論文の概要: Generative Gap Filling

• arxiv url: http://arxiv.org/abs/2608.21401v1
• Date: Fri, 07 Aug 2026 05:19:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 05:49:59.23078
• Title: Generative Gap Filling
• Title（参考訳）: ジェネレーティブギャップ充填
• Abstract要約: ほとんどの契約訴訟は、パーティーの取引を不完全に記録する契約に変わります。 文書を解釈することで当事者の論争が解決できない場合、裁判所はギャップを埋める。 代々の作業にもかかわらず、裁判所はそのような非現実的な方法に真の代替手段を持っていない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most contract litigation turns on contracts that imperfectly record parties' bargains. When the parties' dispute can't be solved by interpreting the text, courts fill the gap. Scholars have long assumed that the remaining text runs out quickly, and provides thin evidence of the actual deal on the disputed point. On that view, a judge who supplies the missing term must be drawing on something else, from commercial defaults to her own policy preferences. Despite generations of work, courts have no real alternative to such unruly methods. We tested that assumption. Taking real contracts, we masked a term the parties had negotiated and asked readers to predict what we removed. Lay respondents recovered the hidden term about half the time, twice what chance predicts. Law students and lawyers did marginally better. But large language models, given nothing but the rest of the contract, recovered it nearly nine times in ten. The deal, in short, testifies to far more of the agreement than the literature assumes, including terms the parties never wrote. A contract, we argue, is like a radio signal from far away. Even when incomplete, enough of the message is carried elsewhere that the missing part can be reconstructed with the right receiver. True gaps are rarer than supposed. Courts can weigh model predictions as ordinary, contestable evidence, and parties can discipline the practice with "Choice of Model" clauses.
• Abstract（参考訳）: ほとんどの契約訴訟は、パーティーの取引を不完全に記録する契約に変わります。 文書を解釈することで当事者の論争が解決できない場合、裁判所はギャップを埋める。 学者は、残されているテキストはすぐに消え、紛争点に関する実際の取引の証拠が薄いと長い間考えてきた。 その観点では、行方不明の期間を提供する裁判官は、商業上のデフォルトから、自身のポリシーの優先事項まで、他の何かに頼らなければならない。 代々の作業にもかかわらず、裁判所はそのような非現実的な方法に真の代替手段を持っていない。 私たちはその仮定を試した。 実際の契約を受理し、当事者が交渉した条件を隠蔽し、削除した内容を予測するよう読者に求めた。 レイの回答者は約半分の時間に隠された期間を回復し、その確率は2倍になった。 法学の学生や弁護士は極端に良くなった。 しかし、大きな言語モデルは契約の残りしか考慮せず、10回に9回近く回復した。 要するに、この契約は、当事者が決して書かなかった条件を含め、文学が想定するよりもはるかに多くの合意を証明している。 契約は、遠くからの無線信号のようなものだ、と私たちは主張する。 不完全であっても、メッセージの十分な量を他の場所に運び、不足した部分を右の受信機で再構成することができる。 真のギャップは想像以上に稀である。 裁判所はモデル予測を通常の証拠として評価することができ、当事者は「モデルのコニース」条項でその実践を規律することができる。

