論文の概要: PROSLEX: A Novel Dataset for Expert-Annotated Legal Statute Prediction for Indian Judiciary
- arxiv url: http://arxiv.org/abs/2608.08830v1
- Date: Sun, 09 Aug 2026 17:24:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.964973
- Title: PROSLEX: A Novel Dataset for Expert-Annotated Legal Statute Prediction for Indian Judiciary
- Title（参考訳）: PROSLEX: 専門家によるインド司法の法律規程予測のための新しいデータセット
- Abstract要約: インドにおける専門家による1,623の法的文書からなる包括的データセット PROSLEX について述べる。
我々は,ゼロショット,少数ショット,チェーン・オブ・シント,およびツリー・オブ・シントなど,様々なプロンプト戦略を評価し,法定予測とそれに対応する法的根拠の両方を生成する。
評価フレームワークは, 性能だけでなく, 生成した説明の一貫性と法的な妥当性も測定し, PROSLEX を説明可能なAIシステム開発のためのベンチマークとして位置づける。
- 参考スコア（独自算出の注目度）: 7.985120216055807
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Legal Statute Prediction (LSP) involves automatically identifying relevant legal statutes given factual descriptions in legal documents, typically framed as a multi-label classification task within natural language processing and information retrieval research. While recent advances have begun incorporating Large Language Models (LLMs) for statute prediction, current approaches primarily focus on accuracy metrics without addressing the critical need for legal reasoning, a fundamental requirement in judicial contexts where decisions must be explainable and justifiable. To address this research gap, we present PROSLEX (PRediction Of Statutes and LEgal eXplanation), a comprehensive dataset comprising 1,623 expert-annotated legal documents from the Indian context. Each document is paired with statute predictions and detailed explanations, totaling 7,450 explanations, capturing the underlying legal reasoning. Using this dataset, we systematically evaluate various prompting strategies, including zero-shot, few-shot, chain-of-thought, and tree-of-thoughts approaches, to generate both statute predictions and their corresponding legal rationales. Our evaluation framework measures not only predictive performance but also the coherence and legal validity of generated explanations, positioning PROSLEX as a benchmark for developing explainable AI systems that can support legal practitioners while advancing research in interpretable legal NLP. To ensure reproducibility, we have made our PROSLEX dataset and model code available on GitHub: https://github.com/subinay494/Legal_Statute_Prediction_Explanation.
- Abstract（参考訳）: 法律規程予測(LSP)は、典型的には自然言語処理と情報検索研究における多ラベル分類タスクとして構成される、法律文書の事実記述が与えられた関連する法律規程を自動的に特定することを含む。
近年の法定予測にLarge Language Models (LLMs) を導入し始めているが、現在のアプローチは、決定が説明可能で正当化されなければならない司法的文脈における基本的な要件である法的推論の重大な要求に対処することなく、精度の指標に重点を置いている。
この研究ギャップに対処するため、インドの文脈から1,623人の専門家が注釈付けした法律文書からなる包括的データセット PROSLEX (Prediction of Statutes and LEgal eXplanation) を提示する。
各文書には、法的な予測と詳細な説明が組み合わされ、合計で7,450の説明がなされ、根底にある法的理由を捉えている。
本データセットを用いて, ゼロショット, 少数ショット, チェーン・オブ・シント, ツリー・オブ・シントといった様々なプロンプト戦略を体系的に評価し, 規則的予測とそれに対応する法的根拠の両方を生成する。
我々の評価枠組みは、予測性能だけでなく、生成した説明の一貫性と法的な妥当性も測定し、解釈可能な法的NLPの研究を進めつつ、法的実践者を支援するための説明可能なAIシステムを開発するためのベンチマークとしてPROSLEXを位置づけている。
再現性を確保するため、GitHubで PROSLEXデータセットとモデルコードを公開しました。
関連論文リスト
