CVPD at QIAS 2026: RAG-Guided LLM Reasoning for Al-Mawarith Share Computation and Heir Allocation
この論文は、記号的な相続計算器で生成された高品質な合成データとハイブリッド検索、スキーマ制約付き出力検証を組み合わせた RAG 基盤の LLM 推論システムを提案し、2026 年の QIAS においてイスラム法相続（Ilm al-Mawarith）の計算と相続人割り当てタスクで MIR-E スコア 0.935 を達成し、盲検テストのリーダーボードで 1 位を獲得したことを報告しています。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
この論文は、**「イスラムの相続法（マワリト）」**という、非常に複雑で厳格なルールに基づいて財産を分ける問題を、AI（人工知能）に解かせるための研究です。
2026 年に行われた「QIAS」という AI 大会で、このチームが1 位になったという報告書です。
専門用語を抜きにして、日常の言葉と面白い例えを使って解説します。
🏛️ 問題：相続計算は「魔法」ではなく「パズル」
イスラムの相続法は、単に「財産を均等に割る」だけではありません。
「誰が相続人になれるか」「誰が権利を失うか（ハジュブ）」「分数の計算」「合計が 100% になるように調整する」といった、何段階にもわたる複雑なパズルです。
さらに、地域や学派によってルールが少し違うため、AI が「なんとなく知っている」だけではダメで、**「その時のルールに厳密に従って」**計算する必要があります。
これまでの AI は、パズルの「答え」を覚えているだけで、途中の計算過程でミスしたり、答えの形式が崩れたりして、正解にたどり着けませんでした。
🛠️ 解決策：AI に「優秀な助手」と「厳格なチェック役」をつける
このチームは、AI 単独で頑張らせるのではなく、3 つのステップからなる「チームワーク」を作りました。
1. 練習用テキストの作成（「10 万問の模擬試験」）
まず、AI がルールを正しく理解できるように、**「ルールに基づいて自動生成された 10 万問もの練習問題」**を作りました。
- 例え： 料理のレシピを覚えるために、プロのシェフが「失敗しないように正確な手順」を 10 万回書き起こして、AI に読ませたようなものです。これにより、AI は「勘」ではなく「確実な手順」を学びました。
2. 検索と選別（「優秀な弁護士への相談」）
AI が新しい問題に出会ったとき、いきなり答えを出そうとせず、まずは**「過去の類似した事例」**を探します。
- 仕組み： 2 つの検索エンジン（意味で探す検索と、単語で探す検索）を同時に使い、最も関連性の高い「過去の成功例」を 60 個ほど選びます。
- 例え： 難しい裁判事案を扱う際、AI は「このケースに似た過去の判例集」を即座に開いて、**「あの時はこう解決したな」**と参考にします。ただの検索ではなく、最も重要な事例だけを「リランキング（再順位付け）」して選りすぐります。
3. 生成と厳格なチェック（「計算ドリルと検算」）
AI は、参考にした事例を見ながら答えを書きますが、ここで重要なのが**「最後のチェック役」**です。
- 仕組み： AI が出力した答えが、ルール（JSON という形式）に合っているか、合計が 100% になっているか、重要な項目が抜け落ちていないかを、別のプログラムが厳しくチェックします。
- 例え： 生徒（AI）がテストの答えを書いた後、**「厳格な担任教師（チェック役）」**が「ここが抜けている！」「合計が 100% になっていない！」「形式が間違っている！」と即座に指摘し、修正を迫ります。生徒が「なんとなく」で答えても、教師が許さないのです。
🏆 結果：なぜ 1 位になれたのか？
この「検索＋厳格なチェック」のシステムは、93.5% の正解率を記録し、見事 1 位になりました。
- 他のチームとの違い：
- 多くのチームは「より大きな AI モデル」を使うことに注力しました。
- しかし、このチームは「より良い資料（検索）」と「より厳しいチェック（検証）」に注力しました。
- 重要な発見：
- Web 検索より「専門書」が勝つ： インターネット上の雑多な情報（Web）よりも、**「確実な PDF 文書（専門書）」**をベースに検索した方が、法律問題では圧倒的に精度が高くなりました。
- 「計算ミス」が最大の敵： AI は日本語の文章は理解できますが、複雑な分数計算や「誰が権利を失うか」という論理パズルでつまずきます。そのため、言語モデルを大きくするより、「論理チェック」を強化する方が効果的でした。
💡 まとめ：この研究が教えてくれること
この研究は、**「AI に難しいことをさせるには、ただ頭が良いモデルを使うだけでなく、正しい資料を与え、厳しくチェックする仕組みを作ることが大切」**だと教えています。
まるで、「天才的な新人弁護士（AI）」に「膨大な判例集（検索）」を与え、最後に「厳格なシニア弁護士（チェック役）」が必ず目を通すという体制を作れば、どんなに複雑な法律問題でも、人間が手作業でやるよりも正確に、早く解決できる、という証明です。
このシステムは公開されており、今後、より多くの法律分野や複雑な計算タスクに応用できる可能性を秘めています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。