論文の概要: Structured Four-Stage Legal Translation: From Natural-Language Traffic Rules to PROLOG

• arxiv url: http://arxiv.org/abs/2609.20334v1
• Date: Thu, 17 Sep 2026 13:05:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.282294
• Title: Structured Four-Stage Legal Translation: From Natural-Language Traffic Rules to PROLOG
• Title（参考訳）: 構造的4段階法典翻訳:自然言語交通規則からPROGへ
• Abstract要約: 本研究では,2つのベースライン翻訳手法を評価し,構造化された4段階法典翻訳(S4Lrightarrow Prolog$)と呼ばれる新たな推論誘導翻訳フレームワークを提案する。 S4Lは、セマンティックロール抽出、シーン補完、論理マッピング、Prologルール生成を単一の誘導プロンプト内で実行する。 S4Lrightarrow Prolog$は、ルールの75%を正しく定式化し、$NLrightarrow Prolog$は60%、$Lrightarrow Prolog$は55%に達する。
• 参考スコア（独自算出の注目度）: 0.2566571621858396
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traffic regulations are written for human interpretation and therefore rely on shared background knowledge and flexible phrasing, which inherently introduce ambiguity, context dependence, and semantic underspecification. These linguistic characteristics conflict with the precision required by computational reasoning engines such as Prolog, which demand explicit logical structure. This study evaluates two baseline translation approaches, Natural Language to Prolog ($NL\rightarrow Prolog$) and Logical English to Prolog ($LE\rightarrow Prolog$), and introduces a new reasoning-guided translation framework called Structured Four-Stage Legal Translation ($S4L\rightarrow Prolog$). The proposed S4L framework performs semantic role extraction, scene completion, logical mapping, and Prolog rule generation within a single guided prompt, enabling direct translation of raw traffic rules into executable logic without human intervention. A benchmark consisting of twenty real-world traffic rules was used to evaluate each approach in terms of syntactic validity, semantic correctness, and logical completeness. $S4L\rightarrow Prolog$ achieves the highest accuracy, correctly formalizing 75 percent of the rules, while $NL\rightarrow Prolog$ reaches 60 percent and $LE\rightarrow Prolog$ reaches 55 percent. Qualitative analysis further shows that S4L captures implicit causal relations, deontic modality, and exception structure more reliably than the baselines. These results demonstrate that structured reasoning prompts can substantially improve the reliability of natural-language-to-logic translation for legal and safety-critical applications.
• Abstract（参考訳）: 交通規制は人間の解釈のために書かれており、それゆえ、あいまいさ、文脈依存、意味的過小評価を本質的に導入する、共通の背景知識と柔軟な表現に依存している。 これらの言語特性は、明示的な論理構造を必要とするPrologのような計算推論エンジンが必要とする精度と矛盾する。 本研究では、自然言語からPrologへの翻訳手法(NL-rightarrow Prolog$)と論理英語からPrologへの翻訳手法(LE-rightarrow Prolog$)を評価し、Structured Four-Stage Legal Translation(S4L-rightarrow Prolog$)と呼ばれる新たな推論誘導翻訳フレームワークを導入する。 提案するS4Lフレームワークは,1つのガイド付きプロンプト内でセマンティックロール抽出,シーン補完,論理マッピング,プロログルール生成を行う。 20の実世界の交通ルールからなるベンチマークを用いて,各アプローチを統語的妥当性,意味的正確性,論理的完全性の観点から評価した。 S4L\rightarrow Prolog$は、ルールの75%を正しく定式化し、$NL\rightarrow Prolog$は60%、$LE\rightarrow Prolog$は55%に達する。 定性的分析により、S4Lは基線よりも暗黙の因果関係、非音節的モダリティ、例外構造をより確実に捉えていることが示された。 これらの結果は、構造化推論プロンプトが、法的・安全クリティカルなアプリケーションに対する自然言語-論理翻訳の信頼性を大幅に向上することを示した。

