[논문 리뷰] PYTHEN: A Flexible Framework for Legal Reasoning in Python

Ha-Thanh Nguyen, Ken Satoh|arXiv (Cornell University)|2026. 03. 16.

Artificial Intelligence in Law인용 수 0

한 줄 요약

PYTHEN은 규칙, 조건, 예외를 모델링하기 위해 JSON-규칙 구조와 Python의 any() 및 all() 의미를 사용하는 파이썬-네이티브의 defeasible 법적 추론 프레임워크로, 접근성과 AI 도구와의 통합을 목표로 한다.

ABSTRACT

This paper introduces PYTHEN, a novel Python-based framework for defeasible legal reasoning. PYTHEN is designed to model the inherently defeasible nature of legal argumentation, providing a flexible and intuitive syntax for representing legal rules, conditions, and exceptions. Inspired by PROLEG (PROlog-based LEGal reasoning support system) and guided by the philosophy of The Zen of Python, PYTHEN leverages Python's built-in any() and all() functions to offer enhanced flexibility by natively supporting both conjunctive (ALL) and disjunctive (ANY) conditions within a single rule, as well as a more expressive exception-handling mechanism. This paper details the architecture of PYTHEN, provides a comparative analysis with PROLEG, and discusses its potential applications in autoformalization and the development of next-generation legal AI systems. By bridging the gap between symbolic reasoning and the accessibility of Python, PYTHEN aims to democratize formal legal reasoning for young researchers, legal tech developers, and professionals without extensive logic programming expertise. We position PYTHEN as a practical bridge between the powerful symbolic reasoning capabilities of logic programming and the rich, ubiquitous ecosystem of Python, making formal legal reasoning accessible to a broader range of developers and legal professionals.

연구 동기 및 목표

• Prolog 기반 시스템에 비해 접근성을 향상시키는 Python-네이티브의 defeasible 법적 추론 프레임워크 PYTHEN을 소개한다.
• ALL/ANY 조건 지원과 명시적 예외를 갖춘 JSON 기반 규칙 및 사실 표현을 제시한다.
• 유연성, 가독성, 생태계 통합 측면에서 PYTHEN과 PROLEG를 비교한다.
• 자동 형식화(autoformalization), LLM 통합, 법적 AI 시스템 개발 분야의 잠재적 응용을 논의한다.

제안 방법

• p, op, conditions, and exceptions 필드를 갖는 PYTHEN 규칙 구조를 설명한다.
• Python의 any()와 all() 의미가 ALL 및 ANY를 통해 규칙 평가에서 어떻게 반영되는지 설명한다.
• 예외 우선 평가 전략을 명시한 역방향 추론 메커니즘을 자세히 설명한다.
• 유연한 실행 정책을 가능하게 하기 위해 규칙 표현을 평가 전략과 분리할 것을 주장한다.
• 명확하고 읽기 쉬운 규칙 표현을 보여주기 위해 GDPR 관련 예제로 설명한다.

실험 결과

연구 질문

• RQ1 읽기 쉬운 구문으로 Python 기반 규칙 프레임워크가 defeasible 법적 추론을 어떻게 모델링할 수 있는가?
• RQ2 법적 추론에서 예외 우선과 다른 평가 전략 간의 트레이드오프는 무엇인가?
• RQ3 PYTHEN이 법률 텍스트를 위한 LLM과 자동 형식화 파이프라인의 효과적인 통합을 가능하게 할 수 있는가?
• RQ4 표현력, 사용성, 생태계 적합성 측면에서 PYTHEN은 PROLEG와 어떻게 비교되는가?

주요 결과

• PYTHEN은 ALL 또는 ANY 조건에 대한 명시적 op 필드와 defeasibility를 위한 예외 목록이 포함된 JSON 기반 규칙 형식을 제공한다.
• 추론 엔진은 예외 우선 평가 및 규칙과 사실에 대한 역방향 적용을 지원하며 Python 의미론에 명시적으로 참조한다.
• 비교 분석은 PYTHEN이 PROLEG에 비해 접근성이 더 크고 Python 생태계와의 통합이 더 용이하며, 이합(disjunctive) 조건의 처리가 더 간결하다는 점을 강조한다.
• 이 프레임워크는 자동 형식화 워크플로우 및 차세대 법적 AI 시스템의 LLM 지원 개발에 적합하다고 위치지어진다.