論文の概要: Cross-Architecture LLM Ensembles, Feature-Based Reranking and Retrieval-Augmented Prompting for Legal Information Processing
- arxiv url: http://arxiv.org/abs/2607.11400v1
- Date: Mon, 13 Jul 2026 11:07:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.445071
- Title: Cross-Architecture LLM Ensembles, Feature-Based Reranking and Retrieval-Augmented Prompting for Legal Information Processing
- Title（参考訳）: クロスアーキテクチャ LLM アンサンブル, 機能ベースリグレード, 検索機能強化による法情報処理
- Abstract要約: 我々は,チームDUがCOLIEE 2026の5つのタスクすべてに参加することを報告した。
我々は, 判例検索, 判例検索, 法令検索, 判例検索, 判例判断予測にオープンウェイトシステムを使用する。
- 参考スコア（独自算出の注目度）: 7.028604573959654
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Legal information processing spans retrieval, entailment and judgment prediction problems, requiring text matching, reasoning and robust generalisation with limited supervision. We report Team DU's participation in all five tasks of COLIEE 2026, using open-weight systems for legal case retrieval, case entailment, statute retrieval and entailment, and legal judgment prediction. For Tasks 3 and 4, all models predate the 15 July 2025 cutoff required by the rules. For Task 4 (statute entailment), a cross-architecture ensemble of nine models from three families achieves 96.3% accuracy, placing first among 33 submissions from 11 teams. For the Pilot Task (tort prediction and rationale extraction), a multi-view system combining five claim-level models and refining the verdict using features derived from the claim predictions achieves 73.1% TP accuracy and 68.2% RE F1 as an unofficial submission, scoring above all official entries on TP and matching the highest on RE. For Task 2 (legal case entailment), changing only the prompt from single- to multi-selection raises F1 from 0.343 to 0.555 in post-competition evaluation on released gold labels, exceeding the best official submission (F1 = 0.490). For Task 3 (statute retrieval and entailment), replacing the entailment model with Qwen3-235B and a structured legal reasoning prompt raises accuracy from 79.3% to 91.5% in post-competition analysis. For Task 1 (legal case retrieval), a learning-to-rank system combining lexical and semantic retrieval with structural, citation authority, and temporal features (34 in total) achieves F1 = 0.314 (rank 11 of 54 submissions from 22 teams). Overall, legal information processing benefits from different inductive biases across tasks, with cross-architecture ensembling, feature-based reranking and retrieval-augmented prompting each proving most effective in different settings.
- Abstract（参考訳）: 法的な情報処理は、テキストマッチング、推論、限定的な監督を伴う堅牢な一般化を必要とする、検索、細部、および判断予測の問題にまたがる。
我々は, DUがCOLIEE 2026の5つのタスクすべてに参加することを報告し, 判例検索, 判例検索, 法令検索, 判例検索, 判例判定予測にオープンウェイトシステムを用いた。
第3タスクと第4タスクでは、全てのモデルが2025年7月15日のカットオフに先立つ。
タスク4(法的な内容)では、3つのファミリーから9つのモデルのクロスアーキテクチャアンサンブルが96.3%の精度で行われ、11チームからの33の応募のうちの1位にランクインしている。
パイロットタスク(整合性予測と合理性抽出)では、5つのクレームレベルのモデルを組み合わせて、クレームレベルの予測から派生した特徴を用いて評定を精査するマルチビューシステムにより、TPの正確さは73.1%、RE F1は68.2%となり、TPの全ての公式エントリを上回り、REの最高値と一致している。
タスク2(法的ケースエンターメント)では、シングルからマルチセレクションまでのプロンプトだけを変更すれば、リリースされたゴールドレーベルの競合後の評価において、F1が0.343から0.555に上昇する(F1 = 0.490)。
第3タスク(法的な検索とエンターテイメント)では、エンターメントモデルをQwen3-235Bに置き換え、構造化された法的な推論により、競合後の分析では79.3%から91.5%に精度が向上する。
タスク1(法的ケース検索)では、語彙的および意味的検索と構造的、引用的権威、時間的特徴(合計34)を組み合わせて、F1 = 0.314(22チームからの54件中11件)を達成する。
全体として、法的な情報処理は、タスク間の異なる帰納的バイアスから恩恵を受け、アーキテクチャ間のアンサンブル、機能ベースのリグレード、検索が強化され、それぞれが異なる設定で最も効果的であることが証明される。
関連論文リスト
- How AI Models Manage Epistemic Authority: A Taxonomy and Comparative Analysis of Responses to User Disagreement [0.573978744524696]
