探す、読む、確かめる。
その先の調査が続くように。

調べたいことを、最初から適切な法律用語で言い表せるとは限りません。近い判例を見つけても、事実関係が違ったり、抜粋だけでは裁判所の判断の理由が読み取れなかったりします。資料を見たことで、問いそのものが具体的になることもあります。

そこで法レンズは、見つかった資料を手掛かりに、AIが次の検索や読解を選べることを大切にしています。候補とその近さを受け取る。本文を読む。気になった語句で探し直す。別の判例や条文と比べる。こうした往復を支えるように、検索と取得の道具を組み合わせています。

AIが調査を進めるための、共通の接続口。

AIが外部サービスの道具を使うための共通の接続方法が、MCPです。法レンズでは、その接続口を通して、候補を探す、本文内を探す、続きを読む、原本のページを見るといった操作をAIへ提供します。

接続できることに加え、どんな資料を、どんな手掛かりと一緒に返すかが、私たちの設計の中心です。調査の順番を固定せず、利用者のAIが、見つかった内容に応じて道具を選びます。

図は、反復する調査の一例です。調査の経路と回答は、接続先のAIや依頼内容、収録資料によって異なります。

研究・仕様の背景取得した情報から、次の行動を選ぶ

資料を取得して回答に使う仕組みを、検索拡張生成、RAGと呼びます。検索するか、どの資料を取得するか、得られた情報を踏まえて何を調べ直すかを、AIエージェントが調整する方式が、Agentic RAGです。本章では、そのうち検索と読解を反復する調査に焦点を当てます。Singhらのサーベイは、こうした方式を、エージェントの数や調査の制御方法から整理しています。

法レンズでは、この反復を進めるAIと、反復に必要な情報や操作を提供する基盤を分けて設計します。ここでいうコンテキストは、AIがその時点で判断に使う資料や、その出典、読み方の注意などです。「コンテキスト基盤特化型」という言い方は、この役割に焦点を当てた本ページでの整理です。論文で確立された分類や、旧世代・新世代の区分を指していません。

読んだことで、次に調べることが決まる。

検索と推論を往復する考え方には、継続してきた研究があります。ReActは、推論、外部への行動、その結果の観測を交互に進め、次の行動を修正する方法を示しました。IRCoTは、複数段階の質問に対して、検索した内容を推論へ、推論で分かったことを次の検索へ反映します。次に必要な資料が、最初の問いだけでは決まらないことを扱う研究です。

法律調査でも、判決を読んで初めて重要な先例や前提条件に気づくことがあります。法レンズの調査の観測例では、利用者側のAIが1992年の判決の本文に登場する1987年の先例を読み足しました。これはAIが資料を手掛かりに進んだ一例です。法レンズが引用先を自動でたどる機能や、反復すれば正しい結論に至ることの実証とは分けて捉えます。

いつものAIと法レンズで、調査の全体を作る。

法レンズは、利用者が普段使うAIエージェントとMCPで接続し、その組合せ全体でAgentic RAGを構成します。サービスのバックエンドに調査エージェントを組み込み、検索から回答まで完結させる構成とは異なります。検索・読解のループと回答は、利用者側のAIが担います。

調査の計画、操作の選択、資料の読解、回答の作成、続けるか終えるかの判断は、利用者のAIエージェントが担います。この役割分担は、MCPのアーキテクチャ仕様を参照しています。法レンズは検索と一次資料の取得を担い、原文の位置・時点・原本の参照先、失敗状態、次の手掛かりを返します。

資料を返すとき、次に使える操作も伝える。

法レンズは、検索、本文と前後の取得、原本ページの確認を、AIが選べる道具としてMCPで公開します。各道具には用途と必要な引数を説明し、結果には資料の識別子や読む位置を添えます。たとえば、AIは検索結果の判例IDで本文を取得し、本文内で見つけた箇所の識別子で前後を読み足せます。取得できなければ、その状態や調べ直す手掛かりを次の判断に使えます。

