Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 연구는 기존 형사 사건 중심의 연구에서 벗어나, 복잡한 민사 사건을 시뮬레이션하기 위한 멀티 에이전트 프레임워크를 제안합니다. 메모리 모듈과 법령 검색 기능을 통합하여 장기적인 재판 과정을 지원하며, 실험을 통해 신뢰할 수 있는 민사 판결 생성 능력을 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기법정 시뮬레이션은 법률 교육과 사법 실무를 연결하는 가교 역할을 하지만, 인간 기반의 시뮬레이션은 비용이 많이 들고 규모를 확장하기 어렵습니다. 대규모 언어 모델 (LLMs)은 확장 가능한 대안을 제공하지만, 기존의 법정 시뮬레이션 연구는 주로 형사 사건에 집중되어 있습니다. 민사 소송은 실무에서 더 흔하게 발생하며, 청구 내용, 책임 소재, 구제 수단이 더 유연하기 때문에 시뮬레이션하기가 더 어렵습니다. 본 연구에서는 중국 민사 사건을 위한 멀티 에이전트 (multi-agent) 법정 시뮬레이션 프레임워크를 제시합니다. 이 프레임워크는 5단계 민사 재판 절차를 통해 역할 기반 상호작용을 구성하며, 장기적인 재판 과정을 지원하기 위해 메모리 모듈 (memory module) 및 법령 검색 (statute retrieval) 기능을 통합합니다. 실험 결과, 이 프레임워크는 책임 할당 및 다중 항목 판결에서 명확한 강점을 보이며 신뢰할 수 있는 민사 판결을 생성함을 확인했습니다. 추가 실험을 통해 메모리 품질이 다운스트림 (downstream) 시뮬레이션 품질에 실질적인 영향을 미친다는 것을 보여줍니다. 우리는 5계층 요인 프레임워크를 통해 법적 근거 (legal grounding), 정보 조건, 사법 역량 및 역할 지향성, 조직적 압박, 그리고 사회적 맥락이 프레임워크의 신뢰성과 행동에 어떻게 영향을 미치는지 분석합니다. 이러한 결과는 제안된 프레임워크가 민사 법정 시뮬레이션에 효과적임을 뒷받침합니다. 데이터셋과 코드는 다음에서 확인할 수 있습니다: https://github.com/foggpoy/Civil-Court.