Fugu-MT 論文翻訳(概要): A decision-support system applied to Law: Reasoning and explainability of the decision

論文の概要: A decision-support system applied to Law: Reasoning and explainability of the decision

arxiv url: http://arxiv.org/abs/2609.35370v1
Date: Mon, 28 Sep 2026 15:10:55 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-02 06:03:08.334471
Title: A decision-support system applied to Law: Reasoning and explainability of the decision
Title（参考訳）: 法律に適用される意思決定支援システム:意思決定の推論と説明可能性
Abstract要約: 本稿では,決定の妥当性に焦点をあてて,規則から正式な規則を運用するための枠組みについて述べる。シンボリックAIとSPARQLクエリ言語が法的推論をどのようにサポートするかを紹介する。
参考スコア（独自算出の注目度）: 0.9624643581968987
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The emergence of the digital transition brought an increasing need to control the processing of digital information, including in Law Enforcement Agencies (LEAs). At the EU level, in recent years, many regulations have emerged to control data processing and exchange. Texts other than the GDPR, such as the ''Law Enforcement Directive (LED)'', appeared to regulate specifically how Law Enforcement Agencies (LEAs) could process data. A formal representation of these regulations can be part of decision systems that support LEAs in processing data in compliance with the regulations. Although many new formalisms have emerged to represent legal norms and rules, few are provided with a reasoning mechanism. Furthermore, systems used in decision-making processes in critical contexts such as medical diagnoses or legal decisions cannot be fully automated, and the explainability of their results is essential to ensure user confidence in decisions. This explainability aspect, while crucial, is lacking in most modern approaches that rely on machine learning. This paper describes a framework to operate formal rules from regulations, by focusing on explainability of the decision. After describing the general architecture of the proposed decision support framework, the paper showcases how symbolic AI and the SPARQL query language can support legal reasoning. It then describes an algorithm to generate a justification for the reasoning results, and outlines the procedure to be followed when the reasoning does not lead to a satisfactory conclusion. We notably focus on a method based on decision trees to determine what additional information to request from the user.
Abstract（参考訳）: デジタル移行の出現は、法執行機関(LEAs)を含むデジタル情報の処理を制御する必要性が高まった。 EUレベルでは、近年、データ処理と交換を制御するための多くの規制が出現している。 GDPR以外のテキスト、例えば 'Law Enforcement Directive (LED)' は、法執行機関 (LEAs) がどのようにデータを処理できるかを具体的に規定している。これらの規則の正式な表現は、規則に従ってデータを処理する際にLEAをサポートする決定システムの一部となることができる。法的な規範や規則を表すために多くの新しい形式主義が登場したが、推論機構が提供されるものはほとんどない。さらに、医療診断や法的判断などの重要な文脈における意思決定プロセスに使用されるシステムは、完全に自動化できない。この説明可能性の側面は、しかしながら、機械学習に依存するほとんどの現代的なアプローチに欠けている。本稿では,決定の妥当性に焦点をあてて,規則から正式な規則を運用するための枠組みについて述べる。提案する意思決定支援フレームワークの一般的なアーキテクチャを説明した後、シンボリックAIとSPARQLクエリ言語が法的推論をどのようにサポートするかを示した。次に、推論結果の正当化を生成するアルゴリズムを説明し、推論が満足のいく結論に至らない場合に従う手順を概説する。ユーザが要求する追加情報を決定するために,決定木に基づく手法に特に注目する。

関連論文リスト

XAI-LAW: A Logic Programming Tool for Modeling, Explaining, and Learning Legal Decisions [0.5672012177310438]
我々は、Answer Set Programming (ASP) を用いたイタリア刑事法典(ICC)の記事のモデル化手法を提案する。開発ツールは、理屈と法的結果を提供することで、刑事裁判期間中の法的専門家を支援することを意図している。
論文参考訳（メタデータ） (2026-01-07T12:07:30Z)
A Neuro-Symbolic Framework for Accountability in Public-Sector AI [0.0]
この論文は、システム生成決定の正当化とCalFreshの法定制約を結びつける法的根拠のある説明可能性フレームワークを開発する。事例評価は、法的に矛盾した説明を検出できるフレームワークの能力、侵害された適格性規則の強調、手続き的説明責任のサポートを示す。
論文参考訳（メタデータ） (2025-12-13T00:53:26Z)
Argumentation-Based Explainability for Legal AI: Comparative and Regulatory Perspectives [0.9668407688201359]
人工知能(AI)システムは、法的文脈においてますます多くデプロイされている。いわゆる「ブラックボックス問題」は、自動意思決定の正当性を損なう。 XAIは透明性を高めるための様々な方法を提案している。
論文参考訳（メタデータ） (2025-10-13T07:19:15Z)
GLARE: Agentic Reasoning for Legal Judgment Prediction [60.13483016810707]
法学分野では、法的判断予測(LJP)がますます重要になっている。既存の大規模言語モデル (LLM) には、法的な知識が不足しているため、推論に不十分な重大な問題がある。 GLAREは,異なるモジュールを呼び出し,重要な法的知識を動的に獲得するエージェント的法的推論フレームワークである。
論文参考訳（メタデータ） (2025-08-22T13:38:12Z)
DecisionFlow: Advancing Large Language Model as Principled Decision Maker [49.088778182807395]
DecisionFlowは、モデルにアクション、属性、制約の構造化された表現を推論するように誘導する、新しい決定モデリングフレームワークである。プロンプトから直接回答を予測するのではなく、DecisionFlowは意味論的に根拠のある決定空間を構築し、潜在ユーティリティ関数を推論する。実験の結果,DecisionFlowの精度は,強いプロンプトベースラインよりも最大30%向上した。
論文参考訳（メタデータ） (2025-05-27T16:23:53Z)
Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
論文参考訳（メタデータ） (2025-01-20T08:40:15Z)
RIRAG: Regulatory Information Retrieval and Answer Generation [51.998738311700095]
本稿では,質問を自動生成し,関連する規制通路と組み合わせる,問合せペアを生成するタスクを紹介する。我々は、Abu Dhabi Global Markets (ADGM) の財務規制文書から得られた27,869の質問を含むObliQAデータセットを作成する。本稿では,RIRAG(Regulation Information Retrieval and Answer Generation)システムをベースラインとして設計し,新しい評価基準であるRePASを用いて評価する。
論文参考訳（メタデータ） (2024-09-09T14:44:19Z)
Inverse Online Learning: Understanding Non-Stationary and Reactionary Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。 UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文参考訳（メタデータ） (2022-03-14T17:40:42Z)
Reviewable Automated Decision-Making: A Framework for Accountable Algorithmic Systems [1.7403133838762448]
本稿では,adm(automated and algorithmic decision-making)のアカウンタビリティ向上のためのフレームワークとして,reviewabilityを提案する。我々は、ADMを人間と技術の両方の要素を含む社会技術的プロセスであると理解し、決定が下される前に開始し、決定そのものを超えて拡張する。我々は、人間の意思決定をレビューする行政法のアプローチに基づいたレビュー可能性枠組みは、admに対してより包括的かつ法的に関連のある説明責任の形式を進めるための実用的な方法であると主張する。
論文参考訳（メタデータ） (2021-01-26T18:15:34Z)

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。