このように、次の操作へ引き継げる情報を返す設計が、AIエージェントの道具を使う能力とつながります。AIエージェントは結果を読んで追加取得・確認・終了を選びます。MCPのTools仕様はその接続方法を定めますが、接続するだけで適切な調査になるわけではありません。具体的な受け渡しは、AIに合わせた接続の章で説明します。

進化するAIと、資料の基盤を共に伸ばす。

AIの行動や道具の実行を支える仕組みを、ハーネスと呼びます。サービス内に調査の判断ループを持つと、その推論の費用と処理時間、実装・運用の複雑さをサービス側で引き受けます。対話の画面や操作体験、ハーネスまで作れば、モデル・実行の仕組み・アプリの進化に追従し、必要に応じて作り直す仕事も担います。法レンズは、利用者が選んだAI環境とこれらの責務を重ねず、一次資料と道具、その応答の設計に集中する構成を選びました。

調査の能力を自前の実装時点に閉じず、モデル・ハーネス・アプリの進化と、法レンズの資料・道具の改善を独立に進め、接続して調査全体の能力を伸ばせると考えたためです。これは、運営会社が掲げるAIの進化を受け入れて支える方針を、法律資料の基盤で具体化する設計です。利用者は、AIエージェントが参照できる会話の文脈や利用を許可された資料を使い、いつもの環境で調査を続けられます。

費用の面でも、既に利用しているAI環境を活かし、法レンズのために別の対話アプリやエージェントを重ねて契約する負担を避けたいと考えています。法レンズでは、専門資料と検索・読解を支える道具に対価を払う構造を目指しています。AI側の利用料金と法レンズの料金は別で、総額は利用するモデルやプランによって変わります。利用者側の推論の費用や時間、接続を維持する負担は残ります。これは責務の重複を避ける設計意図であり、総費用・速度・品質の改善はまだ比較測定していません。

調査の経路と品質は、モデル、アプリ、依頼、利用予算にも左右されます。接続・権限を超えて会話や他の資料がすべて共有されること、モデルの更新で品質が必ず上がること、すべてのAIエージェントで同じ調査になることは保証しません。根拠が揃えば終了し、再検索の回数を必須条件にはしません。

基盤と道具の設計を扱う、近い研究。

GeらのPyserini／RankLLMの研究は、検索・原文取得・候補の並べ直しをMCPで提供します。調査エージェントを組み立てるフレームワークより下の層を扱い、異なるモデルとクライアントで利用できることを示しています。AIエージェントと検索基盤を分ける、法レンズに近い先行研究です。

DuらのA-RAGは、キーワード検索・意味検索・本文取得という粒度の異なる道具をモデルへ渡します。道具の設計の影響を調べるため、エージェントの制御には単純なReAct型のループを用いています。こちらは評価用のエージェントも含む構成です。

法レンズでは、接続先から独立した基盤と、必要な範囲を段階的に読む道具の設計を参考にします。そのうえで、誰の発言か、いつの条文か、取得できなかったのはなぜかを確かめる材料が、法律調査でどう使われるかを検証したいと考えています。具体的な比較の案は、検証と改善の章で説明します。

法律資料の読み違いを減らすための手掛かり。

資料の中の位置と来歴を保ちます。判決の上位見出しや個別意見に掛かる注意は、誰の言葉かをAIが本文で確かめる手掛かりです。主体を意味から確定する分類ではなく、判断の区画にも当事者の主張や引用が含まれます。また、PDFから機械的に抽出した文章であることを伝え、原文とAIの説明を区別できるようにします。

取得できなかった状態も、次の判断に関わります。条文の比較では、取得した版に削除とある場合、指定した版が得られない場合、条文が見つからない場合、取得処理が失敗した場合を区別します。「確認できなかった」を「存在しない」に置き換えず、調べる時点や対象を見直す材料にします。検索結果の0件も、関連する資料が存在しないことの証明にはなりません。

