論文の概要: Legal-R1: Agentic Retrieval for Evidence-Based Legal Reasoning

• arxiv url: http://arxiv.org/abs/2610.18611v1
• Date: Tue, 13 Oct 2026 15:59:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 20:30:33.830418
• Title: Legal-R1: Agentic Retrieval for Evidence-Based Legal Reasoning
• Title（参考訳）: Legal-R1: 証拠に基づく法的推論のためのエージェント検索
• Abstract要約: Legal-R1は証拠に基づく法的推論のためのエージェント検索フレームワークである。 弁護士のエージェントは、いつ取得するか、どの法的ソースを問い合わせるべきか、どの証拠を求めるべきか、そして収集された証拠が十分であるかを学習する。 法律アシスタントエージェントは、権限を意識し、多様性を意識した、規範的な法的資料や前例から検索する。 審査員は、完全な証拠軌跡から最終回答を生成する。
• 参考スコア（独自算出の注目度）: 30.86406451915114
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Legal question answering requires answers that are not only plausible, but also grounded in legally valid and citable evidence. Standard retrieval-augmented generation often relies on one-shot semantic matching, which is insufficient when legal evidence must be selected according to authority, applicability, and diversity across heterogeneous sources. We introduce Legal-R1, an agentic retrieval framework for evidence-based legal reasoning. Legal-R1 decomposes legal reasoning into a multi-agent workflow, where a Lawyer agent learns when to retrieve, which legal source to query, what evidence to seek, and when the collected evidence is sufficient. A Legal Assistant agent retrieves from normative legal sources and precedent cases with authority-aware and diversity-aware selection, while a Judge agent generates the final answer from the complete evidence trajectory. We post-train only the Lawyer agent with masked supervised fine-tuning and trajectory-aware reinforcement learning. Experiments on multiple Chinese legal benchmarks show that Legal-R1 improves over general-purpose, legal-specific, and retrieval-augmented baselines.
• Abstract（参考訳）: 法的な質問に答えるには、妥当であるだけでなく、法的に妥当で妥当な証拠にも基づく答えが必要である。 標準的な検索強化世代は、しばしばワンショットのセマンティックマッチングに依存するが、これは不均一な情報源の権威、適用性、多様性に応じて法的証拠を選ばなければならない場合に不十分である。 本稿では,証拠に基づく法的推論のためのエージェント検索フレームワークであるLegal-R1を紹介する。 R1法は、法律的な推論をマルチエージェントのワークフローに分解し、弁護士は、いつ取得するか、どの法的なソースをクエリし、どの証拠を求め、収集された証拠が十分であるかを学習する。 法律アシスタントエージェントは、権限を意識し、多様性を意識した、規範的な法的資料や前例から検索し、裁判官エージェントは、完全な証拠軌跡から最終回答を生成する。 我々は,マスク付き微調整・軌跡認識強化学習を施した弁護士エージェントのみをポストトレインで実施した。 複数の中国の法律ベンチマークの実験では、法-R1は汎用性、法特性、検索強化ベースラインよりも改善されている。

関連論文リスト

• LawCompass: Navigating from Legal QA to Multi-Agent Deep Research with Grounded Evidence [19.812656526764837]
  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。
  論文  参考訳（メタデータ） (2026-10-01T04:16:08Z)
• 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)
• ReaKase-8B: Legal Case Retrieval via Knowledge and Reasoning Representations with LLMs [37.688405624086315]
  ReaKase-8Bフレームワークは、抽出された法的事実、法的問題、法的関係のトリプレット、および効果的な訴訟検索のための法的推論を活用するために提案されている。 COLIEE 2022とCOLIEE 2023による2つのベンチマークデータセットの実験により、我々の知識と拡張埋め込みの推論が検索性能を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-10-30T06:35:36Z)
• ClaimGen-CN: A Large-scale Chinese Dataset for Legal Claim Generation [56.79698529022327]
  法的な主張は、事件における原告の要求を言及し、法的理由づけと事件解決を導くのに不可欠である。 本稿では,その事例の事実に基づく法的クレーム生成の問題について考察する。 われわれは,中国法定クレーム生成タスクの最初のデータセットであるClaymGen-CNを構築した。
  論文  参考訳（メタデータ） (2025-08-24T07:19:25Z)
• 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)
• 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)

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。