技術的概要：集約的知能による大規模な正確な法的推論

問題定義

民事訴訟、保険、課税、金融規制などの高リスク分野における法文書は、頻繁に計算的法的条項を含んでいます。これらの規定は、数学的推論（例：税制計算式）、論理的条件評価（例：資格基準）、および文脈的な言語解釈の統合を必要とします。

最先端の大型推論モデル（LRM）は印象的な意味的流暢さを示していますが、生産環境での適格な裁定においては、2 つの決定的な障壁に直面しています：

1. 信頼性: 確率的モデルは、「推論エラー」に悩まされています。これには、係数を幻覚させる沈黙した算術的失敗や、論理的複雑性（例：ネストされたブール論理や広範な決定木）が増加するにつれてパフォーマンスが壊滅的に低下する「推論の崖」が含まれます。これらは、法令に基づく推論に必要な構造的厳密さを欠いています。
2. 経済性: 毎回の取引（例：数千の請求書の処理）ごとに思考連鎖（CoT）推論に依存することは、コストの線形スケーリングを強要し、高ボリュームのワークフローにおける自律的裁定を商業的に成立不可能にします。

従来の論理プログラミング（例：Prolog）は厳密性を提供しますが、手動による知識獲得のボトルネックに悩まされています。一方、純粋な生成アプローチは、法的コンプライアンスに必要な決定論的保証を欠いています。

手法：集約的知能

著者は、実行時インタプリタから論理コンパイラへとパラダイムを転換するニューロシンボリックアーキテクチャである集約的知能を提案します。このシステムは、2 フェーズのプロセスを通じて推論と実行を分離します：

1. コンパイルフェーズ（一回のコスト）

大規模言語モデル（LLM）を1 回のみ使用して、非構造化の法文書を**決定論的自律契約言語（DACL）**に変換します。

• DACL 表現: 商用ロジックに最適化された、型付けされた有向非巡回グラフ（DAG）中間表現。
• 条項プリミティブ: システムは、4 つの再帰的プリミティブを持つ強型スキーマを利用します：
  • 手順: 早期終了を伴う逐次的ワークフロー。
  • 論理条項: 優先順位に基づく資格を強制する述語論理。
  • 範囲条項: 厳密な境界検証により「オフ・バイ・ワン」エラーを排除する、連続変数を離散区間にマッピングする機能。
  • 価格算定式: 構成可能な精度でサンドボックス環境で実行される算術式。
• 時系列バージョン管理: 条項には有効日が付与されており、エンジンが完全な契約再生成なしに特定のイベント日に対して正しいバージョンを選択できるようにします。

2. 実行フェーズ（実行時）

その後の裁定は、事前にコンパイルされた DACL グラフを実行する軽量なニューロシンボリックエージェントに依存します。

• 意味的ルーティング: 軽量 LLM（例：gpt-5-mini）が、ユーザークエリと実行時事実を、条項識別子の特定のサブセット（$K$）にマッピングします。
• 記号的委任: エージェントは、決定論的エンジン（$\Phi_{DACL}$）を呼び出してロジックを実行します。このステップは非確率的であり、参照透過性（同一の入力は常に同一の出力を生む）を保証します。
• 統合: エージェントは、エンジンによって生成された構造的監査トレース（$\tau$）に基づいて、自然言語の回答を統合します。

主要な貢献

1. DACL アーキテクチャ: 一般的な定理証明よりも法的プリミティブと明示的な変数依存性の追跡を優先する、グラフベースのニューロシンボリック中間表現。
2. 集約的知能の検証: 産業用エンタープライズリソースプランニング（ERP）および会計システムからのデータで実証され、重厚な法的解釈を一回のコンパイルステップにオフロードすることで、高ボリュームタスクにおいて最先端の LRM ベースラインと比較して99.5% の精度と95% 超のコスト削減を達成することを示しました。
3. 失敗の分類と構造的監査可能性: 本研究は最先端モデルのエラーモードを特定し、算術的幻覚ではなく、変数依存性（VD）エラー（誤った状態追跡）が主要な失敗モード（エラーの 71%）であることを明らかにしました。DACL は、すべての意思決定に対して決定論的で追跡可能な実行経路を提供します。
4. 本番環境への展開: このシステムは 12 ヶ月以上、ライブ環境で展開されており、150 以上の商業契約および月間約 1,000 の請求イベントにわたって、請求および売掛金支払いワークフローを自律的に実行しています。

結果と評価

このシステムは、4 つの独自産業契約（医療、エネルギー、物流、自治体） across 3 つの最先端モデルファミリー（GPT-5.2、Claude 4.5 Sonnet、Gemini 3 Pro）に対して評価されました。

• 精度と「推論の崖」: DACL エージェントは99.5% の全体精度を達成しました。対照的に、最先端モデルは明確な「複雑さの崖」を示しました。モデルは単純な算術（Energy-Sup）では良好なパフォーマンスを示しましたが、複雑な決定木（Logistics-MSA、76 の決定状態）では精度が崩壊し、GPT-5.2 の場合**22%**まで低下しました。
• エラー分析: 最先端モデルは頻繁に数学を正しく計算しましたが、それを誤った状態に基づいて条件付けました（例：ティア B の出荷にティア A の料率を適用する）。DACL のエラーは稀であり、決定論的エンジンではなく意味的ルーティングエージェントにのみ起因していました。
• 計算経済性:
  • トークン効率: DACL は、完全な契約コンテキストではなくアクティブなロジック条項のみを取得することで、ベースラインと比較してトークン消費を9.9 倍削減しました。
  • レイテンシ: 複雑なタスクにおいて、DACL はイベントあたり平均26.8 秒であり、優れた精度を維持しながら、重厚な推論モデルが要する約 164 秒よりも大幅に高速でした。

意義と主張

本論文は、スケーラブルで自律的な法的裁定を実現するには、確率的モデルのみを超えて進む必要があると主張しています。LLM を実行時インタプリタではなく一回の意味的コンパイラとして扱うことで、提案されたアーキテクチャは「システム 2」推論の確率的リスクを排除します。

著者は、このアプローチが以下の点を提供すると主張しています：

• スケーラビリティ: 手動レビューなしで年間数百万件のケースを処理する道筋を提供し、司法へのアクセスに関する構造的な課題に対処します。
• 安定性と均一性: 一貫した規則適用を確保し、生成推論の予測不可能性を排除します。
• 監査可能性: 法的コンプライアンスに不可欠な構造的監査証跡を提供し、裁定が説明可能かつ決定論的であるという要件を満たします。

この研究は、この決定論的アプローチが、ロジックがシステムの定義されたプリミティブにマッピング可能であれば、商業契約を超えて他の規制分野（例：税法、市条例）にも拡張可能であることを示唆しています。著者は、欠陥推論、非構造化の法的基準、非英語の法域への現在のサポート不足といった限界を認めつつ、コンパイラエラーは稀であるものの、本番環境への展開前に人間のレビューが必要であると指摘しています。