原本のページを特定できる判例では、画像と同じページの抽出文を照合材料として返します。これは文字の抽出や引用箇所を確かめるための操作です。ページの対応や画像の取得には限界があり、画像を見れば法的な解釈まで正しくなるわけではありません。書面で引用する前の原本確認は、利用者が行います。

受け渡しの設計を、研究の対象にする。

AIのモデルだけでなく、AIに与える操作と応答も検証の対象になります。SWE-agentは、ソフトウェア開発の課題で、ファイルの探索や編集などの操作とフィードバックの設計を評価しています。対象領域は異なりますが、法レンズでも、資料の内容に加えて、その渡し方が次の行動にどう関わるかを問う背景になります。この論文の評価結果を、そのまま法律調査の効果とすることはできません。

法レンズの設計意図は、AIが必要な原文へ到達し、前提や引用元を確かめ、残った不確かさを説明できるようにすることです。一方、AIが手掛かりを使うか、適切なところで調査を終えるかは、モデルや依頼、接続先にも左右されます。反復が増えると時間や利用量が増え、同じ検索を繰り返したり、見つかった説明だけに偏ったりすることもあります。

今後は、手掛かりを一つずつ除いた条件と比べ、回答の裏付けと調査の負担をともに調べます。接続先が変わっても同じ手掛かりが役立つかは、別に検証します。

この章で述べた手掛かりの効果を切り分ける比較評価は、まだ実施していません。既存の調査記録は、特定のAIと条件での観測です。以下の各章では、この研究上の問いにつながる、検索・読解・文脈の具体的な設計を説明します。

普段の言葉で伝えた問いと、判決文の言葉は、必ずしも一致しません。法レンズは、文章の意味の近さから候補を探す方法と、指定した語句が含まれる資料を探す方法を備えています。判例では、意味と語句を組み合わせて候補を探すこともできます。

意味で探せば、知らなかった表現や論点に出会えます。語句で探せば、資料から得た手掛かりを使って確かめ直せます。最初の問いを、そのまま唯一の検索条件にしないための組み合わせです。

検索の入口を、資料の中にも作る。

長い判決文では、必要な説明が文書の一部分にあります。法レンズは、本文の部分からも候補を探せるよう資料を整え、当たった箇所の抜粋を返します。タイトルだけを手掛かりにする場合と比べ、AIは候補の中身を見ながら次に読む資料を選べます。

意味が近いことも、同じ語句があることも、その判例を個別の事案へ適用できる根拠にはなりません。本文と事実関係を確かめる必要があります。

検索結果の1位は、返された候補の中での1位です。十分に近い資料が見つかっているのか、候補がどれも遠いのかは、順位だけでは分かりません。法レンズは、意味の近さと候補間の差と、その読み方をAIへ渡します。

意味検索では、文章の特徴を多次元の数値の組（ベクトル）で表します。法レンズは、検索文と本文の部分のベクトルの向きがどれだけ近いかを測る「コサイン類似度」を使います。この近さは、判例全体が問いに答える度合いや、法的な結論が一致する確率ではありません。

同じ資料の集合でも、問いの表現や焦点を変えると、近い候補の顔ぶれや順位は変わります。最初の問いで一列に並べて終わらず、AIが読んで分かった論点を起点に、探し直せることが大切です。

研究・仕様の背景文章をベクトルで表し、意味の近さを測る

類似度そのものと、1位を基準にした比率。

意味検索では、法レンズは類似度そのものに加え、比率を計算できる候補には「1位の類似度に対する比率」を返します。計算は、各候補の類似度 ÷ 1位の類似度です。類似度そのものは起点との近さの水準を、比率は今回の結果の中で1位とどれほど差があるかを読む材料です。

比率を計算できる場合、1位は必ず1になります。元の類似度が低くても、比率は1です。たとえば説明用の値では、1位0.90・2位0.81でも、1位0.60・2位0.54でも、2位の比率は同じ0.90になります。比率だけでは、近い候補が揃ったのか、遠い候補同士で順位が付いたのかを区別できません。

