Deterministic Legal Agents: A Canonical Primitive API for Auditable Reasoning over Temporal Knowledge Graphs

以下は、論文「Deterministic Legal Agents: A Canonical Primitive API for Auditable Reasoning over Temporal Knowledge Graphs（決定論的法的エージェント：時制知識グラフ上の監査可能な推論のための標準的プリミティブ API）」の詳細な技術的要約です。

1. 問題定義

本論文は、高リスクな法的分野における検索拡張生成（RAG）の適用における重大な限界に対処しています。標準的な RAG システムは、平坦なテキスト断片に対する意味的類似性に依存しており、法的知識の複雑な性質を捉えきれていません。著者は、現在の法的 RAG における 3 つの具体的な失敗モードを特定しています。

• ** Mereological Blindness（ Mereological 的盲目性）：** 部分 - 全体関係（例：条項 $\subset$ 条 $\subset$ 法律）を認識できないこと。
• Diachronic Naivety（通時的無知）： 廃止された規範と現在有効な規範を区別できないことで、歴史的な法と現在の法を混同してしまうこと。
• Causal Opacity（因果的不透明性）： 規範を創設、修正、または廃止した具体的な立法行為（立法由来）に関する追跡可能性の欠如。

先行研究（SAT-Graph）は、法的規範を構造を認識する時制知識グラフとしてモデル化することで「表現」の問題を解決しましたが、新たな相互作用の問題が生じました。「確率的な LLM エージェントが、この決定論的グラフに対して、グラフが回避するように設計された信頼性の欠如を再導入することなく、どのようにクエリを実行できるか？」です。エージェントに任意のデータベースクエリ（SQL/SPARQL）を生成させること、あるいは意味検索のみに依存することは、沈黙するエラー、幻覚、および時制・構造的制約の回避というリスクを伴います。

2. 手法：SAT-Graph API

本論文は、確率的 LLM エージェントと決定論的記号基盤（時制知識グラフ）の間を仲介するために設計された標準的プリミティブインターフェースであるSAT-Graph APIを提案します。

中核設計原則：確率の隔離

アーキテクチャは、確率的な不確実性を 3 つの限定された段階に厳密に閉じ込め、参照が解決されれば、その後のすべての操作が決定論的であることを保証します。

1. 意図翻訳： LLM が自然言語クエリを実行計画に変換します。
2. 初期意味的アンカーリング： システムは、曖昧な参照をランク付けされた候補グラフアンカー（アイテム、テーマ、テキスト単位）にマッピングするために、確率的検索（意味的/語彙的）を使用します。
3. ナラティブ合成： LLM が検証済みの証拠に基づいて最終的な文章回答を生成します。

決定論的コア： 標準的識別子と時制パラメータが確立されると、すべてのグラフ探索（構造的、時制的、因果的）は、型付けされたアトミックプリミティブを介して実行されます。これにより、検索プロセス自体が再現可能で監査可能になります。

アーキテクチャコンポーネント

• 基盤（SAT-Graph）： 法的文書を、明示的な階層的包含と立法因果関係を持つバージョン管理可能なエンティティとしてモデル化する時制知識グラフ。
• 相互作用プロトコル（API）： 手続き的ファサードとして機能する、型付けされた合成可能なプリミティブのライブラリ。エージェントは物理的なデータベーススキーマを直接見るのではなく、固定された語彙を介して相互作用します。
• エージェント： 質問をプリミティブ呼び出しのシーケンスに分解し、中間結果を観察し、回答を合成する確率的プランナー。

主要データモデル

API は、5 つの標準的でドメイン移植性のあるデータモデル上で動作します。

• Item（アイテム）： 安定した識別子を持つ標準的グラフエンティティ（例：特定の条）。
• Version（バージョン）： アイテムの時間的スナップショットで、有効性と適用区間を捉えます。
• TextUnit（テキスト単位）： グラフエンティティに付随するテキスト実装で、意味検索と決定論的検索を橋渡しします。
• Action（アクション）： バージョンを生成または終了させる具体化された状態遷移イベント（例：公布、改正）。
• Relation（関係）： エンティティ間の型付けされた意味的エッジ（引用、依存関係）。

プリミティブカテゴリ

API は、プリミティブの機能的グループを公開します。

• 発見と検索： resolveItemReference、searchTextUnits（信頼度スコア付きのランク付けされた候補を返す）。
• 時制解決： getValidVersions、getItemVersions（特定の時点で有効なバージョンの決定論的検索）。
• 構造的ナビゲーション： getItemHierarchy、getItemAncestors（テキストの隣接性に依存せずに文脈を再構築）。
• 因果性と影響： getItemHistory、getActionsBySource（由来と前方への影響を追跡）。
• 内省： getRootItemTypes、getSupportedActionTypes（エージェントがスキーマの境界を発見することを可能にする）。
• ハイドレーション： getVersionTextUnits（軽量 ID を完全なテキスト証拠に変換）。

