論文の概要: Maat: The Agentic Legal Research Assistant for Competition Protection
- arxiv url: http://arxiv.org/abs/2605.27331v1
- Date: Tue, 26 May 2026 17:38:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:42.570142
- Title: Maat: The Agentic Legal Research Assistant for Competition Protection
- Title（参考訳）: Maat: 競争保護のためのエージェント法的研究アシスタント
- Authors: Basant Mounir, Farida Madkour, Amira Abdelaziz, Asmaa Sami,
- Abstract要約: Maatは、研究プロセスのさまざまなタスクに対応するツールをオーケストレーションする。
RAGを信頼性に用いた公式資料の事例と調査結果を根拠にしている。
リッチなインライン引用を提供し、データベースのカバレッジが不十分な場合、Web検索にフォールバックし、ユーザに明確化を促す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Competition law experts conducting legal research must review extensive volumes of cases, decisions, and judicial reports to identify precedents and assess key elements in competition and merger cases. Although general research assistants such as Claude and ChatGPT and legal assistants such as SaulLM-7B and LegalGPT are increasingly used to assist legal research, they remain inadequate for competition law analysis: they lack specialized domain expertise, provide insufficient official citations, or hallucinate competition law cases. We propose Maat, a ReAct agent that orchestrates tools corresponding to different tasks of the research process. Designed iteratively with competition law experts, Maat grounds cases and findings in official sources using RAG for reliability, provides rich in-line citations, falls back to web search when database coverage is insufficient, and prompts the user for clarification when queries are ambiguous. Maat significantly outperforms all baseline assistants on case-specific tasks and performs within range of the top baseline on theoretical question tasks. The dataset used is available on GitHub.
- Abstract（参考訳）: 法的調査を行う競争法専門家は、前例を特定し、競争および合併事件における重要な要素を評価するために、広範囲の事件、決定、司法報告をレビューしなければならない。
Claude や ChatGPT などの一般的な研究アシスタントや SaulLM-7B や LegalGPT といった法的なアシスタントは、法的な研究を支援するためにますます使われているが、競争法の分析には不適当である。
研究プロセスの異なるタスクに対応するツールを編成するReActエージェントであるMaatを提案する。
競合法の専門家と反復的に設計されたMaatは、信頼性のためにRAGを使用して公式ソースでケースと発見を根拠として設計し、リッチなインライン引用を提供し、データベースのカバレッジが不十分な場合にWeb検索にフォールバックし、クエリが不明瞭な場合にユーザに対して明確化を促す。
Maatは、ケース固有のタスクですべてのベースラインアシスタントを著しく上回り、理論的な問題タスクでトップベースラインの範囲内で実行します。
使用されるデータセットはGitHubで公開されている。
関連論文リスト
- CaseFacts: A Benchmark for Legal Fact-Checking and Precedent Retrieval [5.305110876082343]
CaseFactsは、アメリカ合衆国最高裁判所の判例に対する法的主張を検証するためのベンチマークである。
データセットは、Supported、Refuted、Overruledに分類される6,294のクレームで構成されている。
論文 参考訳（メタデータ） (2026-01-23T23:41:46Z) - Legal Retrieval for Public Defenders [7.3695561431128915]
NJ BriefBankは、法的研究と著作の合理化のために関連する説明書をサーチする検索ツールである。
既存の法的な検索ベンチマークでは、公開防衛検索に移行できないことを示す。
これには、法的推論によるクエリ拡張、ドメイン固有データ、キュレートされた合成例が含まれる。
論文 参考訳（メタデータ） (2026-01-20T17:08:34Z) - L-MARS: Legal Multi-Agent Workflow with Orchestrated Reasoning and Agentic Search [3.662162441273026]
L-MARS(Legal Multi-Agent with Orchestrated Reasoning and Agentic Search)は、法的な質問応答における幻覚と不確実性を低減するシステムである。
単一パス検索拡張生成(RAG)とは異なり、L-MARSはクエリをサブプロブレムに分解する。
審査員を雇い、回答合成前の十分性、司法権、時間的妥当性を検証する。
論文 参考訳（メタデータ） (2025-08-31T09:23:26Z) - Judicial Requirements for Generative AI in Legal Reasoning [0.0]
大規模言語モデル(LLM)はプロのドメインに統合されているが、法律のような高度な分野における制限は理解されていない。
本稿では、AIシステムが司法判断における信頼性の高い推論ツールとして機能しなければならない中核機能について述べる。
論文 参考訳（メタデータ） (2025-08-26T09:56:26Z) - 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) - AnnoCaseLaw: A Richly-Annotated Dataset For Benchmarking Explainable Legal Judgment Prediction [56.797874973414636]
AnnoCaseLawは、アメリカ合衆国控訴裁判所の無視事件を慎重に注釈付けした471のデータセットである。
我々のデータセットは、より人間らしく説明可能な法的な判断予測モデルの基礎となる。
その結果、LJPは依然として厳しい課題であり、法的な前例の適用は特に困難であることが示されている。
論文 参考訳（メタデータ） (2025-02-28T19:14:48Z) - 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) - 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) - MUSER: A Multi-View Similar Case Retrieval Dataset [65.36779942237357]
類似事例検索(SCR)は、司法公正の促進に重要な役割を果たす代表的法的AIアプリケーションである。
既存のSCRデータセットは、ケース間の類似性を判断する際にのみ、事実記述セクションにフォーカスする。
本稿では,多視点類似度測定に基づく類似事例検索データセットMと,文レベル法定要素アノテーションを用いた包括的法定要素を提案する。
論文 参考訳（メタデータ） (2023-10-24T08:17:11Z) - 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)
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。