法レンズは、この二つを読み分けるために、類似度の水準と候補間の比率の幅に応じた注意をAIへ添えます。ただし、類似度そのものも正しさの確率ではなく、異なる問いや検索方法の間で同じ意味を持つとは限りません。どちらも本文を読むための手掛かりにすぎません。

返された候補の分布から、読み方を選ぶ。

一つの問いに対しても、近い候補が多い場合、上位の近い候補と離れた候補が同じ結果に入る場合、上位でも遠い場合があります。順位は、返された候補の順番です。同じ1位でも、どれほど近いか、ほかの候補とどれほど差があるかで、AIが次に確かめることは変わります。

下の図では、起点を一つ固定し、各候補の類似度という一つの値を共通の横軸で比べます。上の模式図の横位置を並べたものではなく、候補と起点から計算した類似度を比べています。起点を変えれば、この値の並びも変わります。

近い候補が並ぶなら、順位より違いを読む。

近さがほぼ同じ候補が複数あれば、小さな数値の差だけでは1位を優先する理由が弱くなります。AIは複数の抜粋から、扱う問題、事実関係、前提条件の違いを確かめ、必要な本文を読み比べます。似た言い回しが並んでいても、認められた場合と認められなかった場合が混ざっているかもしれません。

法レンズは、返した候補間の差が小さいとき、その差や順位を過信しないよう注意を添えます。「候補が近接している」ことと「どの候補も問いに十分近い」ことは別です。参考程度の候補だけが、僅差で並んでいる場合もあります。

上位にまとまりがあるなら、何が近いかを読む。

上位の候補とその下に差がある場合は、上位から読む順を考える手掛かりになります。上位は、今回の検索文に相対的に近い箇所を持つ候補の集まりです。同じ論点や同じ結論の集まりと分かったわけではありません。AIが本文を読み、共通している話題と、異なる前提を確かめます。

現在の法レンズが返すのは、検索文に対する近さと、その値の幅です。候補同士の内容を比較して論点別のクラスターを発見しているわけではありません。下位の候補にも必要な例外や異なる事情が含まれうるため、差だけで読む対象から外しません。

上位も遠いなら、問いの表し方を見直す。

どの候補も参考程度の近さなら、1位を有力な根拠として扱う前に、AIが抜粋と問いの関係を確かめます。問いと判決文の言葉がずれていれば、抜粋から得た制度名や判断の枠組みを使い、検索方法を見直せます。必要な判例がない、と決める段階ではありません。

この場面で検索文を組み直す案内では、法レンズは、利用者のAIが組み直した検索文で検索し、どう組み直したかを回答に示すよう伝えています。問いの意図が変わっていないかを、利用者が回答で確かめられるようにする設計です。

分布は、その検索で返した候補の範囲のものです。件数や条件が変われば分布も変わり、収録資料全体の論点や、関連する判例の総数は表しません。意味検索と語句検索では点数の意味も異なります。

研究・仕様の背景順位だけでなくスコアの分布にも注目する

今後の応用案：広く読むか、深く読むか。

分布と実際に読んだ内容を合わせて、AIが比較する候補を広げるか、一つの本文を深く読むかを選ぶ支援が考えられます。順位だけで読む順を固定した場合と比べ、根拠の取りこぼしや不要な取得を減らせるかを確かめたい方向です。現行の機能や提供の予定を示すものではありません。

見つからないときも、次に試すことを。

0件になった理由は、資料がないことだけとは限りません。検索語、裁判所や日付の条件、本文の区画などで、候補を狭めすぎていることもあります。

応答から原因を読み取れる場面では、法レンズは条件を変えて試す案を、AIが次の操作に使える形で返します。文章の助言だけからAIが操作を組み直す手間を減らし、調査を続けるきっかけを渡します。

条件を変えても、必要な資料が見つからないことはあります。検索結果が0件であることは、判例や条文が存在しない証明にはなりません。

研究・仕様の背景次の操作に役立つ情報を返す

検索の抜粋は、読む場所を見つける入口です。その一節が当事者の主張なのか、裁判所の判断の理由なのか。どんな前提や例外があるのか。必要なところを読み進めなければ分からないことがあります。

