技術要約：説明可能な判決の分散に向けて

問題提起

法的結果予測システムは、客観的な事件の事実と、判決の文脈（adjudicative context）をいかに分離するかという根本的な課題に直面している。実体に基づく判決は事実証拠に基づいているが、技術的な処分（technical disposals）は司法の裁量に依存することが多い。既存のアプローチ、特に標準的なテキスト分類モデルや生成型大規模言語モデル（LLM）は、裁判官のアイデンティティを静的な特徴量として扱ったり、法的決定の異なる機能的経路（実体に基づくもの vs 非実体に基づくもの）を明示的にモデル化できなかったりすることが多い。さらに、現在の手法は、英国雇用審判所（UKET）のような特定の管轄区域における、手続的規則と事実認定の間の微妙な相互作用を捉えることに苦慮している。そこでは、結果は一様ではなく、実体的な法的メリットよりも行政上の裁量に依存することが頻繁にある。

手法

著者らは、実体に基づく決定と非実体に基づく決定の経路を明示的にモデル化するために設計された、**裁判官認識型ゲート付きマルチタスク学習（Judge-Aware Gated Multi-Task Learning: MTL）**アーキテクチャを提案する。この手法は、以下の3つのコアコンポーネントで構成されている。

1. 細粒度な法的タクソノミー（DCO）

エンコーダーを監督し構造的な正則化を強制するために、著者らは11の細粒度なカテゴリからなる**詳細なケース・アウトカム（Detailed Case Outcome: DCO）**タクソノミーを導入している。このスキーマは以下を区別する：

• 実体に基づく結果（Merit-Based Outcomes）: 事件の事実と法的メリットを評価する決定（例：実体的な勝訴/敗訴、欠席判決）。
• 非実体に基づく処分（Non-Merit-Based Disposals）: 本質的な事実に踏み込むことなく、技術的な理由でケースを終了させる決定（例：却下、失効）。
• 混合結果（Mixed Outcomes）: 実体的な判断と技術的な処分の組み合わせを含むケース。
  これらのラベルは、補助的な監督ターゲットおよびアテンション・メカニズムのセマンティック・プロトタイプとして機能し、「リーガル・カリキュラム」として共有エンコーダーを正則化する役割を果たす。

2. 裁判官認識型ゲート付き融合（Judge-Aware Gated Fusion）

裁判官の埋め込みを単に結合するのではなく、本アーキテクチャはゲート付き融合メカニズムを採用している。このモジュールは、動的な信頼性スイッチとして機能する：

• 各アウトカム・ラベル $k$ に対して、スカラー・ゲート活性化 $g_k \in (0, 1)$ を学習する。
• ゲートは、学習された裁判官の埋め込み ($v_j$) への依存度を、テキスト特徴量 ($c_k$) に基づいて決定する。
• このメカニズムは、テキストによる証拠が曖昧な場合や裁量的な場合（例：複雑な実体に基づく判決）には裁判官のアイデンティティを「参照」し、一方で明確な技術的処分（例：却下）に対してはそれを抑制するように、選択的に機能する。
  この設計により、モデルはアウトカム特有の司法コンテキストへの依存度を学習することができ、判決の分散が予測を駆動している箇所に関する解釈可能な信号を提供する。

3. アーキテクチャの比較（「トラック」）

本論文では、Gemma-4 26B-A4Bをバックボーンとし、ModernBERTをベースラインとして、3つのアーキテクチャ・レジームを用いた制御された比較を行っている：

• D-Track (Discriminative/判別的): LWAN（Label-Wise Attention Network）、MTL、およびゲート付き融合を備えたModernBERTベースのアーキテクチャ。
• G-Track (Generative SFT/生成型SFT): 裁判官のアイデンティティとDCOの監督が、LoRAを用いた教師あり微調整（SFT）を通じて、プロンプト・トークンおよび出力ターゲットとして注入される生成型ベースライン。
• B-Track (Hybrid/ハイブリッド): Gemma-4のエンコーダーを使用しつつ、構造化された判別ヘッド（LWAN + ゲート付き融合 + MTL）を保持するハイブリッド・アプローチ。これにより、条件付けインターフェースを変数として隔離し、構造化された構成がプロンプトベースの構成よりも優れているかどうかをテストする。

