation [56.79698529022327]
法的な主張は、事件における原告の要求を言及し、法的理由づけと事件解決を導くのに不可欠である。
本稿では,その事例の事実に基づく法的クレーム生成の問題について考察する。
われわれは,中国法定クレーム生成タスクの最初のデータセットであるClaymGen-CNを構築した。
論文 参考訳（メタデータ） (2025-08-24T07:19:25Z) - GLARE: Agentic Reasoning for Legal Judgment Prediction [60.13483016810707]
法学分野では、法的判断予測(LJP)がますます重要になっている。
既存の大規模言語モデル (LLM) には、法的な知識が不足しているため、推論に不十分な重大な問題がある。
GLAREは,異なるモジュールを呼び出し,重要な法的知識を動的に獲得するエージェント的法的推論フレームワークである。
論文 参考訳（メタデータ） (2025-08-22T13:38:12Z)
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。