論文の概要: Legal Guidance in the Wild: How Users Seek Legal Help in Real-World LLM Conversations

• arxiv url: http://arxiv.org/abs/2610.25159v1
• Date: Sun, 18 Oct 2026 10:31:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-25 05:58:58.233337
• Title: Legal Guidance in the Wild: How Users Seek Legal Help in Real-World LLM Conversations
• Title（参考訳）: 現実世界のLLM会話で法的な援助を求める方法
• Abstract要約: 人々は、法的結果をもたらす可能性のある法的権利、義務、手続き、個人的な状況について、会話型AIモデルに尋ねる。 我々は法的なガイダンスを求めるかどうかを判断する法的なクエリの多軸分類に貢献する。 私たちは200の会話からなる人間レビューされた金の評価セットを作成します。
• 参考スコア（独自算出の注目度）: 9.844587561630805
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: People ask conversational AI models about their legal rights, obligations, procedures, and personal situations that may have legal consequences. To study this behavior, we first need to distinguish requests for legal guidance from other legally themed discussions and unrelated conversations. We contribute a multi-axis taxonomy of legal queries capturing whether legal guidance is sought, how a request is formulated, and which legal domains it concerns; apply it to 2,122 naturally occurring WildChat-1M conversations; and create a human-reviewed gold evaluation set of 200 conversations. All annotations, model checkpoints, and evaluation code are publicly available. In this enriched sample, 71.1% of conversations containing legal content seek personalized or practical guidance. Rights-and-options advice is the most common primary request type among legal-content conversations, and 25.3% of guidance-positive conversations span multiple legal topics. The gold evaluation set supports a two-stage comparison of ModernBERT-base and ModernBERT-large against a TF-IDF cascade. Our framework supports large-scale studies of legal guidance in conversational AI, and the public release of the annotated data facilitates reproducible research and future model development.
• Abstract（参考訳）: 人々は、法的結果をもたらす可能性のある法的権利、義務、手続き、個人的な状況について、会話型AIモデルに尋ねる。 この行動を研究するためには、まず法的な指導を求める要求と、他の法的にテーマ化された議論や無関係な会話とを区別する必要がある。 我々は,法的ガイダンスを求めるか否か,要求がどのように定式化され,どの法的領域が関係するかを判断し,自然発生のWildChat-1Mの会話2,122件に適用し,200件の会話を人間レビューしたゴールド評価セットを作成する。 すべてのアノテーション、モデルチェックポイント、評価コードは公開されています。 この濃縮されたサンプルでは、法的な内容を含む会話の71.1%がパーソナライズまたは実践的なガイダンスを求めている。 権利とオプションのアドバイスは、法的内容の会話の中で最も一般的な第一の要求タイプであり、ガイダンス陽性の会話の25.3%は、複数の法的トピックにまたがっている。 金の評価セットは、TF-IDFカスケードに対してModernBERT-baseとModernBERT-largeの2段階比較をサポートする。 我々のフレームワークは、会話型AIにおける法的なガイダンスの大規模研究を支援し、注釈付きデータの公開は再現可能な研究と将来のモデル開発を促進する。

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)
• AI-Assisted Moot Courts: Simulating Justice-Specific Questioning in Oral Arguments [7.808898285349819]
  そこで我々は,モットコートスタイルのトレーニングにおいて,AIモデルが正義固有の質問を効果的にシミュレートできるかどうかを検討する。 本稿では,プロンプトベースおよびエージェントによる口頭弁論シミュレータの構築と評価を行う。 シミュレーションされた質問は、人間アノテータによって現実的と見なされることが多く、基礎的な真実の実質的な法的問題への高いリコールが達成されている。
  論文  参考訳（メタデータ） (2026-03-05T01:45:28Z)
• 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)
• LeCoDe: A Benchmark Dataset for Interactive Legal Consultation Dialogue Evaluation [68.26911563519162]
  法的協議は、個人の権利を保護し、司法へのアクセスを確保するために不可欠である。 現在のシステムは、現実世界のコンサルティングの対話的かつ知識集約的な性質を扱うのに不足している。 LeCoDeは3,696件の法的相談対話と110,008件の対話を含む実世界のマルチターンベンチマークデータセットである。
  論文  参考訳（メタデータ） (2025-05-26T08:24:32Z)
• LEXam: Benchmarking Legal Reasoning on 340 Law Exams [76.3521146499006]
  textscLEXamは,法科116科の法科試験を対象とする340件の法科試験を対象とする,新しいベンチマークである。 このデータセットは、英語とドイツ語で4,886の法試験質問で構成されており、その中には2,841の長文のオープンエンド質問と2,045の多重選択質問が含まれている。 この結果から,モデル間の差分化におけるデータセットの有効性が示唆された。
  論文  参考訳（メタデータ） (2025-05-19T08:48:12Z)
• Bringing legal knowledge to the public by constructing a legal question bank using large-scale pre-trained language model [5.4204929130712145]
  法的な知識を一般人にもたらすための3段階のアプローチを定式化します。 まず、選択したセクションをスニペットに変換する(CLICページと呼ばれる)。 第2に,CLICページで回答が得られた法的質問の集合である法定質問銀行(LQB)を構築した。 第3に,対話型CLICレコメンダ(CRec)を設計する。
  論文  参考訳（メタデータ） (2025-05-07T05:07:38Z)
• Natural Language Processing for the Legal Domain: A Survey of Tasks, Datasets, Models, and Challenges [7.767611860493713]
  本調査は,手動フィルタリング後の131項目を最終選択した154の研究をレビューし,システムレビューおよびメタ分析フレームワークの優先報告項目に従う。 法律分野におけるNLPに関する基礎概念を探求し、法律文書の処理の独特な側面と課題を詳述する。 本稿では, 文書要約, エンティティ認識, 質問回答, 議論マイニング, テキスト分類, 判断予測など, 法的テキストに特有のNLPタスクの概要について述べる。
  論文  参考訳（メタデータ） (2024-10-25T01:17:02Z)
• Experimenting with Legal AI Solutions: The Case of Question-Answering for Access to Justice [32.550204238857724]
  我々は、データソーシング、推論、評価を対象とする、人間中心の法的NLPパイプラインを提案する。 雇用法から刑事法まで、実際のおよび特定の法的問題を含むデータセット、LegalQAをリリースする。 列車セット内の850個の引用のみからの検索増強生成は、インターネット全体の検索に適合または優れることを示す。
  論文  参考訳（メタデータ） (2024-09-12T02:40:28Z)

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。