法レンズでは、候補を取得した後、見出しや本文内の語句を手掛かりに読む位置を探せます。そこから前後を読み、別の一致箇所へ移り、続きを取得できます。長い文書も、どこを読んでいるかを保ちながら、必要な範囲へ進めるようにしています。

読む場所を探し、誰の説明かを確かめる。

まず利用者のAIが、抜粋に現れた特徴的な語句を選びます。法レンズは、その語句が本文に現れる位置と前後の文、見出しの情報、そのまま前後を取得できる案内を返します。AIは文書の先頭から順に読むだけでなく、必要な場所へ移動できます。

移動した先では、AIが「誰が、何について述べた文か」を読みます。たとえば最高裁の判決文には、原審の説明を紹介した後でそれを退ける文章もあります。法レンズが返す見出しや位置は、その確認を助ける材料です。「判断」という区画名だけで、すべてをその裁判所自身の見解とは扱いません。

前提や理由が足りなければ、AIは前後を広げ、別の一致箇所へ移り、続きを読みます。法レンズは続きの取得方法や、同じ種類の別の区画があることも案内します。どこを読み足すかを利用者が一つずつ指示する必要を減らし、AIが資料に沿って探索を続けられるようにします。

読んだ一節を、次の探索の起点にする。

本文で重要な論点を見つけたら、利用者のAIは、その箇所を指定して別の判例を探すこともできます。法レンズは指定された箇所と前後の本文を使い、ほかの収録資料から意味の近い部分を持つ候補を返します。同じ判決が別の資料として収録されている場合は、書誌が同じであることも伝えます。

判例全体を起点にすると、一つの事件に含まれる複数の話題が探索に関わります。一節へ焦点を合わせれば、読み進めて見つけた論点から、次の資料へ進むことができます。候補が同じ結論を支持するか、異なる条件を示すかは、AIがその本文を読んで確かめます。

短く渡すだけでなく、読み足せること。

全文を最初に渡すとAIが扱う情報が増えますが、抜粋を短くするだけでは重要な但し書きや理由を見落としかねません。法レンズは必要な箇所を取得する道具と続きを読むための情報を用意し、調査に応じて読む範囲を広げられるようにしています。

判決文のテキストは、原本PDFから機械的に抽出したものです。原本のページを特定できる資料では、AIがそのページの画像と抽出文を取得して照合できます。利用者自身も、法レンズにログインして原本PDFを開き、引用箇所を確認できます。

図は本文の読み進め方の一例です。文字の抽出やページの対応には限界があるため、どの資料でも原本ページを特定できるとは限りません。

研究・仕様の背景必要な情報を段階的に読み込む

本番で確かめた、焦点による候補の違い。

2026年10月14日の確認では、通信社の年次休暇を扱う判例から、二つの方法で候補を探しました。判例全体を起点にした検索には、通信社の配信記事による名誉毀損を扱う判例も入りました。一方、代替勤務者の確保について述べた箇所を起点にすると、勤務割の変更を扱う年次休暇の判例が入り、AIはその本文まで読み進めることができました。

読む箇所を選び、その箇所から次の候補を選んだのは、利用者側のAIであるCodexです。人が操作ごとに検索文を入力した例ではありません。これは一つの探索で確認した違いであり、箇所を指定すれば常に良い候補が得られる、という比較結果ではありません。

確認した資料は、起点の最高裁判所第三小法廷・1992年6月23日・平成1(オ)399（ID: 052772）、箇所を起点に見つけた同小法廷・1989年7月4日・昭和62(オ)1555（ID: 052211）、全体を起点に見つけた同小法廷・2002年1月29日・平成7(オ)1421（ID: 052567）です。リンク先の原本PDFは、ログインしてから確認できます。書面に引用する際は、利用者自身による原本の確認が必要です。

