Fugu-MT 論文翻訳(概要): NOWJ@COLIEE 2026: Adaptive Pipelines for Legal Retrieval and Reasoning

論文の概要: NOWJ@COLIEE 2026: Adaptive Pipelines for Legal Retrieval and Reasoning

arxiv url: http://arxiv.org/abs/2607.16603v1
Date: Sat, 18 Jul 2026 02:46:06 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-21 18:48:37.194623
Title: NOWJ@COLIEE 2026: Adaptive Pipelines for Legal Retrieval and Reasoning
Title（参考訳）: NOWJ@COLIEE 2026: 法的検索と推論のための適応パイプライン
Abstract要約: 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。
参考スコア（独自算出の注目度）: 1.2884266282263097
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents the methodologies and results of the NOWJ team's participation across all five tasks of the COLIEE 2026 competition. For Task 1 (Legal Case Retrieval), we propose a four-stage pipeline comprising candidate filtering, dense retrieval with complementary embedding models, cross-encoder reranking via fine-tuned generative rerankers and MLP-based pairwise classification, and adaptive per-query cutoff prediction. For Task 2 (Legal Case Entailment), we combine BM25 filtering, T5-based reranking, and LLM-based entailment verification with consensus ensemble. For Task 3 (Statute Law Retrieval and Entailment), we adopt a retrieval-augmented generation framework with dense retrieval, attention-based reranking, and few-shot-prompted LLM reasoning. For Task 4 (Legal Textual Entailment), we introduce a dynamic routing pipeline that classifies query difficulty and dispatches cases to either a balanced few-shot solver or a structured zero-shot chain-of-thought solver. For the Pilot Task (Legal Judgment Prediction), we combine hierarchical transformers with CRF layers, argument relation mining, and probabilistic argumentation graph reasoning.
Abstract（参考訳）: 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、候補フィルタリング、補完的な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とMLPに基づくペアワイズ分類によるクロスエンコーダのランク付け、クエリごとのカットオフ予測を含む4段階パイプラインを提案する。タスク2(Legal Case Entailment)では、BM25フィルタリング、T5ベースのリグレード、LLMベースのエンテイメント検証をコンセンサスアンサンブルと組み合わせる。タスク3(法典検索・推奨)では,高密度検索,注目に基づく格付け,数発のLDM推論を併用した検索拡張生成フレームワークを採用する。タスク4(Legal Textual Entailment)では、クエリの難易度を分類する動的ルーティングパイプラインを導入し、ケースをバランスの取れた少数ショットソルバまたは構造化されたゼロショットチェーンオブ思考ソルバにディスパッチする。パイロットタスク(Legal Judgment Prediction)では、階層変換器をCRF層、議論関係のマイニング、確率論的議論グラフ推論と組み合わせる。