- From Norms to Indicators (N2I-RAG): An Agentic Retrieval-Augmented Generation Framework for Legal Indicator Computation [0.0]
本稿では,N2I-RAGを提案する。N2I-RAGは,法定指標の計算を自動化するために設計されたエージェント検索拡張生成フレームワークである。
適応的な検索,llmベースのエージェント,検証機構をモジュールパイプラインに統合し,各コンポーネントがエビデンスをフィルタリング,検索,評価を行う。
我々は,N2I-RAGを,スキャンおよびデジタルソースを含む内部構築されたフランスの海洋環境法コーパスを用いて評価した。
論文 参考訳（メタデータ） (2026-05-26T12:21:48Z) - Enhancing Judgment Document Generation via Agentic Legal Information Collection and Rubric-Guided Optimization [30.089203895815384]
既存のアプローチは、通常、標準のRetrieval-Augmented GenerationとSupervised Fine-Tuningに依存し、しばしば不十分な証拠のリコール、幻覚された法的な参照、そして欠陥のある法的理由に悩まされる。
本稿では,LLMに基づく判断文書生成を論理的に向上する統一的なフレームワークであるジャッジR1を提案する。
JuDGEベンチマークの実験では、ジャッジ-R1は法的な精度と生成品質の両方において最先端のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2026-05-03T18:32:10Z) - WisdomInterrogatory (LuWen): An Open-Source Legal Large Language Model Technical Report [55.27414605169639]
Wesdom Interrogatory (LuWen)は,バイチュン基礎モデルに基づいて構築された,オープンソースの中国語の法律モデルである。
予測と生成の両方にまたがる5つの代表的な法的課題についてLuWenを評価する。
論文 参考訳（メタデータ） (2026-04-08T06:59:07Z) - 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) - ReGal: A First Look at PPO-based Legal AI for Judgment Prediction and Summarization in India [10.522785783474857]
本稿では,Reinforcement Learning-based Legal Reasoning(ReGal)を紹介する。
本手法は, (i) 裁判所判断予測・説明(CJPE) と (ii) 法的文書要約の2つの重要な法的課題にまたがって評価される。
論文 参考訳（メタデータ） (2025-12-19T19:13:41Z) - ClaimGen-CN: A Large-scale Chinese Dataset for Legal Claim Generation [56.79698529022327]
法的な主張は、事件における原告の要求を言及し、法的理由づけと事件解決を導くのに不可欠である。
本稿では,その事例の事実に基づく法的クレーム生成の問題について考察する。
われわれは,中国法定クレーム生成タスクの最初のデータセットであるClaymGen-CNを構築した。
論文 参考訳（メタデータ） (2025-08-24T07:19:25Z) - 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) - AnnoCaseLaw: A Richly-Annotated Dataset For Benchmarking Explainable Legal Judgment Prediction [56.797874973414636]
AnnoCaseLawは、アメリカ合衆国控訴裁判所の無視事件を慎重に注釈付けした471のデータセットである。
我々のデータセットは、より人間らしく説明可能な法的な判断予測モデルの基礎となる。
その結果、LJPは依然として厳しい課題であり、法的な前例の適用は特に困難であることが示されている。
論文 参考訳（メタデータ） (2025-02-28T19:14:48Z) - Natural Language Processing for the Legal Domain: A Survey of Tasks, Datasets, Models, and Challenges [7.767611860493713]
本調査は,手動フィルタリング後の131項目を最終選択した154の研究をレビューし,システムレビューおよびメタ分析フレームワークの優先報告項目に従う。
法律分野におけるNLPに関する基礎概念を探求し、法律文書の処理の独特な側面と課題を詳述する。
本稿では, 文書要約, エンティティ認識, 質問回答, 議論マイニング, テキスト分類, 判断予測など, 法的テキストに特有のNLPタスクの概要について述べる。
論文 参考訳（メタデータ） (2024-10-25T01:17:02Z) - LawLLM: Law Large Language Model for the US Legal System [43.13850456765944]
我々は,米国法域に特化して設計されたマルチタスクモデルであるLawLLM(Law Large Language Model)を紹介する。
類似症例検索(SCR)、PCR(Precedent Case Recommendation)、LJP(Lawal Judgment Prediction)においてLawLLMが優れている
そこで本研究では,各タスクに対して,生の法定データをトレーニング可能な形式に変換する,カスタマイズされたデータ前処理手法を提案する。
論文 参考訳（メタデータ） (2024-07-27T21:51:30Z) - DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
判例検索のための識別モデルであるDELTAを紹介する。
我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。
本手法は, 判例検索において, 既存の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2024-03-27T10:40:14Z) - 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)
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。