法的推論の自動化には、相反する課題が存在します。シンボリックシステムは透明性に優れる一方で曖昧性への対応が困難であり、一方のニューラルシステムは自然言語を柔軟に処理できますが検証可能性に欠けるという問題があります。本論文は、これらの課題を調和させる可能性として、ハイブリッドなニューロシンボリックアプローチの有効性を調査しています。研究チームはこのアーキテクチャを、オンラインコンテンツモデレーションの領域で評価しました。この領域は、大量行政手続のような高頻度の法的意思決定の代理として機能します。実務現場では、事業者が厳格な法的基準の下で毎日数千件のケースを評価する必要があります。 本研究の焦点は、大規模言語モデル（LLM）を決定論的なシンボリックスキャフォールド内に制約することで、法令に基づいた違法性評価を改善し、「スコープドリフト」（LLMが道徳的不快感と法的違法性を混同する現象）を防ぐことができるかどうかです。研究チームは、古典的な法的三段論法を具現化する視覚的ロジックツリー手法である「ルールマッピング」のニューロシンボリック版を、ドイツ刑法第130条第1項に基づくオンラインヘイトスピーチ分類で評価しました。 結果は顕著です。複数のLLMにおいて、ルールマッピングは再現率0.82～0.89の高い水準を維持しながら、精度0.80～0.86を達成しました。これは、制約されていないプロンプトの精度0.34～0.49と比較して大幅な改善です。エキスパートが作成したシンボリックスキャフォールドにより、監査可能性と検証可能な意思決定に対する規制要件と整合した、堅牢な法的自動化が可能になることを示しています。このアプローチは、法的領域における自動化システムの信頼性と透明性の向上に向けた重要な一歩となるでしょう。