論文の概要: A Tree-of-Thoughts Inspired Hybrid Approach for Legal Case Judgement Summarization using LLMs

• arxiv url: http://arxiv.org/abs/2606.28044v1
• Date: Fri, 26 Jun 2026 12:46:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.486106
• Title: A Tree-of-Thoughts Inspired Hybrid Approach for Legal Case Judgement Summarization using LLMs
• Title（参考訳）: LLMを用いた訴訟判断のハイブリッドアプローチ
• Abstract要約: 本稿では,法的な判断の要約のための抽出的行動的要約手法を提案する。 実験の結果,提案した抽出-吸収性プロンプトは,他のタイプのLSMプロンプトと比較して,より優れた要約を提供することがわかった。
• 参考スコア（独自算出の注目度）: 6.92318942591826
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent times, Large Language Models (LLMs) are increasingly being used for legal case judgement summarization. Most prior works have tried traditional extractive and abstractive summarization of case judgements. However, hybrid or extractive-abstractive techniques have not been explored much. In this work, we propose a novel tree-of-thoughts inspired extractive-abstractive summarization approach for legal judgement summarization. We conduct experiments using two popular LLMs, DeepSeek and LLama, and compare among extractive, abstractive and extractive-abstractive summarization. Our experiments show that the proposed extractive-abstractive prompt provides better summaries compared to other types of LLM prompts.
• Abstract（参考訳）: 近年,Large Language Models (LLMs) は判例判断の要約にますます利用されている。 それまでのほとんどの研究は、ケース判断の伝統的な抽出的、抽象的な要約を試みた。 しかし、ハイブリッドまたは抽出-吸収技術はあまり研究されていない。 そこで本研究では,法的な判断の要約のための抽出的・漸進的要約手法として,新しい思考木を提案する。 我々は、DeepSeekとLLamaの2つの人気のあるLLMを用いて実験を行い、抽出的、抽象的、抽出的、抽象的な要約の比較を行った。 実験の結果,提案した抽出-吸収性プロンプトは,他のタイプのLSMプロンプトと比較して,より優れた要約を提供することがわかった。

関連論文リスト

• Blind to the Human Touch: Overlap Bias in LLM-Based Summary Evaluation [89.52571224447111]
  大規模言語モデル(LLM)の判断は、要約のようなタスクのために、伝統的なアルゴリズムベースのメトリクスと併用されることが多い。 要約領域における人書き応答と重なる関数としてLLM判定バイアス分析を提案する。
  論文  参考訳（メタデータ） (2026-02-07T19:39:28Z)
• Investigating Intra-Abstraction Policies For Non-exact Abstraction Algorithms [64.43268969806098]
  モンテカルロ木探索(MCTS)の弱点は、そのサンプル効率である。 そこで我々は,いくつかの代替的吸収内政策を提案し,実証的に評価する。
  論文  参考訳（メタデータ） (2025-10-28T11:00:30Z)
• Context-Aware Hierarchical Merging for Long Document Summarization [56.96619074316232]
  本論文では,階層的なマージをソース文書からコンテキストと統合する手法を提案する。 法的および物語的領域を表すデータセットの実験結果は、文脈的拡張がゼロショットと階層的な融合ベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-02-03T01:14:31Z)
• Applicability of Large Language Models and Generative Models for Legal Case Judgement Summarization [5.0645491201288495]
  近年,抽象的な要約モデルやLarge Language Model (LLM) などの生成モデルが広く普及している。 本稿では,判例判断要約におけるそのようなモデルの適用性について検討する。
  論文  参考訳（メタデータ） (2024-07-06T04:49:40Z)
• Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
  本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。 我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。 推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
  論文  参考訳（メタデータ） (2024-03-01T10:38:07Z)
• Investigating Hallucinations in Pruned Large Language Models for Abstractive Summarization [37.55557353462219]
  プルーニング(Pruning)は、余分な重みを取り除くことによってモデルサイズを減らす手法であり、より効率的なスパース推論を可能にする。 本稿では,5つの要約データセット,2つの最先端プルーニング手法,および5つの命令調整LDMに関する実証的研究を行う。 驚いたことに、幻覚はオリジナルのモデルに比べて、刈り取られたLLMからそれほど多くない。
  論文  参考訳（メタデータ） (2023-11-15T19:49:24Z)
• How Ready are Pre-trained Abstractive Models and LLMs for Legal Case Judgement Summarization? [4.721618284417204]
  近年、抽象的な要約モデルが人気を集めている。 法的なドメイン固有の事前訓練された抽象要約モデルが利用可能になった。 汎用ドメイン事前訓練大型言語モデル(LLM)は高品質なテキストを生成することが知られている。
  論文  参考訳（メタデータ） (2023-06-02T03:16:19Z)
• Salience Allocation as Guidance for Abstractive Summarization [61.31826412150143]
  本稿では, サリエンセ・サリエンス・ガイダンス(SEASON, SaliencE Allocation as Guidance for Abstractive SummarizatiON)を用いた新しい要約手法を提案する。 SEASONは、サリエンス予測の割り当てを利用して抽象的な要約を導き、異なる抽象性のある記事に順応する。
  論文  参考訳（メタデータ） (2022-10-22T02:13:44Z)
• Legal Case Document Summarization: Extractive and Abstractive Methods and their Evaluation [11.502115682980559]
  訴訟判断文書の要約は、法律NLPにおいて難しい問題である。 法的事例文書に適用した場合の要約モデルの異なる族がどのように機能するかについては、あまり分析されていない。
  論文  参考訳（メタデータ） (2022-10-14T05:43:08Z)
• At Which Level Should We Extract? An Empirical Analysis on Extractive Document Summarization [110.54963847339775]
  本研究は,全文を抽出する際,不必要な問題や冗長性が存在することを示す。 選挙区解析木に基づくサブセグメント単位の抽出を提案する。
  論文  参考訳（メタデータ） (2020-04-06T13:35:10Z)

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。