論文の概要: Rhetorical-Role-Aware Retrieval-Augmented Generation for Legal Question Answering over Indian Supreme Court Judgments
- arxiv url: http://arxiv.org/abs/2608.06828v1
- Date: Fri, 07 Aug 2026 05:38:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.369267
- Title: Rhetorical-Role-Aware Retrieval-Augmented Generation for Legal Question Answering over Indian Supreme Court Judgments
- Title（参考訳）: インド最高裁判所判決に対する法的回答のための修辞的ローアウェア検索生成法
- Abstract要約: 本研究では,インド最高裁判所の判決に対する対話的検索と推論を支援するために,法分野に特有な検索拡張(RAG)フレームワークを提案する。
このソリューションでは、レトリックベースチャンキング、融合ベース検索、クロスエンコーダリグレードメソッドからなるRAGフレームワークの拡張版を使用して、取得した情報の関連性を高める。
- 参考スコア（独自算出の注目度）: 0.4893345190925178
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This research paper proposes a Retrieval Augmented Generation (RAG) framework that is specific to the legal field in order to assist interactive retrieval and reason about judgments from the Supreme Court of India. The solution uses an enhanced version of RAG framework which consists of rhetorically based chunking, fusion-based retrieval, and cross encoder reranking methods to increase the relevancy of the information retrieved. In order to improve conversations, the proposed framework uses chat history along with query classification and rewriting in order to understand user intention from successive queries. Additionally, there are features that take into account structural aspects of legal documents, such as isolated names of judges that could have an impact on retrieval quality. The evaluation was done using the DeepEval framework and demonstrated strong performance on metrics including contextual recall and answer relevancy, which proves that the framework is very effective in dealing with legal question-answering tasks that require a lot of context. The results emphasize the importance of domain specific enhancements in developing legal AI systems that are both reliable and explainable.
- Abstract（参考訳）: 本研究では,インド最高裁判所の判決に対する対話的検索と推論を支援するために,法分野に特有な検索拡張(RAG)フレームワークを提案する。
このソリューションでは、レトリックベースチャンキング、融合ベース検索、クロスエンコーダリグレードメソッドからなるRAGフレームワークの拡張版を使用して、取得した情報の関連性を高める。
会話を改善するために,提案フレームワークは,クエリの分類と書き直しとともにチャット履歴を用いて,連続したクエリからユーザの意図を理解する。
さらに、法的文書の構造的側面を考慮に入れた特徴もあり、例えば、検索品質に影響を及ぼす可能性のある裁判官の孤立した名前などが挙げられる。
この評価はDeepEvalフレームワークを用いて行われ、文脈的リコールや応答関連性を含むメトリクスのパフォーマンスを強く証明した。
その結果は、信頼性と説明責任の両方を持つ法的AIシステムの開発において、ドメイン固有の拡張の重要性を強調した。
関連論文リスト
- AILQA: Evaluating AI-Driven Legal Question Answering Systems for the Indian Legal System [11.383388187292674]
本研究は,インド法コンテキストに合わせて,高度なAI for Indian Legal Question Answering (AILQA)システムを提案する。
AILQAは、最近のLarge Language Models (LLMs)を含む、様々な埋め込みおよび生成モデルを活用する。
専門的な法的フィードバックに富んだ語彙的指標と意味的指標を用いて厳密な評価を行い,妥当性と正確性を確保した。
論文 参考訳（メタデータ） (2026-07-21T08:01:17Z) - R$^2$-Searcher: Calibrating Retrieval and Reasoning Boundaries for Agentic Search [59.034878430183305]
R$2$-Searcherは、検索と推論の境界を明示的に探索し、校正する。
R$2$-Searcherは,解答精度と検索品質において,最先端のエージェント検索法よりも優れていることを示す。
論文 参考訳（メタデータ） (2026-06-26T19:44:34Z) - Fine-grained Claim-level RAG Benchmark for Law [2.807618472608]
