本論文は、法律領域におけるRetrieval-Augmented Generation（RAG）システムのLimitationsを解決するためのStructure-Aware Temporal Graph RAG（SAT-Graph RAG）フレームワークを提示します。従来のRAGシステムの単純なテキスト検索方式は、法律の階層的、時代的、因果的構造を考慮せず、時代錯誤的で信頼できない答えを生成するという問題があります。 SAT-Graph RAGは、法的規範の形式的構造と時代的特性を明示的にモデル化することによって、これらの問題を解決します。 LRMooモデルに触発された形式的な知識グラフに基づいて、抽象的な法律文書とそのバージョン化された表現を区別し、時間的状態を効率的に集計して、変更されていないコンポーネントのバージョン化された表現を再利用します。さらに、法的事象をプライマリアクションノードに具体化し、因果関係を明示的かつクエリ可能にします。これらの構造的基盤を通じて、計画者が導く統合されたクエリ戦略を使用して、（i）特定の視点検索、（ii）階層的影響分析、（iii）監査可能なソースの再編成などの複雑な要求を決定的に解決します。ブラジル憲法を対象としたケーススタディは、このアプローチが検証可能で時代的に正確なLLMベースを提供し、高次元分析機能を可能にし、リアルエラーのリスクを大幅に減らすことを示しています。その結果、より信頼性が高く説明可能な法律AIシステムを構築するための実用的なフレームワークを提供します。