ユーザが回答に挑戦すると、モデルがどのように権威を管理し、ここでは知識、能力、あるいは助言する権利を主張する。
我々は,14モデルから2,310個の制御された課題シナリオと32,340個の応答のデータセットを構築した。
反応の85%でユーザを検証するが、元のクレームは65%で維持する。
論文 参考訳（メタデータ） (2026-09-07T15:47:29Z) - NOWJ@COLIEE 2026: Adaptive Pipelines for Legal Retrieval and Reasoning [1.2884266282263097]
本稿では,COLIEE 2026コンペティションの5つの課題すべてに対するNOWJチームの参加の方法論と成果について述べる。
タスク1(Legal Case Retrieval)では、4段階の候補フィルタリング,補体埋め込みモデルによる高密度検索,微調整された生成リランカによるクロスエンコーダのリランクを提案する。
第2タスク(Legal Case Entailment)では、BM25ベースのリランク、アテンションベースのリランク、コンセンサスアンサンブルの検証を組み合わせる。
第3タスク(法典検索・内容)については,検索オーグを採用する。
論文 参考訳（メタデータ） (2026-07-18T02:46:06Z) - ttda704 at SemEval-2026 Task 6: Structured Chain-of-Thought Prompting for Political Evasion Detection [0.006227637802384129]
本稿では,米国大統領インタビューから抽出した英語質問応答対における政治回避戦略の分類に対処するSemEval-2026タスク6のシステムについて述べる。
論文 参考訳（メタデータ） (2026-06-14T12:09:23Z) - Knowledge Index of Noah's Ark [63.143852586221534]
KINAは,261分野にわたる899項目のベンチマークである。
ボーナス・オン・バートーナメントがFOSDを弱く支配していることを示す。
トップモデルであるGemini-3.1-Pro-Previewは53.17%、Claude-Opus-4.6は49.92%、GPT-5.4は48.55%に達した。
論文 参考訳（メタデータ） (2026-06-03T17:06:49Z) - Large Language Model-Powered Query-Driven Event Timeline Summarization in Industrial Search [49.02761046363752]
本稿では、Baidu Search上にデプロイされた実運用システムであるQDET(Query-Driven Event Timeline Summarization)を紹介する。
QDETは、毎日取得された数百万のドキュメントによって形成されたノイズの多い候補セットから、クエリに密接に関連するサブイベントを特定し、整理する。
Baidu SearchのオンラインA/Bテストでは、現実世界の有効性が検証され、CTRが5.5%改善し、居住時間が4.6%長く、4.4%深かった。
論文 参考訳（メタデータ） (2026-05-26T14:16:27Z) - ScientistOne: Towards Human-Level Autonomous Research via Chain-of-Evidence [57.37494162084001]
チェーン・オブ・エビデンス(Chain-of-Evidence, CoE)は、すべてのクレームがエビデンス・ソースにトレース可能であることを要求する検証可能なフレームワークである。
CoE Auditはポストホック監査であり、スコア検証、仕様違反、参照検証、メソッドコードアライメントという4つの整合性チェックが全システムに均一に適用される。
論文 参考訳（メタデータ） (2026-05-25T21:30:27Z) - Step-wise Rubric Rewards for LLM Reasoning [72.17879367869503]
RLVR(Reinforcement Learning with Verifiable Rewards)は、大規模言語モデルの推論を改善するために広く使われている。
正しい回答の18.2%は間違っているが、肯定的な報酬がある。
6つの数学的推論ベンチマークで、SRaRはRaRの平均精度を3.57ポイント改善した。
論文 参考訳（メタデータ） (2026-05-17T07:08:14Z) - SPECA: Specification-to-Checklist Agentic Auditing for Multi-Implementation Systems -- A Case Study on Ethereum Clients [1.711666249985278]
SPECAは、標準要件をチェックリストに変換する仕様からChecklistフレームワークである。
SPECAは,11社を対象とし,フサカアップグレードのセキュリティ監査コンテストの会場内でインスタンス化を行う。
我々の改善されたエージェントは、競争監査の基礎的真実に対して評価され、高影響の脆弱性について27.3%の厳格なリコールを達成した。
論文 参考訳（メタデータ） (2026-02-07T12:19:00Z) - SLEAN: Simple Lightweight Ensemble Analysis Network for Multi-Provider LLM Coordination: Design, Implementation, and Vibe Coding Bug Investigation Case Study [0.0]
SLEANは、.txtテンプレートを使用してLLM間の単純なプロンプトブリッジとして機能し、デプロイに深い技術知識を必要としない。
独立した分析、相互批判、仲裁によって形成される3フェーズプロトコルは、有害なAI生成コード提案をフィルタリングする。
ファイル駆動でプロバイダに依存しないアーキテクチャは、特別なコーディング専門知識のないデプロイメントを可能にします。
論文 参考訳（メタデータ） (2025-10-11T04:24:04Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - Classification or Prompting: A Case Study on Legal Requirements Traceability [4.629156733452248]
法的要件のトレーサビリティは、エンジニアがターゲットのアーティファクトに対する技術的要件を分析するための重要なタスクである。
本稿では,言語モデルに基づく2つの自動解について検討する。
最初のソリューションであるKashifは、文変換器と意味的類似性を利用する分類器である。
第2のソリューションであるRICE_LRTは、プロンプトエンジニアリングフレームワークであるRICEをベースにした、最近のジェネレーティブLLMを誘導する。
論文 参考訳（メタデータ） (2025-02-07T13:33:40Z) - A Survey on Legal Judgment Prediction: Datasets, Metrics, Models and
Challenges [73.34944216896837]
法定判断予測(LJP)は,事実記述に基づく判断結果の自動予測に自然言語処理(NLP)技術を適用している。
6言語で31のLJPデータセットを分析し、その構築過程を示し、LJPの分類方法を定義する。
異なる訴訟の8つの代表的データセットに対する最先端の結果を示し、オープンな課題について議論する。
論文 参考訳（メタデータ） (2022-04-11T04:06:28Z)
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。