論文の概要: Civil Court Simulation with Large Language Models

• arxiv url: http://arxiv.org/abs/2606.09632v1
• Date: Mon, 08 Jun 2026 15:30:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:07.387573
• Title: Civil Court Simulation with Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた民事訴訟シミュレーション
• Authors: Yifan Chen, Haitao Li, Kaiyuan Zhang, Yueyue Wu, Qingyao Ai, Yiqun Liu,
• Abstract要約: 裁判所のシミュレーションは法的教育と司法実務を橋渡しするが、人間に基づくシミュレーションは費用がかかり、スケールが難しい。 中国民事事件のマルチエージェント裁判所シミュレーションフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 32.2877994633458
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Court simulation bridges legal education and judicial practice, yet human-based simulations are costly and difficult to scale. Large language models (LLMs) offer a scalable alternative, but existing court-simulation research mainly focuses on criminal cases. Civil litigation is more common in practice and harder to simulate because its claims, liability, and remedies are more flexible. We present a multi-agent court simulation framework for Chinese civil cases. The framework organizes role-based interaction through a five-stage civil trial procedure and integrates memory module and statute retrieval to support long-process adjudication. Experiments show that the framework produces reliable civil judgments, with clear strengths in liability allocation and multi-item adjudication. Further experiments show that memory quality substantially affects downstream simulation quality. Through a five-layer factor framework, we analyze how legal grounding, information conditions, judicial capability and role orientation, organizational pressure, and social context affect the framework's reliability and behavior. These results support the effectiveness of the proposed framework for civil court simulation. The dataset and code are available at: https://github.com/foggpoy/Civil-Court.
• Abstract（参考訳）: 裁判所のシミュレーションは法的教育と司法実務を橋渡しするが、人間に基づくシミュレーションは費用がかかり、スケールが難しい。 大規模言語モデル(LLM)はスケーラブルな代替手段を提供するが、既存の裁判所シミュレーション研究は主に刑事事件に焦点を当てている。 民事訴訟は、その主張、責任、治療がより柔軟であるため、実際は一般的であり、シミュレートするのが困難である。 中国民事事件のマルチエージェント裁判所シミュレーションフレームワークを提案する。 このフレームワークは,5段階の民事裁判手続きを通じてロールベースのインタラクションを編成し,メモリモジュールとルール検索を統合して,長期プロセスの判断を支援する。 実験の結果、この枠組みは信頼性の高い民事判断を生み出しており、責任配分と多点判断の明確な長所が示されている。 さらに実験により、メモリ品質が下流のシミュレーション品質に大きく影響を与えることが示された。 本研究は, 法的根拠, 情報条件, 司法能力, 役割指向, 組織的圧力, 社会的状況が, 枠組みの信頼性と行動に与える影響を分析する。 これらの結果は,民事訴訟シミュレーションのための枠組みの有効性を裏付けるものである。 データセットとコードは、https://github.com/foggpoy/Civil-Court.comで公開されている。

関連論文リスト

• CyberJurors: A Multi-Agent Simulation Task for E-Commerce Disputes Verdict [59.06704011432714]
  電子商取引プラットフォームは、大量の取引紛争を判断するためにクラウドソースの陪審員を募集し始めた。 本稿では,先駆的タスクであるEDV(E-Commerce Dispute Verdicts)と,6,000件の現実世界のケースからなるマルチモーダルベンチマークであるVerdictBenchを紹介する。 本稿では,論争ロジックを明確にし,判定プロセスを制御するマルチエージェントフレームワークであるCyberJurorsを提案する。
  論文  参考訳（メタデータ） (2026-05-27T12:07:44Z)
• 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)
• Chinese Court Simulation with LLM-Based Agent System [37.20232066969879]
  我々は,中国の裁判所の実際の手続き構造に基づいて,最初の裁判所シミュレーションフレームワーク,SimCourtを紹介する。 われわれの枠組みは、中国の裁判の5つの中核段階をすべて再現し、中国の手続き的定義に忠実に従って、5つの法廷の役割を取り入れている。 法的な判断予測実験により,我々の枠組みは,投獄,収監,罰金の予測をシステムに誘導する模擬試験を作成できることが示された。
  論文  参考訳（メタデータ） (2025-08-24T12:02:57Z)
• AgentCourt: Simulating Court with Adversarial Evolvable Lawyer Agents [25.509677234774056]
  AgentCourtは、LLMベースのエージェントの対角的進化を通じて課題に対処する包括的な法的シミュレーションフレームワークである。 1000件の民事事件をシミュレートすることにより、エージェントの法的推論能力を高める進化した知識基盤を構築する。 我々の研究は、法的なAIにおける敵対的学習の重要性を強調し、より広範な司法・規制の文脈にシミュレーションに基づく法的推論を拡張するための有望な方向性を提案する。
  論文  参考訳（メタデータ） (2024-08-15T11:33:20Z)
• AgentsCourt: Building Judicial Decision-Making Agents with Court Debate Simulation and Legal Knowledge Augmentation [19.733007669738008]
  本稿では,司法判断のための新しいマルチエージェントフレームワーク,AgentsCourtを提案する。 弊社の枠組みは,裁判所の審理シミュレーション,法的資源の検索,意思決定の洗練など,古典的な審理過程を踏襲している。 この課題を支援するために,多リソースの法知識を持つ大規模法知識基盤であるLegal-KBを構築した。
  論文  参考訳（メタデータ） (2024-03-05T13:30:02Z)
• 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)
• CausalCity: Complex Simulations with Agency for Causal Discovery and Reasoning [68.74447489372037]
  本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。 私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。 我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
  論文  参考訳（メタデータ） (2021-06-25T00:21:41Z)

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。