論文の概要: LawCompass: Navigating from Legal QA to Multi-Agent Deep Research with Grounded Evidence
- arxiv url: http://arxiv.org/abs/2610.01027v1
- Date: Thu, 01 Oct 2026 04:16:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.891853
- Title: LawCompass: Navigating from Legal QA to Multi-Agent Deep Research with Grounded Evidence
- Title（参考訳）: LawCompass: 根拠に基づく法的なQAからマルチエージェントなディープリサーチへ
- Abstract要約: 法律は、法的QA、専門的検索、深層研究の3つのタスク指向機能を提供している。
法は全てのモジュールに対して明示的な引用リンクを維持しており、ユーザーは元の法的ソースに対してシステムアウトプットを直接検証することができる。
- 参考スコア（独自算出の注目度）: 19.812656526764837
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in Large Language Models (LLMs) and Retrieval-Augmented Generation (RAG) have significantly democratized access to legal information. Nevertheless, most existing legal assistants remain confined to multi-turn conversational QA, failing to support complex legal tasks that require systematic evidence retrieval, multi-step reasoning, and report-level synthesis. In this paper, we present LawCompass, an evidence-grounded legal assistant that navigates the transition from standard Legal QA to multi-agent deep research. LawCompass provides three task-oriented functions: Legal QA, which delivers precise, evidence-backed answers to legal questions; Professional Retrieval, which enables structured exploration of statutes and judicial cases via query rewriting; and Deep Research, which employs a multi-agent workflow to decompose complex legal tasks and synthesize comprehensive research reports. Crucially, LawCompass maintains explicit citation links across all modules, empowering users to directly verify system outputs against original legal sources. Evaluation results demonstrate that LawCompass provides a practical and scalable paradigm for transforming conversational AI into trustworthy and evidence-grounded legal research assistance.
- Abstract（参考訳）: 近年のLarge Language Models (LLMs) とRetrieval-Augmented Generation (RAG) は、法情報へのアクセスを著しく民主化している。
しかしながら、既存のほとんどの法的アシスタントは多ターン会話型QAに限定されており、体系的な証拠検索、多段階推論、レポートレベルの合成を必要とする複雑な法的タスクをサポートしない。
本稿では,標準法QAからマルチエージェントディープリサーチへの移行をナビゲートする根拠に基づく法律アシスタントであるLawCompassを提案する。
LawCompassは3つのタスク指向機能を提供している: 法的なQAは、法的な質問に対して正確で証拠に支えられた回答を提供する、Professional Retrievalは、クエリ書き換えを通じて法規と司法事件を構造化した探索を可能にする、Deep Researchは、複雑な法的タスクを分解し、包括的な研究報告を合成する、マルチエージェントワークフローを利用する。
重要な点として、LawCompassはすべてのモジュールに対して明示的な引用リンクを維持し、ユーザが元の法的ソースに対してシステムアウトプットを直接検証できるようにする。
評価結果は、LawCompassが会話AIを信頼できる根拠に基づく法的研究支援に変換するための実用的でスケーラブルなパラダイムを提供することを示している。
関連論文リスト
- Maat: The Agentic Legal Research Assistant for Competition Protection [0.0]
Maatは、研究プロセスのさまざまなタスクに対応するツールをオーケストレーションする。
RAGを信頼性に用いた公式資料の事例と調査結果を根拠にしている。
リッチなインライン引用を提供し、データベースのカバレッジが不十分な場合、Web検索にフォールバックし、ユーザに明確化を促す。
論文 参考訳（メタデータ） (2026-05-26T17:38:26Z) - NyayaAI: An AI-Powered Legal Assistant Using Multi-Agent Architecture and Retrieval-Augmented Generation [0.7974340311137328]
インドにおける法的な情報は、法律言語が複雑で法的な文書が大量にあるため、ほとんどアクセスできないままである。
本稿では,弁護士,法学部生,一般ユーザを対象に,AIを活用した法律アシスタントであるNyayaAIについて述べる。
論文 参考訳（メタデータ） (2026-05-11T08:04:07Z) - 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) - L-MARS: Legal Multi-Agent Workflow with Orchestrated Reasoning and Agentic Search [3.662162441273026]
L-MARS(Legal Multi-Agent with Orchestrated Reasoning and Agentic Search)は、法的な質問応答における幻覚と不確実性を低減するシステムである。
単一パス検索拡張生成(RAG)とは異なり、L-MARSはクエリをサブプロブレムに分解する。
審査員を雇い、回答合成前の十分性、司法権、時間的妥当性を検証する。
論文 参考訳（メタデータ） (2025-08-31T09:23:26Z) - A Reasoning-Focused Legal Retrieval Benchmark [28.607778538115642]
本稿では,Bar Exam QAとHousing Statute QAの2つの新しい法的RAGベンチマークを紹介する。
以上の結果から,法的なRAGは依然として困難な応用であり,今後の研究の動機となることが示唆された。
論文 参考訳（メタデータ） (2025-05-06T20:44:03Z) - Learning Interpretable Legal Case Retrieval via Knowledge-Guided Case Reformulation [22.85652668826498]
本稿では,大言語モデル(LLM)に基づく法的な知識誘導型事例修正手法であるKELLERを紹介する。
犯罪や法律記事に関する専門的な法的知識を取り入れることで、大規模な言語モデルにより、原訴訟を犯罪の簡潔なサブファクトに正確に修正することができる。
論文 参考訳（メタデータ） (2024-06-28T08:59:45Z) - InternLM-Law: An Open Source Chinese Legal Large Language Model [72.2589401309848]
InternLM-Lawは、中国法に関する様々な法的クエリに対処するための特殊なLLMである。
われわれは、中国法域に100万以上のクエリを含むデータセットを慎重に構築する。
InternLM-LawはLawBench上で最高の平均性能を達成し、20サブタスク中13サブタスクでGPT-4を含む最先端モデルを上回っている。
論文 参考訳（メタデータ） (2024-06-21T06:19:03Z) - SAILER: Structure-aware Pre-trained Language Model for Legal Case
Retrieval [75.05173891207214]
判例検索は知的法体系において中心的な役割を果たす。
既存の言語モデルの多くは、異なる構造間の長距離依存関係を理解するのが難しい。
本稿では, LEgal ケース検索のための構造対応プレトランザクショナル言語モデルを提案する。
論文 参考訳（メタデータ） (2023-04-22T10:47:01Z) - How Does NLP Benefit Legal System: A Summary of Legal Artificial
Intelligence [81.04070052740596]
法律人工知能(Legal AI)は、人工知能、特に自然言語処理の技術を適用して、法的領域におけるタスクに役立てることに焦点を当てている。
本稿では,LegalAIにおける研究の歴史,現状,今後の方向性について紹介する。
論文 参考訳（メタデータ） (2020-04-25T14:45:15Z)
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。