要旨: 法的相談の質問応答（Legal CQA）は、従来の法的QAタスクと比べて、質の高い学習データの不足、複雑なタスク構成、強い文脈依存性など、独自の課題を抱えています。これらに対処するために、専門家によって検証された肯定および否定の応答を注釈として付与した、実世界の中国語法務クエリ4万3,000件超からなる大規模データセットJurisCQADを構築し、さらに各クエリを、エンティティ、出来事、意図、および法的論点を統合する法的エレメントグラフへ変換する構造化されたタスク分解を設計します。加えて、動的ルーティング、法令に基づく根拠付け、様式（スタイル）の最適化を支えるモジュール型マルチエージェント枠組みであるJurisMAを提案します。エレメントグラフと組み合わせることで、この枠組みは、法的事実、規範、手続きロジックにまたがる依存関係を効果的に捉えつつ、強力な文脈認識に基づく推論を可能にします。JurisCQADで学習し、改良されたLawBenchで評価した結果、提案システムは複数の語彙的および意味的指標において、汎用型および法領域向けの両方のLLMを大きく上回り、Legal CQAにおける解釈可能な分解とモジュール間の協調の利点を示しています。
問い合わせから助言へ：マルチエージェントの枠組みと法的相談用データセットによる構造化推論
arXiv cs.CL / 2026/4/14
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、データ不足と文脈の複雑さに対処するため、大規模な中国語の法的相談QAデータセットであるJurisCQADを導入する。これには43,000件以上の実際の問い合わせと、専門家によって検証された肯定／否定レスポンスの注釈が含まれる。
- 各法的問い合わせを、法的要素グラフへと変換する構造化分解を提案する。これにより、エンティティ、出来事、意図、法的争点を結び付け、文脈依存性と手続き的ロジックをモデル化する。
- さらに、文脈に配慮した法的推論を改善するための、動的ルーティング、法令への根拠付け、様式（スタイル）の最適化を備えたモジュール型マルチエージェント枠組みであるJurisMAを提示する。
- 実験の結果、（要素グラフ＋マルチエージェント枠組み）を組み合わせた手法が、強化されたLawBenchにおいて、汎用および法領域LLMのベースラインの両方を、語彙面と意味面の指標の両方で上回ることが示される。
- 著者らは、分解による解釈可能性を強調し、モノリシックなプロンプトや一般的な法的QA手法と比べて、Legal CQAにおけるモジュール間協働の利点を述べている。