今後の応用案：読んだ根拠と、残る確認をつなぐ。

どの説明を根拠にしたか、前後のどこまで読んだかを保持できれば、未確認の例外や主体を後から点検しやすくなります。同じ焦点で異なる前提の資料も探し、都合のよい説明だけに調査が偏っていないか確かめる支援も考えられます。これらは今後検証する案で、法レンズが法的な結論を分類したり決めたりする機能ではありません。

文章を見つけた後は、誰の言葉か、いつの条文かを確かめる必要があります。一つの判決文に当事者の主張や複数の裁判官の意見が含まれ、同じ条番号でも時期によって内容が変わることがあるためです。

読み方を決めつけず、確かめる材料を添える。

法レンズは、見出しの位置関係や、抜粋が個別意見に掛かる場合の注意を返します。法レンズが本文の意味を断定して分類せず、AIが前後の文章と照らせるようにするためです。

検索結果の原文や抜粋に、法レンズが生成した要約や法的な評価は混ぜません。資料に書かれていることと、AIが整理した説明とを、読み手が分けて確かめられます。

条文は、調べたい時点を指定する。

法レンズでは、基準日を指定した条文の取得と、異なる版の比較ができます。現在の条文と出来事の当時の条文を分けて読み、必要な附則まで確かめられます。

過去の版などは、e-Gov法令APIの履歴・法令データで補います。取得できた版や比較の情報と、確認できなかった状態を区別して返し、AIが確認範囲を説明する材料にします。

指定した日付の版を取得することと、個別の事案に適用される法令を判断することは、別です。経過措置を含めた適用の判断は、利用者が専門家と確認してください。

同じMCPで接続しても、AIサービスによって道具の見つけ方や、受け取った情報の扱いは異なります。法レンズは、Claudeなどに案内する接続口と、ChatGPT・Codexに案内するOpenAI向けの接続口を分けています。資料と検索・取得の処理を共通にし、AIへ見せる道具の一覧と、接続時の案内を変えています。

道具を選ぶところから、本文の続きまで。

Claudeなどに案内する接続口では、判例を探す、本文の位置を指定して読む、条文を取得するといった用途別の道具を一覧に出します。説明を手掛かりに、調査に合う道具を選べるようにしています。

OpenAI向けの接続口では、それらに加えて、候補を探すsearchと本文を取得するfetchを一覧に出します。検索と取得の2つを入口にする連携でも、候補から判決文へ進める構成です。長い本文も、応答に添えた続きの指定を使い、同じ道具で読み進められます。

内容と読み方を、一緒に渡す。

応答を読む欄が接続先によって違っても、同じ内容を受け取れるようにしています。どちらの接続口でも、本文や書誌を項目ごとに分けた構造化データと、同じ内容のJSON文字列を併記します。道具の定義には項目の名前と型も添え、AIが本文と出典を対応づけて扱えるようにしています。

接続時の案内には、その接続口で本文を取得する道具を示します。各道具の説明にも用途と入出力を書き、その結果に固有の注意は応答に添えます。例えば、原本ページのリンクは利用者が確認するためのものと伝え、AIには本文を取得する道具を案内します。AIの本文取得と、利用者による原本の確認を区別します。

接続先に合わせて、道具の選択から本文の取得、出典の確認までを案内する設計です。この調整による調査時間や回答の正確さの改善は、比較測定していません。具体的な設定は、接続先ごとの手順にまとめています。

研究・仕様の背景検索と取得を組み合わせる接続仕様

AIの進化を、調査に取り込める構造。

法レンズは資料と検索・取得の道具を提供し、利用者のAIが調査の進め方と回答を組み立てます。この役割を分けることで、AIの探索や読解の力が進歩したときにも、それを資料の調査に生かせる構造を目指しています。

ただし、AIが変われば同じように動くとは限りません。新しい仕様や実際の使われ方を確かめながら、道具の説明、返す情報、接続の案内を見直します。

AIが、複数の資料をまとめて取得できるように。

法レンズは、AIが判例IDや本文の位置を指定して、必要な資料を直接取得できるようにしています。AIは、読む判決を決めた後、1件ずつ検索し直す必要がありません。検索で見つけた判決や、本文で引用されている先例の取得を、まとめて法レンズに依頼できます。