関連論文リスト

• A Formal Limitation on Learning Human Language From Textual Corpora [54.22186267212778]
  我々は,デコーダが発話の表現から話者の意図した意味を回復する確率に基づいて,上位境界を導出する。 人工言語、マンダリンゼロ代名詞分解、色基準の実験は、この理論を支持する実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2026-08-28T17:38:24Z)
• Sharding Prevents LLM Oversight Failures and Adversarial Exploitation [45.380649793616705]
  シャーディングは要求を小さなグループに分割し、各グループを別の呼び出しに割り当て、評決を集約する。 シャードの弱い裁判官は、より有能な総合的な裁判官よりも優れており、後者がパネルの全予算を受け取ったとしても、その裁判官と一致することができる。
  論文  参考訳（メタデータ） (2026-08-05T18:21:21Z)
• Where Experts Disagree, Models Fail: Detecting Implicit Legal Citations in French Court Decisions [3.8449738927037207]
  我々は,第一審裁判所の決定において,フランス民法典の暗黙の引用に焦点をあてる。 専門家の不一致がモデル失敗を予測することを示す。 これらの制限にもかかわらず、タスクをトップkランキングとして再検討し、マルチモデルコンセンサスを活用することで、教師なしの環境でk = 200で76%の精度が得られる。
  論文  参考訳（メタデータ） (2026-03-24T09:10:57Z)
• Ambiguity is the last thing you need [0.0]
  明確な法的言語は、多くの理由で契約のバックボーンを形成する。 曖昧な言語が使われた契約当事者間での論争がしばしば起こる。 あいまいな言語は、当事者間の強みのバランスが不均衡な場合にも重要である。
  論文  参考訳（メタデータ） (2024-10-26T16:35:45Z)
• Towards Explainability in Legal Outcome Prediction Models [64.00172507827499]
  我々は、前例が法的NLPモデルの説明可能性を促進する自然な方法であると主張している。 法的な先例の分類法を開発することで、人間の判断と神経モデルを比較することができる。 モデルが合理的に結果を予測することを学習する一方で、前例の使用は人間の判断とは違い、ということがわかりました。
  論文  参考訳（メタデータ） (2024-03-25T15:15:41Z)
• Towards Mitigating Perceived Unfairness in Contracts from a Non-Legal Stakeholder's Perspective [2.9748898344267776]
  契約の公正性に関する異なる利害関係者の視点を分析するための実証的研究を行った。 次に,契約文中の不公平性を識別する事前学習言語モデル(PLM)について検討する。
  論文  参考訳（メタデータ） (2023-12-03T13:52:32Z)
• Cognitive Dissonance: Why Do Language Model Outputs Disagree with Internal Representations of Truthfulness? [53.98071556805525]
  ニューラルネットワークモデル(LM)は、事実文の真偽を評価するために用いられる。 それらは、文の確率を問い合わせたり、真理の表現を内部で探したりすることができる。 過去の研究によると、これらの2つの手順は時折不一致であり、プローブはLM出力よりも正確である。 この結果、一部の研究者は、LMが非協力的なコミュニケーション意図を「十分」あるいは他の方法でコード化していると結論付けている。
  論文  参考訳（メタデータ） (2023-11-27T18:59:14Z)
• Generative Interpretation [0.0]
  大規模言語モデルを用いて契約意味を推定する新しい手法である生成的解釈を導入する。 AIモデルは、ファインダーが文脈における通常の意味を確認し、あいまいさを定量化し、当事者の合意のギャップを埋めるのに役立つことを示す。
  論文  参考訳（メタデータ） (2023-08-14T02:59:27Z)
• Formally Verifying a Real World Smart Contract [52.30656867727018]
  われわれは、Solidityの最新バージョンで書かれた現実世界のスマートコントラクトを正式に検証できるツールを検索する。 本稿では,最近のSolidityで書かれた実世界のスマートコントラクトを正式に検証できるツールについて紹介する。
  論文  参考訳（メタデータ） (2023-07-05T14:30:21Z)
• Language of Bargaining [60.218128617765046]
  我々は、言語の使用が二国間交渉をどのように形成するかを研究するための新しいデータセットを構築した。 我々の研究は、交渉の結果を予測する言語信号も明らかにしている。
  論文  参考訳（メタデータ） (2023-06-12T13:52:01Z)
• Exploiting Contrastive Learning and Numerical Evidence for Confusing Legal Judgment Prediction [46.71918729837462]
  訴訟の事実記述文を考慮し、法的判断予測は、事件の告訴、法律記事、刑期を予測することを目的としている。 従来の研究では、標準的なクロスエントロピー分類損失と異なる分類誤差を区別できなかった。 本稿では,モコに基づく教師付きコントラスト学習を提案する。 さらに,事前学習した数値モデルにより符号化された抽出された犯罪量による事実記述の表現をさらに強化する。
  論文  参考訳（メタデータ） (2022-11-15T15:53:56Z)
• Detecting Logical Relation In Contract Clauses [94.85352502638081]
  契約における節間の論理的関係の抽出を自動化する手法を開発する。 結果として得られたアプローチは、コントラクト作者が節間の潜在的な論理的衝突を検出するのに役立つだろう。
  論文  参考訳（メタデータ） (2021-11-02T19:26:32Z)
• ContractNLI: A Dataset for Document-level Natural Language Inference for Contracts [39.75232199445175]
  契約書に対する文書レベルの自然言語推論(NLI)を提案する。 システムには一連の仮説と契約が与えられ、それぞれの仮説が「関連づけられている」か、「矛盾している」か、「言及されていない」か(中立である)を分類するよう求められる。 これまでで最大のコーパスを607のアノテート契約でリリースしています。
  論文  参考訳（メタデータ） (2021-10-05T03:22:31Z)

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。