3. 主要な貢献

1. 標準的プリミティブ API 仕様： 構造を認識する時制知識グラフをクエリするための形式的インターフェース。法的規範に対して具体化されたが、ドメイン移植性を意図して設計されている。
2. 確率の隔離原則： 確率的な計画/アンカーリングを決定論的グラフ実行から分離するニューロ記号設計パターン。これにより、システムエラーを局所化可能で検査可能にする。
3. Reason-Act-Observe パラダイム： 法的 RAG を、受動的な「検索 - 生成」パイプラインから、エージェントが質問を明示的で監査可能な実行計画に分解する能動的プロセスへと転換させる。
4. 関心の形式的分離： 型付けされた相互作用プロトコルを介して、法的知識の表現（グラフ）をエージェント推論（LLM）から分離し、スキーマの結合とクエリの捏造を防ぐ。
5. ユースケース実証： 複雑な法的クエリ（時点別検索、バージョン比較、前方因果、テーマ別影響分析）が、検証可能なプリミティブシーケンスにどのように分解されるかを示す。

4. 結果と評価

本論文は、実証的なベンチマーク結果（ベースラインに対する精度スコアなど）を提示していませんが、形式的アーキテクチャ仕様とユースケースを通じた定性的検証を提供しています。

• 決定論的時点別検索： エージェントが特定の過去の日に有効な法律の正確なテキストを検索する方法を実証し、標準的 RAG の「時制的無知」を回避しました。
• 因果的ピンポイント： エージェントが特定の権利（例：「住宅」）を導入した正確な立法行為を追跡し、改正前後のテキストを比較する方法を示しました。
• 前方因果： 語彙的重なりが欠如しているため意味検索では困難な、特定の改正によって影響を受けるすべての規定を特定する方法を説明しました。
• テーマ別影響分析： テーマ別解決と時制イベントクエリを組み合わせることで、「デジタルセキュリティ」などのテーマ別階層全体における歴史的変化を集約する能力を実証しました。

「結果」とは、これらのプロセスによって生成される監査可能な実行ログであり、人間レビューヤーがどのエンティティが解決され、どのバージョンが選択され、どのアクションが証拠を生成したかを正確に追跡することを可能にします。

5. 意義と含意

• 信頼性の高い法的 AI： このアーキテクチャは、回答の証拠的基盤が完全に検査可能で再現可能であり、標準的グラフオブジェクトに追跡可能である法的システムの基盤を提供します。
• 検索属性としての監査可能性： 従来の RAG では監査可能性が事後機能であるのに対し、このシステムは監査可能性を検索プロセスそのものに内在させます。すべてのステップは、標準的オブジェクトに対する型付けされた操作です。
• ドメイン移植性： 法分野で示されていますが、抽象化（アイテム、バージョン、アクション）は、歴史的正確性と由来を必要とする権威によって統治されるあらゆるドメイン（技術基準、規制コンプライアンス、工学仕様など）に適用可能です。
• エンジニアリング負担の転換： 時制論理と構造的検証の複雑さは、エラーが発生しやすい LLM プロンプトから、厳密にテストおよび強制可能な API レイヤーへと移動されます。

6. 限界と今後の課題

• グラフ品質への依存： システムの決定論性は、基盤となる知識グラフの取り込みの正確性と完全性に条件付けられています。
• 意味的アンカーリングエラー： 不確実性は露呈していますが、自然言語からグラフアンカーへの初期マッピングは確率的であり、曖昧なクエリでは失敗する可能性があります。
• 計画エラー： このアーキテクチャは、エージェントが論理的に不十分な計画（例：誤った文書をクエリする）を生成することを防ぎませんが、これらのエラーを監査可能にします。
• 今後の方向性： 著者は、標準的 RAG に対する実証的ベンチマーク、"Text-to-Plan"学習モデルの開発、および時制法的推論のためのゴールドスタンダードデータセットの構築を呼びかけています。

結論として、本論文は、高リスク分野においては、検索はブラックボックス検索ではなく、監査可能な実行プロセスでなければならないと主張しています。SAT-Graph API は、確率的な不確実性を決定論的推論から厳密に隔離することで、これを達成するための必要なインターフェースを提供します。