論文の概要: LAURA: Knowledge Distillation for Interpretable Ambiguous Clause Identification in Legal Contracts
- arxiv url: http://arxiv.org/abs/2609.36707v1
- Date: Tue, 29 Sep 2026 04:45:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.19168
- Title: LAURA: Knowledge Distillation for Interpretable Ambiguous Clause Identification in Legal Contracts
- Title（参考訳）: LAURA:法定契約における解釈可能な曖昧なクローズ識別のための知識蒸留
- Abstract要約: 法律契約には、企業を財務リスクや法的リスクに晒すあいまいさが含まれている。
あいまいな節を識別するための学習後フレームワークであるLAURAを提案する。
- 参考スコア（独自算出の注目度）: 9.775239454405698
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Legal contracts contain ambiguities that expose enterprises to financial and legal risks. Some ambiguities allow flexible interpretation without triggering disputes, while others lead to significant legal conflicts. This makes identification alone insufficient, and interpretable rationale analysis essential. We propose LAURA, a post-training framework for interpretable ambiguous clause identification. LAURA leverages knowledge distillation with an IRAC-Unlearning prompting technique to transfer knowledge from a teacher LLM to an open-weight student model (<=1B parameters), which is then trained using a joint objective combining classification and rationale generation losses. The framework supports both legal and non-legal stakeholders in making informed decisions about which ambiguities require further attention. Extensive experiments across 7 baselines and 7 open-weight models demonstrate that LAURA with Flan-T5 (250M) delivers state-of-the-art interpretability over all interpretable baselines while matching the identification performance of the best-performing opaque baseline.
- Abstract（参考訳）: 法律契約には、企業を財務リスクや法的リスクに晒すあいまいさが含まれている。
いくつかの曖昧さは、論争を引き起こすことなく柔軟な解釈を可能にし、他のものは重大な法的紛争を引き起こす。
これにより、識別だけでは不十分であり、解釈可能な合理的分析が不可欠である。
あいまいな節を識別するための学習後フレームワークであるLAURAを提案する。
LAURAは、知識蒸留をIRAC-Unlearningプロンプト技術で活用し、教師のLLMからオープンウェイトな学生モデル(=1Bパラメータ)に知識を伝達し、分類と合理的な生成損失を組み合わせた共同目的を用いて訓練する。
このフレームワークは、あいまいさがさらなる注意を必要とするかについての情報的な決定を行う際に、法的な利害関係者と非法的な利害関係者の両方をサポートする。
7つのベースラインと7つのオープンウェイトモデルにわたる広範囲な実験により、LAURAとFlan-T5(250M)は全ての解釈可能なベースラインに対して最先端の解釈可能性を提供し、最も優れた不透明なベースラインの識別性能と一致することを示した。
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) - 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) - Judicial Requirements for Generative AI in Legal Reasoning [0.0]
大規模言語モデル(LLM)はプロのドメインに統合されているが、法律のような高度な分野における制限は理解されていない。
本稿では、AIシステムが司法判断における信頼性の高い推論ツールとして機能しなければならない中核機能について述べる。
論文 参考訳（メタデータ） (2025-08-26T09:56:26Z) - 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) - A Law Reasoning Benchmark for LLM with Tree-Organized Structures including Factum Probandum, Evidence and Experiences [76.73731245899454]
本稿では,階層的なファクトラム,証拠,暗黙的な経験に富む透明な法理推論スキーマを提案する。
このスキーマにインスパイアされた課題は、テキストのケース記述を取り込み、最終決定を正当化する階層構造を出力する。
このベンチマークは、Intelligent Courtにおける透明で説明可能なAI支援法推論の道を開く」。
論文 参考訳（メタデータ） (2025-03-02T10:26:54Z) - Interrogating LLM design under a fair learning doctrine [20.39965179564421]
トレーニング決定がモデルの記憶に重大な影響を及ぼすかどうかを測定することで「フェアラーニング」という概念を運用する。
フェアラーニングのための法的な標準を提案し、記憶分析をこの標準に結びつける。
論文 参考訳（メタデータ） (2025-02-22T16:41:11Z) - Artificial Intelligence and Legal Analysis: Implications for Legal Education and the Profession [0.0]
本稿では,法的および非法的大規模言語モデルが法的解析を行う能力について検討した結果を報告する。
その結果, LLMは基本的なIRAC分析を行うことができるが, 詳細を欠いた短時間の応答, 回答にコミットできないこと, 虚偽の自信, 幻覚によって制限されることがわかった。
論文 参考訳（メタデータ） (2025-02-04T19:50:48Z) - 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) - Leveraging Large Language Models for Relevance Judgments in Legal Case Retrieval [16.29803062332164]
本稿では,大規模言語モデルによる専門家による関連判断の生成を支援する,数ショットのアプローチを提案する。
提案手法は,人間のアノテータのワークフローを模倣して,判断過程をいくつかの段階に分解する。
また、解釈可能なデータラベリングを保証し、関連性評価プロセスにおける透明性と明確性を提供します。
論文 参考訳（メタデータ） (2024-03-27T09:46:56Z)
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。