論文の概要: GRACE: Grounded Adversarial Reasoning over Canadian Law

• arxiv url: http://arxiv.org/abs/2609.23726v1
• Date: Sun, 20 Sep 2026 16:08:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.971988
• Title: GRACE: Grounded Adversarial Reasoning over Canadian Law
• Title（参考訳）: GRACE:カナダ法に対する反逆の根拠
• Abstract要約: カナダの連邦法に基づく1,915件の質問応答のデータセットであるGRACEを紹介した。 我々は,原文を分割し,シナリオベースの質問や推論を生成し,モデル不要な引用検証によって例をフィルタリングするパイプラインを開発した。 CLeAR-4B(Canadian Legal Adversarial Reasoning, CLeAR-4B)は、法定推論のための軽量なモデルである。
• 参考スコア（独自算出の注目度）: 0.055997926295092294
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models have shown strong performance across a range of legal tasks, but existing benchmarks rarely evaluate the ability to take and defend a legal position, reason under incomplete information, or synthesize multiple statutory provisions. This gap is particularly pronounced for Canadian law, which remains underrepresented in legal NLP. We introduce GRACE (Grounded Reasoning Adversarial Canadian LEgal examples), a dataset of 1,915 question-reasoning-answer instances grounded in Canadian federal legislation. GRACE covers three reasoning modes: adversarial advocacy, uncertainty, and applied reasoning. We develop a pipeline that partitions raw statutory text, generates scenario-based questions and reasoning, and filters examples through model-free citation verification and LLM-based quality auditing. As a proof of concept, we fine-tune CLeAR-4B (Canadian Legal Adversarial Reasoning), a lightweight model for grounded legal reasoning, and evaluate it against the unmodified Qwen3-4B base model in open- and closed-book settings. CLeAR-4B substantially improves agreement with teacher outputs and statutory citation behavior when the relevant act text is provided, while its grounding degrades sharply when the statute is withheld. These results suggest that GRACE can support the development of lightweight legal models that reason more effectively from supplied statutory text.
• Abstract（参考訳）: 大規模な言語モデルは、様々な法的タスクにおいて強いパフォーマンスを示してきたが、既存のベンチマークでは、法的地位、不完全な情報の下での理由付け、および複数の法定条項を合成する能力を評価することはめったにない。 このギャップはカナダ法で特に顕著であり、合法的なNLPでは表現されていない。 カナダ連邦法に基づく1,915件の質問応答事例のデータセットであるGRACE(Grounded Reasoning Adversarial Canadian LEgal example)を紹介する。 GRACEは、敵対的擁護、不確実性、応用推論の3つの推論モードをカバーしている。 我々は,原文を分割し,シナリオベースの質問や推論を生成し,モデルフリーな引用検証とLLMベースの品質監査を通じて例をフィルタリングするパイプラインを開発した。 概念実証として, 根拠となる法推論の軽量モデルであるCLeAR-4B(Canadian Legal Adversarial Reasoning)を微調整し, 未修正のQwen3-4Bベースモデルに対して, オープンおよびクローズドな設定で評価する。 CLeAR-4Bは、関連する行為テキストが提供されると、教師の出力と法定引用行動との整合性を大幅に向上する一方、法定テキストが保持されない場合には、その接地は急激に低下する。 これらの結果から、GRACEは、供給された法令文からより効果的に推論する軽量な法モデルの開発を支援することができることが示唆された。

関連論文リスト

• 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)
• CALRK-Bench: Evaluating Context-Aware Legal Reasoning in Korean Law [6.44766672234951]
  韓国の法体系に基づく文脈対応法理推論ベンチマークCALRK-Benchを提案する。 CALRK-Benchは、モデルが法的規範の時間的正当性を識別できるかどうかを評価し、所定のケースで十分な法的情報が利用できるかどうかを判断し、法的判断のシフトの背後にある理由を理解する。
  論文  参考訳（メタデータ） (2026-03-27T11:54:23Z)
• 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)
• Not ready for the bench: LLM legal interpretation is unstable and out of step with human judgments [2.8622281002418357]
  近年の学問では、法的実践者が解釈ツールキットに大きな言語モデル(LLM)を追加することが提案されている。 この研究は、法学者や連邦判事が最近実施したLSM解釈に対する実証的な議論を提供する。 我々の英語調査は、モデルが安定した解釈判断を提供していないことを示している。
  論文  参考訳（メタデータ） (2025-10-29T10:21:25Z)
• Conditioning Large Language Models on Legal Systems? Detecting Punishable Hate Speech [3.4300974012019148]
  本稿では, 法体系における多段階の抽象化により, 潜在的に罰せられるヘイトスピーチを検出するために, LLM(Large Language Models)の条件付けに対する異なるアプローチについて検討する。 我々は、特定のソーシャルメディア投稿が、ドイツ刑事法で規定された憎しみに対する侮辱の犯罪行為に該当するか否かを分類するタスクに焦点をあてる。 その結果、モデルが条件付けられた抽象化のレベルに関係なく、ヘイトスピーチの法的評価において、モデルと法の専門家の間には依然として大きなパフォーマンスギャップがあることが判明した。
  論文  参考訳（メタデータ） (2025-06-03T15:50:27Z)
• 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)
• Explaining Legal Concepts with Augmented Large Language Models (GPT-4) [0.8924669503280334]
  我々は,法律における用語の事実的正確で明確で関連性の高い説明を生成する上で,GPT-4の性能を評価する。 GPT-4の直接適用により, 表面の非常に高品質な説明が得られることがわかった。 その結果,増悪によって品質が向上し,幻覚の問題は解消されることがわかった。
  論文  参考訳（メタデータ） (2023-06-15T21:58:18Z)
• 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)

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。