法則などの高次領域では、検索増強生成(RAG)は、生成した応答における幻覚を緩和するために一般的に用いられる。
法的なRAGシステムの既存の評価フレームワークは、検索および生成性能の詳細な解析を行うために必要な粒度を欠いている。
ClaimRAG-LAWは、フランス語と英語をサポートする法的RAGのための包括的なデータセットであり、専門家と非専門家の両方をターゲットにしており、現実的なシナリオを反映した多様な質問タイプを含んでいる。
論文 参考訳（メタデータ） (2026-05-20T11:56:27Z) - Verbal-R3: Verbal Reranker as the Missing Bridge between Retrieval and Reasoning [48.15732775780642]
本稿では,検索結果と大言語モデルの推論能力をVerbal sを介して橋渡しする手法を提案する。
本稿では,ジェネレータとバーバルリランカを組み合わせた新しいエージェントRAGフレームワークであるVerbal-R3を紹介する。
Verbal-R3は、複雑な質問応答ベンチマークで最先端のパフォーマンスを実現し、提案したフレームワークの有効性を検証する。
論文 参考訳（メタデータ） (2026-05-02T11:43:23Z) - RAC: Retrieval-Augmented Clarification for Faithful Conversational Search [7.0486278653981245]
RAC(Retrieval-Augmented Clarification)は,コーパスに忠実な質問を生成するためのフレームワークである。
検索のための索引付け戦略を比較した後、研究コンテキストを最適に活用するために、大規模言語モデルを微調整する。
提案手法は,提案手法を適用せず,検索した経路によって支持される質問を優先するために,コントラッシブな選好最適化を適用する。
論文 参考訳（メタデータ） (2026-01-16T19:16:38Z) - Domain-Partitioned Hybrid RAG for Legal Reasoning: Toward Modular and Explainable Legal AI for India [5.022547031373416]
インドにおける法律研究は、法律、憲法の規定、刑法、司法の前例にまたがる、長く異質な文書をナビゲートすることを含む。
最近の検索拡張生成(RAG)アプローチは、接地を改善するが、マルチホップ推論に苦慮している。
インドにおける法律研究に特化して設計されたドメイン分割ハイブリッドRAGと知識グラフアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-12-23T20:22:39Z) - Towards Context-aware Reasoning-enhanced Generative Searching in E-commerce [61.03081096959132]
そこで本稿では,複雑な状況下でのテキストバウンダリングを改善するための,文脈対応推論強化型生成検索フレームワークを提案する。
提案手法は,強力なベースラインに比べて優れた性能を示し,検索に基づく推薦の有効性を検証した。
論文 参考訳（メタデータ） (2025-10-19T16:46:11Z) - Augmented Question-guided Retrieval (AQgR) of Indian Case Law with LLM, RAG, and Structured Summaries [0.0]
本稿では,関連事例の検索を容易にするためにLarge Language Models (LLMs) を提案する。
提案手法は,Retrieval Augmented Generation (RAG) と,インドの事例法に最適化された構造化要約を組み合わせたものである。
本システムは,関連事例法をより効果的に識別するために,事実シナリオに基づく対象の法的質問を生成する。
論文 参考訳（メタデータ） (2025-07-23T05:24:44Z) - Unanswerability Evaluation for Retrieval Augmented Generation [74.3022365715597]
UAEval4RAGは、RAGシステムが解答不能なクエリを効果的に処理できるかどうかを評価するために設計されたフレームワークである。
我々は、6つの未解決カテゴリを持つ分類を定義し、UAEval4RAGは、多様で挑戦的なクエリを自動的に合成する。
論文 参考訳（メタデータ） (2024-12-16T19:11:55Z) - JudgeRank: Leveraging Large Language Models for Reasoning-Intensive Reranking [81.88787401178378]
本稿では,文書関連性を評価する際に,人間の認知過程をエミュレートする新しいエージェント・リランカであるJiceRankを紹介する。
我々は,推論集約型BRIGHTベンチマークを用いて判定Rankを評価し,第1段階の検索手法よりも性能が大幅に向上したことを示す。
さらに、JiceRankは、人気の高いBEIRベンチマークの細調整された最先端リランカと同等に動作し、ゼロショットの一般化能力を検証している。
論文 参考訳（メタデータ） (2024-10-31T18:43:12Z) - Iterative Utility Judgment Framework via LLMs Inspired by Relevance in Philosophy [66.95501113584541]
ITEM(Iterative utiliTy judgm fraEntMework)を提案する。
RAGの3つの中核的構成要素は、検索モデル、ユーティリティ判断、回答生成から導かれる関連性ランキングであり、シューツの哲学的関連性体系と一致している。
実効性判定, ランキング, 回答生成におけるITEMの顕著な改善が, 代表ベースラインに基づいて示された。
論文 参考訳（メタデータ） (2024-06-17T07:52:42Z) - Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting [56.268862325167575]
マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。
本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
論文 参考訳（メタデータ） (2020-05-05T14:30:20Z)
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。