関連論文リスト

• DeonticBench: A Benchmark for Reasoning over Rules [52.69517904415795]
  DEONTICBENCHは、アメリカ合衆国連邦政府の税、航空会社の荷物政策、移民管理、および合衆国の住宅法に関する6,232のタスクのベンチマークである。 これは、実世界のドメインにおいて、象徴的および非象徴的な設定の下でコンテキスト基底ルール推論を研究するためのベンチマークである。
  論文  参考訳（メタデータ） (2026-04-06T05:41:02Z)
• NL2LOGIC: AST-Guided Translation of Natural Language into First-Order Logic with Large Language Models [5.211983629897431]
  我々は一階述語論理翻訳フレームワークNL2LOGICを提案する。 LogicNLIの実験では、抽象ProofWriterベンチマークにより、NL2LOGICは99%の構文的精度を実現し、最先端のベースラインに対して最大30%のセマンティックな正確性向上を実現している。 NL2LOGICをLogic-LMに組み込むことでほぼ完全な実行性が得られ、Logic-LMのオリジナルの数発の制約のない翻訳モジュールと比較して下流の推論精度が31%向上する。
  論文  参考訳（メタデータ） (2026-01-29T14:51:32Z)
• Training LLMs with LogicReward for Faithful and Rigorous Reasoning [75.30425553246177]
  定理証明器を用いてステップレベルの論理的正しさを強制することでモデルトレーニングを指導する報酬システムであるLogicRewardを提案する。 LogicRewardで構築されたデータに基づいてトレーニングされた8Bモデルは、GPT-4oとo4-miniを11.6%、自然言語推論と論理的推論タスクで2%超えた。
  論文  参考訳（メタデータ） (2025-12-20T03:43:02Z)
• LLM-Assisted Formalization Enables Deterministic Detection of Statutory Inconsistency in the Internal Revenue Code [0.0]
  本研究では, 複素法則の不整合を決定論的に検出する, ハイブリッド型ニューロシンボリック・フレームワークを提案する。 我々は、米国内国歳入法(IRC)をケーススタディとして使用しています。
  論文  参考訳（メタデータ） (2025-11-15T00:05:02Z)
• LOGicalThought: Logic-Based Ontological Grounding of LLMs for High-Assurance Reasoning [33.30049437667383]
  高精度な推論には、正確で検証可能で証拠に根ざした結論が必要である。 本稿では, LOGicalThought と呼ばれる新しいニューロシンボリック・グラウンドアーキテクチャを提案する。 高度な論理言語と論理理論をLLMと組み合わせて、二重の記号グラフコンテキストと論理ベースのコンテキストを構築する。
  論文  参考訳（メタデータ） (2025-10-02T00:06:23Z)
• Advancing Natural Language Formalization to First Order Logic with Fine-tuned LLMs [0.0]
  予測可用性はパフォーマンスを15～20%向上させる。 モデルは特定の訓練をせずに、目に見えない論理的議論に一般化する。 構造論理の翻訳は堅牢であるが、述語抽出が主要なボトルネックとして現れる。
  論文  参考訳（メタデータ） (2025-09-26T13:30:50Z)
• From Language to Logic: A Bi-Level Framework for Structured Reasoning [6.075080928704587]
  自然言語入力に対する構造化推論は、人工知能における中核的な課題である。 本稿では,ハイレベルなタスク抽象化と低レベルなロジック生成という2段階のプロセスを通じて,言語を論理にマッピングする新しいフレームワークを提案する。 提案手法は既存のベースラインの精度を著しく上回り,精度は最大40%向上した。
  論文  参考訳（メタデータ） (2025-07-11T11:24:09Z)
• LogicAsker: Evaluating and Improving the Logical Reasoning Ability of Large Language Models [63.14196038655506]
  大規模言語モデル(LLM)の論理的推論能力を評価・拡張するための新しいアプローチであるLogicAskerを紹介する。 提案手法は, LLMが論理規則を学習する際の大きなギャップを明らかにし, 異なるモデル間で29%から90%の推論失敗を識別する。 GPT-4oのようなモデルにおける論理的推論を最大5%向上させることで、これらの知見を活用して、ターゲットとなる実演例と微調整データを構築した。
  論文  参考訳（メタデータ） (2024-01-01T13:53:53Z)
• Neuro-Symbolic Integration Brings Causal and Reliable Reasoning Proofs [95.07757789781213]
  LLMの複雑な推論には2行のアプローチが採用されている。 1行の作業は様々な推論構造を持つLLMを誘導し、構造出力は自然に中間推論ステップと見なすことができる。 他方の行では、LCMのない宣言的解法を用いて推論処理を行い、推論精度は向上するが、解法のブラックボックスの性質により解釈性に欠ける。 具体的には,Prologインタプリタが生成した中間検索ログにアクセスし,人間可読推論に解釈可能であることを示す。
  論文  参考訳（メタデータ） (2023-11-16T11:26:21Z)
• Logic-Driven Context Extension and Data Augmentation for Logical Reasoning of Text [65.24325614642223]
  論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。 このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。 本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
  論文  参考訳（メタデータ） (2021-05-08T10:09:36Z)

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。