2026年10月16日、利用者側のAIであるClaudeのCoworkが本番の法レンズで年次有給休暇の時季変更権を調べました。AIは検索や本文の取得を3段階に分けて進め、7件の判決の判断部分、計63,181字を約26秒で受け取りました。別の民法改正の調査では、AIが条文の比較や附則の取得を12件まとめて依頼しました。

AIがまとめて依頼しても、法レンズには1件ずつ順に届きました。4つの調査で、法レンズが各依頼を処理するのにかかった時間は0.6秒から3.1秒でした。年休の例では約26秒の間に、法レンズが資料を返し、AIが届いた資料を読んで次に調べる対象を選びました。個々の依頼が届くまでの間隔も、この計測に含まれます。

年休では、AIは検索結果や取得した本文に加え、自身の法律知識も使って読む判決を選びました。民法改正では、AIが自身の改正の知識を使って比較する条文を選びました。年休の再検索では、AIは組み直した検索文を利用者に確認せずに検索しました。4つの調査とも、AIが最終回答を完成させるまでの時間は計測していません。

特定のAIと環境で確認した結果です。検索や取得をまとめて依頼するかどうかは接続先のAIが決めるため、別のAIや環境で同じ時間で資料が揃うわけではありません。

研究・仕様の背景外部の道具と情報を使う共通仕様

MCPツールの一覧と応答仕様は、エージェント向け技術情報にまとめています。

道具が動くだけでは、調査に役立つかは分かりません。法レンズでは、自然な言葉の問いからAIに調査を進めてもらい、何を検索し、どの本文を読み、何を根拠に回答したかを記録して確かめています。

見つかった件数や応答の速さに加え、必要な資料へ進めたか、説明を原文で裏付けられるか、見つからなかった範囲を伝えられるかを見ます。追加の検索や読解が増えても、それによって前提や例外を確かめられたなら、調査としての価値があります。

小さな行き違いも、次の改善へ。

注意が長い説明の中に埋もれる、0件で調査が止まる、語句が見えているのに本文内で見つからない。こうした実利用でのつまずきを、応答の構成、次の操作の案内、本文の探し方へ反映してきました。

改善後も、以前の問いで確かめ、別の問いでも調べます。応答の速さと必要な資料への到達を分けて確認し、資料の整備と道具の設計を継続して見直していきます。

今後の研究課題：手掛かりを一つずつ確かめる。

先行研究から、検索と本文取得を分けた道具の設計と、複数のAIエージェントで使える基盤という視点を取り入れます。法レンズでは、同じ資料・質問・モデルの版・利用予算で、手掛かりを一つずつ除いた条件を比べる案を検討しています。現在の観測例とは別の、これから行う比較評価です。

確かめたいのは、発言主体を読むための位置と見出し、条文の削除と取得失敗の区別、0件時の区画指定と調べ直す条件、抽出文と原本PDFのページの対応です。正しい本文への到達、主張と裁判所の判断の取り違え、条文の時点、引用の裏付け、失敗からの回復を見ます。所要時間、トークン数、不要な反復も記録します。

候補の抜粋から本文へ進みやすい道具の分け方や、注意・次の操作を見つけやすい応答も改善の候補です。調査の条件を固定できる環境で比べた後、異なるAIエージェントでも確かめます。同じモデルの版を選べないアプリ間の差は、アプリの違いだけによる効果として扱いません。

比較方法と改善案は検討段階です。手掛かりを除く試験は評価環境で行い、公開サービスの情報を減らすものではありません。効果の大きさや接続先をまたぐ再現性は、まだ測定していません。

研究・仕様の背景調査の過程と、出典に支えられた成果の両方を確かめること

このページでは、実装と検証記録に基づく法レンズの取り組みに加え、設計の考え方を理解する背景として、次の研究・技術資料を参照しています。これらは法レンズ自体の性能を評価した資料ではありません。