論文の概要: JusticeAxis: Benchmarking Legal Judgment between Rigid Rule Application and Ungrounded Discretion

• arxiv url: http://arxiv.org/abs/2610.00353v1
• Date: Wed, 30 Sep 2026 00:17:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.617429
• Title: JusticeAxis: Benchmarking Legal Judgment between Rigid Rule Application and Ungrounded Discretion
• Title（参考訳）: JusticeAxis: Rigid Rule ApplicationとUngrounded Discretionの間の法的判断のベンチマーク
• Abstract要約: 我々は、法的判断を基準付課題として定式化する。 我々は、オーディオ、画像、テキストエビデンスを持つ18カ国の現実の刑事事件256件について、ジャスティスアクシスを紹介します。 本稿では,要素エージェントが事実を立証し,判断エージェントが経験を積んだ技術の下で法律を適用するためのハーネスであるJiceAgentを提案する。
• 参考スコア（独自算出の注目度）: 12.03544402402927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A sound judgment applies the law to established facts and weighs the circumstances in which they arose. However, existing methods swing between rigid statute matching and ungrounded discretion, benchmarks score a label or a rubric, and the experience that would supply the balance stays unverified. We formalize legal judgment as a reference-anchored task, whose object is a single decision that stays tied to the statute and to the circumstances at once. We introduce JusticeAxis, 256 real-world criminal cases from 18 countries with audio, image, and text evidence, and three lawyer-written judgments for every case: the recorded one and one for each failure. We further propose JusticeAgent, a harness whose element agents establish the facts and whose judge agent applies the law under skills carrying experience of the circumstances. Skills are distilled from execution trajectories and admitted only under Bayesian credible bounds. Experiments show that failure turns direction with scale: open-weight backbones drift to unsupported grounds, frontier models to the statutory default. We further verify that JusticeAgent, as a simple yet effective plugin, carries a frozen open-weight backbone to commercial level. Project resources are available at https://github.com/beita6969/JusticeAxis.
• Abstract（参考訳）: 健全な判断は、その法則を確立された事実に適用し、それらが生じた状況を評価する。 しかし、既存の手法は厳格な規則マッチングと未定の判断の間で揺れ、ベンチマークはラベルまたはルーリックをスコアし、残高を供給するような経験は検証されていないままである。 我々は、法律上の判断を基準付課題として定式化し、その対象は、法令と状況に同時に結びついている単一の決定である。 我々は、ジャスティスアクシス、オーディオ、画像、テキストの証拠を持つ18カ国の現実世界の刑事事件256件、そしてすべての事件について3件の弁護士による判決(障害毎に記録された1件と1件)を紹介する。 さらに、要素エージェントが事実を立証し、審査エージェントが状況経験を積んだ技術の下で法律を適用するためのハーネスであるジャスティス・アジェントを提案する。 技術は実行軌道から蒸留され、ベイズ的信用境界の下でのみ認められる。 オープンウェイトなバックボーンはサポート対象のグラウンドにドリフトし、フロンティアモデルは法定デフォルトになる。 JusticeAgentはシンプルだが効果的なプラグインであり、凍結したオープンウェイトなバックボーンを商用レベルに持っていく。 プロジェクトのリソースはhttps://github.com/beita6969/JusticeAxis.comで入手できる。

関連論文リスト

• Legal LLM Hallucination Should Be Evaluated as Failure of Legal Warrant [13.301902879196478]
  法的なLLMの幻覚は、事実的不正確性や引用的失敗よりも、法的令状の失敗として評価されるべきである。 我々は,クレーム-オーソリティ令状を,関連する司法管轄区域に該当し,分析の日付の現在であり,システムに代表される法的地位を有し,主張する主張を支持する,連続的法的クレームと権限の間の文脈依存的な関係として定義する。
  論文  参考訳（メタデータ） (2026-07-15T09:15:22Z)
• Falkor-IRAC: Graph-Constrained Generation for Verified Legal Reasoning in Indian Judicial AI [0.0]
  本稿では,インド法定AIのためのグラフ制約付き生成フレームワークであるFalkor-IRACを提案する。 IRAC(Issue, Rule, Analysis, Conclusion)知識グラフ上の構造化推論の基盤となる。 有能な前例、時代遅れの法的な引用、そしてサポートされない推論チェーンは、LLMベースの法的なAIにおいて永続的な障害モードのままである。
  論文  参考訳（メタデータ） (2026-05-14T10:19:23Z)
• 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)
• A Coin Flip for Safety: LLM Judges Fail to Reliably Measure Adversarial Robustness [57.510025257780306]
  既存の検証プロトコルは、レッドチーム固有の分散シフトを考慮できないことを示す。 我々は、より一貫して判断可能な振る舞いのベンチマークであるReliableBenchと、判断失敗を公開するために設計されたデータセットであるJiceStressTestを提案する。
  論文  参考訳（メタデータ） (2026-02-04T15:13:35Z)
• Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation [76.5533899503582]
  大規模言語モデル(LLM)は、エージェントのパフォーマンスを評価するために、ますます裁判官として使われている。 このパラダイムは、エージェントのチェーン・オブ・シークレット(CoT)推論が内部の推論と環境状態の両方を忠実に反映していることを暗黙的に仮定している。 我々は、操作された推論だけで、様々なWebタスクにまたがる800の軌跡に対して、最先端のVLM審査員の偽陽性率を最大90%向上させることができることを実証した。
  論文  参考訳（メタデータ） (2026-01-21T06:07:43Z)
• AppellateGen: A Benchmark for Appellate Legal Judgment Generation [30.9030336647868]
  7,351対のケースペアからなる第2のインスタンス法定判断生成のためのベンチマークであるAppellateGenを紹介する。 このタスクは、最初の評決と明らかな更新について推論することで、法的に拘束力のある判断を起草するモデルを必要とする。 本稿では,SOPに基づく法的マルチエージェントシステム(SLMAS)を提案し,その生成過程を個別の課題識別,検索,起草の段階に分解する。
  論文  参考訳（メタデータ） (2026-01-04T02:15:17Z)
• 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)
• MUSER: A Multi-View Similar Case Retrieval Dataset [65.36779942237357]
  類似事例検索(SCR)は、司法公正の促進に重要な役割を果たす代表的法的AIアプリケーションである。 既存のSCRデータセットは、ケース間の類似性を判断する際にのみ、事実記述セクションにフォーカスする。 本稿では,多視点類似度測定に基づく類似事例検索データセットMと,文レベル法定要素アノテーションを用いた包括的法定要素を提案する。
  論文  参考訳（メタデータ） (2023-10-24T08:17:11Z)
• Equality before the Law: Legal Judgment Consistency Analysis for Fairness [55.91612739713396]
  本論文では,LInCo(Legal Inconsistency Coefficient)の判定不整合性評価指標を提案する。 法的な判断予測(LJP)モデルを用いて異なる集団の裁判官をシミュレートし、異なる集団で訓練されたLJPモデルによる判断結果の不一致を判断する。 私達はLInCoを実際の場合の不一致を探検するために使用し、次の観察に来ます:(1)地域およびジェンダーの不一致は法制度でありますが、ジェンダーの不一致は地方不一致より大いにより少しです。
  論文  参考訳（メタデータ） (2021-03-25T14:28:00Z)

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。