Falkor-IRAC: Graph-Constrained Generation for Verified Legal Reasoning in Indian Judicial AI

작성자

Haebom

카테고리

Empty

저자

Joy Bose

💡 개요

기존의 벡터 기반 RAG 방식은 법률 추론의 복잡성을 제대로 반영하지 못해 환각, 최신 법규 미반영 등의 문제를 야기합니다. 본 논문은 인도의 법률 AI를 위한 Falkor-IRAC 프레임워크를 제안하며, 이는 IRAC(Issue, Rule, Analysis, Conclusion) 구조를 기반으로 한 지식 그래프에 기반하여 생성 과정을 제약함으로써 법률 추론의 정확성을 높입니다. 제안된 시스템은 추론 과정에서 그래프를 통해 검증 가능한 경로를 추적하고, doctrinal conflict를 탐지하여 신뢰성 있는 법률 AI를 구현합니다.

🔑 시사점 및 한계

•

법률 추론과 같이 구조적이고 제약된 추론이 중요한 영역에서는 단순히 의미론적 유사성에 의존하는 벡터 기반 RAG 방식보다 그래프 기반의 제약된 생성 방식이 더 효과적입니다.

•

IRAC 구조와 절차적 상태 전환, 선례 관계, 법규 참조 등을 구조화한 지식 그래프를 활용하여 법률 AI의 환각 및 오류를 줄이고 접근성을 향상시킬 수 있습니다.

•

본 연구는 새로운 지표(citation grounding accuracy, path validity rate 등)를 통해 법률 추론의 평가 방법을 제시하며, 이는 기존의 텍스트 유사도 기반 지표보다 더 적절합니다.

•

향후 연구 과제로는 벡터 기반 RAG 기반 시스템과의 직접적인 성능 비교 평가가 필요합니다.

PDF 보기

Made with Slashpage