主な結果

13,937件の英国雇用審判所の決定に基づいて評価された本研究は、以下の知見を得ている：

• パフォーマンス: ハイブリッド・アーキテクチャ（B2、LoRA適合済みGemma-4エンコーダー + 構造化ヘッド）は、新たな最高精度であるMacro-F1 65.21を達成した。これは、最強の生成型SFTバリアント（G4）に対して5.1ポイントの向上となる。
• 構成の効率性: 結果は、裁判官のアイデンティティと細粒度の監督をプロンプトレベルで構成することは**劣加算的（sub-additive）**である（G-trackにおいて信号を組み合わせると収穫逓減が生じる）ことを示している。対照的に、同じ信号を微分可能なアーキテクチャ・コンポーネント（B-track）経由でルーティングすると、**加算的構成（additive composition）**となり、パフォーマンスを大幅に向上させる。
• パラメータ効率: ハイブリッドB2モデルは、生成型SFTベースラインよりも約1桁少ないパラメータでトレーニングしながら、優れた精度を実現している。
• クラス特有の改善: 改善は、最も曖昧で稀なアウトカム・クラス（Partly Wins および Other）に集中している。例えば、B2は「Other」のF1スコアを0.273（G4）から0ively 0.411へと向上させた。
• 解釈可能性: 学習された裁判官の埋め込みとゲート活性化により、司法コンテキストが予測を駆動しているケースを特定できる。反事実的な裁判官入れ替え介入（counterfactual judge-swap interventions）によれば、B2は生成型モデルよりも、裁判官のアイデンティティに対してより能動的に条件付けを行っている（高いKLダイバージェンスを示す）。
• 較正（Calibration）: 構造化されたアーキテクチャは、生成型ベースラインと比較して優れた期待較正誤差（ECE）を示しており、より信頼性の高い確率推定が可能であることを示唆している。

意義と主張

本論文は、アイデンティティ条件付きの分類において、**「条件付けインターフェースの選択がスケールを凌駕する」**と主張している。具体的には：

1. 構造化 vs プロンプトベース: 微分可能な構造化構成（裁判官の埋め込みを学習し、ゲートを介して融合する）は、たとえ後者が大幅に大きなバックボーンを利用していたとしても、プロンプトベースの構成よりも正確でパラメータ効率の高いモデルを実現する。
2. 分離（Disentanglement）: 提案されたアーキテクチャは、客観的な事件の事実と司法の裁量を正常に分離し、説明可能性のための明確な監査証跡を提供する。
3. 設計ヘリスティック: 本研究は、パラメータ効率の高い微調整に関する広範な設計ヘリスティックを提示している。すなわち、厳密な制御や監査を必要とする変数（裁判官のアイデンティティなど）は、プロンプト・トークンとして入力分布に吸収させるのではなく、学習可能なパラメータとしてモデル化し、構造化されたアテンションを介して融合すべきである。
4. 管轄区域の特異性: 著者らは、その知見が、裁判官のアイデンティティが保持され、手続的処分が頻繁に行われるUKETに特化したものであることを認めている。しかし、「勾配によってルーティングされた救済策（gradient-routed remedies）」という原理は、アイデンティティ条件付きの階層的分類を含む他の領域にも適用可能である。

著者らは、LLMによるタクソノミー抽出への依存（「シルバースタンダード」のノイズの発生）、生の申立書ではなく最終的な判決文を使用していること（事後的な合理化の可能性）、および単一のデータセットとLLMファミリーでの評価であることなどの限界を認め、控えめな立場をとっている。彼らは、本研究の目的が応用的な訴訟戦略のためのツールを作成することではなく、システム的な公平性の診断的分析であることを強調している。