関連論文リスト

Hierarchical Evidence-Driven Reasoning for Long Document Understanding [95.51688464037096]
閉領域文書理解のための階層的・エビデンス駆動型マルチモーダルRAGフレームワークであるHIEVI-RAGを紹介する。我々のフレームワークは、既存のオープンソースベースラインを著しく上回り、最強の報告ベースラインを平均8.05%の精度で上回ります。
論文参考訳（メタデータ） (2026-07-06T03:08:28Z)
Sifei at SemEval-2026 Task 8: Hybrid Retrieval and Query Rewriting for Multi-Turn RAG [2.9721401411878254]
ユーザ意図の進化,会話ノイズ,厳密なコンテキスト制限により,マルチターン検索拡張生成(RAG)は困難である。本研究では,SemEval-2026タスク8のトレーニング不要なハイブリッド検索パイプラインを提案する。
論文参考訳（メタデータ） (2026-06-05T07:28:01Z)
Test-Time Strategies for More Efficient and Accurate Agentic RAG [58.44913384057518]
Retrieval-Augmented Generation (RAG) システムは複雑なマルチホップ問題に直面している。このような手法は、以前に処理された情報の反復的な検索を含む非効率性を導入することができる。本稿では,これらの問題を軽減するために,サーチ-R1パイプラインに対するテスト時間修正について検討する。
論文参考訳（メタデータ） (2026-03-12T19:18:59Z)
AILS-NTUA at SemEval-2026 Task 8: Evaluating Multi-Turn RAG Conversations [14.20669481486209]
我々はSemEval-2026タスク8(MTRAGEval)のためのAILS-NTUAシステムを提案する。マルチターン検索拡張生成の3つのサブタスク、すなわち、経路検索(A)、基準接地応答生成(B)、エンドツーエンドRAG(C)のすべてに対処する。統一アーキテクチャは、(i)クエリ-ダイバーシティ-オーバー・レトリバー-ダイバーシティ戦略と(ii)マルチステージ生成パイプラインという2つの原則に基づいて構築されています。
論文参考訳（メタデータ） (2026-03-11T08:28:31Z)
ReCALL: Recalibrating Capability Degradation for MLLM-based Composed Image Retrieval [64.14282916266998]
Composed Image Retrievalは、参照画像と修正テキストからなるハイブリッドクエリに基づいてターゲット画像を取得することを目的としている。本稿では,診断・生成・再定義パイプラインに従うモデルに依存しないフレームワークであるReCALLを提案する。 CIRRとFashionIQの実験では、ReCALLは継続的に劣化した機能を再検討し、最先端のパフォーマンスを実現している。
論文参考訳（メタデータ） (2026-02-02T04:52:54Z)
Soft Filtering: Guiding Zero-shot Composed Image Retrieval with Prescriptive and Proscriptive Constraints [3.5491867489872413]
Composed Image Retrieval (CIR) は、参照画像と修正テキストで表現されたユーザ意図に合わせたターゲット画像を見つけることを目的としている。現在のCIRベンチマークでは、修正テキストの曖昧さを見越して、クエリ毎に1つの正しいターゲットを仮定している。テキスト制約付きソフトフィルタ(SoFT)を提案する。
論文参考訳（メタデータ） (2025-12-23T21:29:45Z)
Transformer Tafsir at QIAS 2025 Shared Task: Hybrid Retrieval-Augmented Generation for Islamic Knowledge Question Answering [4.3834796470965385]
本稿では,イスラム知識の理解と推論に関するQIAS 2025の共通課題について述べる。本研究では,大言語モデル(LLM)の性能向上のために,スパース法と高密度検索法を組み合わせたハイブリッド検索拡張生成(RAG)システムを開発した。我々の3段階パイプラインは、初期検索にBM25、セマンティックマッチングに密着した埋め込み検索モデル、正確なコンテンツ検索にクロスエンコーダが組み込まれている。
論文参考訳（メタデータ） (2025-09-28T10:27:08Z)
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)
DeAR: Dual-Stage Document Reranking with Reasoning Agents via LLM Distillation [26.719288314007002]
大規模言語モデル(LLM)は、候補集合に対する大域的推論を可能にすることで、リストワイズドキュメントの優先順位を変更している。 textbfDeeptextbfAgenttextbfRank(textbfDeAR)を提案する。
論文参考訳（メタデータ） (2025-08-23T11:46:08Z)
SuRe: Summarizing Retrievals using Answer Candidates for Open-domain QA of LLMs [85.54906813106683]
大規模言語モデル(LLM)を用いたオープンドメイン質問応答(ODQA)の簡易かつ効果的なフレームワークを提案する。 SuRe は LLM が与えられた質問に対するより正確な回答を予測するのに役立つ。様々なODQAベンチマークの実験結果はSuReの優位性を示し、標準的なプロンプトアプローチよりも4.6%、F1スコアが4.0%向上した。
論文参考訳（メタデータ） (2024-04-17T01:15:54Z)
List-aware Reranking-Truncation Joint Model for Search and Retrieval-augmented Generation [80.12531449946655]
本稿では,2つのタスクを同時に実行可能なRe rank-Truncation joint model(GenRT)を提案する。 GenRTは、エンコーダ-デコーダアーキテクチャに基づく生成パラダイムによるリランクとトランケーションを統合している。提案手法は,Web検索および検索拡張LLMにおけるリランクタスクとトラルケーションタスクの両方においてSOTA性能を実現する。
論文参考訳（メタデータ） (2024-02-05T06:52:53Z)
Mixed-initiative Query Rewriting in Conversational Passage Retrieval [11.644235288057123]
TREC Conversational Assistance Track (CAsT) 2022の手法と実験について報告する。本稿では,ユーザとシステム間の混在開始応答に基づいてクエリ書き換えを行う複合開始型クエリ書き換えモジュールを提案する。 TREC CAsT 2021 と TREC CAsT 2022 の2つのデータセットを用いた実験により,提案手法の有効性が示された。
論文参考訳（メタデータ） (2023-07-17T19:38:40Z)

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。