दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

न्यायआरएजी: भारतीय सामान्य विधि प्रणाली के अंतर्गत आरएजी के साथ यथार्थवादी कानूनी निर्णय भविष्यवाणी

Created by
  • Haebom

लेखक

शुभम कुमार निगम, बलराममहंती दीपक पटनायक, शिवम मिश्रा, अजय वर्गीस थॉमस, नोएल शल्लम, कृपाबंधु घोष, अर्नब भट्टाचार्य

रूपरेखा

यह शोधपत्र न्यायआरएजी प्रस्तुत करता है, जो भारतीय विधि व्यवस्था के अनुरूप एक विधिक निर्णय पूर्वानुमान (एलजेपी) मॉडल है। मौजूदा भारतीय एलजेपी मॉडलों के विपरीत, जो केवल तथ्यों, मुद्दों और तर्क जैसी आंतरिक केस सामग्री पर निर्भर करते हैं, न्यायआरएजी एक पुनर्प्राप्ति-संवर्धित पीढ़ी (आरएजी) ढाँचा है जो कानूनी प्रावधानों और उदाहरणों को अतिरिक्त इनपुट के रूप में उपयोग करता है। न्यायआरएजी मॉडल को तथ्यात्मक केस विवरण, प्रासंगिक कानूनी प्रावधान और अर्थपूर्ण रूप से पुनर्प्राप्त उदाहरण प्रदान करके यथार्थवादी न्यायालय परिदृश्यों का अनुकरण करता है। हम मानक शब्दावली और अर्थ संबंधी मेट्रिक्स और जी-इवल जैसे एलएलएम-आधारित मूल्यांकनकर्ता का उपयोग करके विभिन्न इनपुट विन्यासों पर इसके प्रदर्शन का मूल्यांकन करते हैं, यह प्रदर्शित करते हुए कि संरचित कानूनी ज्ञान को जोड़ने से पूर्वानुमान की सटीकता और स्पष्टीकरण की गुणवत्ता दोनों में सुधार होता है।

Takeaways, Limitations

Takeaways:
हम प्रदर्शित करते हैं कि संरचित कानूनी ज्ञान (कानूनी प्रावधान, केस कानून) का उपयोग करके कानूनी निर्णय की भविष्यवाणी की सटीकता और स्पष्टीकरण की गुणवत्ता में सुधार किया जा सकता है।
भारतीय कानूनी प्रणाली में आरएजी ढांचे को लागू करने से एक व्यावहारिक कानूनी एआई मॉडल विकसित करने की संभावना का पता चलता है।
एलएलएम-आधारित मूल्यांकनकर्ता का उपयोग करके कानूनी क्षेत्र में मॉडल प्रदर्शन का मूल्यांकन करने की एक विधि प्रस्तुत की गई है।
Limitations:
यह भारतीय विधिक प्रणाली के लिए विशिष्ट है तथा अन्य विधिक प्रणालियों पर सीधे लागू नहीं हो सकता है।
उपयोग किए गए डेटासेट और मूल्यांकन मेट्रिक्स की सामान्यीकरण क्षमता पर आगे सत्यापन की आवश्यकता है।
मॉडल की व्याख्यात्मकता और व्याख्यात्मक विश्वसनीयता पर आगे अनुसंधान की आवश्यकता है।
👍