법령 말뭉치와 판결문은 법률 전문가들이 읽을 수 있는 속도보다 더 빠르게 증가하고 있는 반면, 개별 판결문은 표준 인코더 모델의 컨텍스트 한계를 초과하는 경우가 많습니다. 트랜스포머(Transformer) 아키텍처는 법률 자연어 처리(NLP) 벤치마크를 지배하고 있으나, 2차(quadratic) 어텐션 복잡도로 인해 전체 문서 수준의 추론을 필요로 하는 문서를 잘라내거나 단편화해야 할 수 있습니다. Mamba와 같은 선택적 상태 공간 모델(SSM)은 선형 시간 시퀀스 모델링을 제공하여 긴 법률 문서에 대한 유망한 대안이지만, 법률 분류 및 검색에서의 성능은 여전히 충분히 연구되지 않았습니다. 본 연구에서는 공통 윈도잉 및 집계 파이프라인을 사용하여 4개의 법률 분류 작업(ECtHR, EUR-Lex, SCOTUS, ILDC/ILC)과 2개의 판례 검색 작업(ECtHR, ILDC) 전반에 걸쳐 Mamba 및 SSD-Mamba를 BERT, DeBERTa, Longformer와 비교하는 예비 벤치마크를 제시합니다. 가장 강력한 SSM은 여러 작업과 지표에 걸쳐 가장 강력한 트랜스포머와 약 1.3%포인트 이내의 성능 차이를 보였습니다. SSD-Mamba는 DeBERTa보다 초당 약 3배, Longformer보다 약 4배 더 많은 토큰을 처리하면서 ECtHR 분류, ILDC 분류 및 ECtHR 검색의 대부분의 지표에서 최고 결과를 달성했습니다. DeBERTa는 SCOTUS 및 EUR-Lex F1에서 여전히 가장 강력한 성능을 유지합니다. 이러한 결과는 무작위 시드에 따른 분산 추정치나 통계적 유의성 검정을 포함하지 않으므로 예비적인 결과입니다. 본 논문은 확정적인 순위를 제시하기보다는, 이러한 결과를 바탕으로 반복 시드 실험, 통계적 검정, 모델 용량 및 계산 효율성에 대한 통제를 통한 추가 평가의 필요성을 제시합니다.
본 논문은 COLIEE 2026 Task 1(판례법 검색)에 제출한 ABAI 시스템과, 해당 시스템의 성능이 기대에 못 미친 이유에 대한 통제된 분석을 제시한다. 이 과제에서는 인용된 구절 자체가 제거되어, 검색기가 의존할 수 있는 어휘적 중첩의 상당 부분이 사라진다. 이에 대응하여 우리의 파이프라인은 독립적으로 학습된 네 단계로 구성된다. 첫째, 인용 문맥 윈도우에 대한 다중 뷰 BM25와 역순위 융합(reciprocal rank fusion), 둘째, 신경망 리랭킹, 셋째, 엔티티 커뮤니티와 그래프 어텐션 네트워크(graph attention network)로부터 얻은 그래프 기반 특징, 넷째, 34개 특징에 대한 LightGBM 메타 학습기이다. 우리의 최고 성능 실행은 공식 테스트 세트에서 F1=0.177을 기록했으며, 이는 교차 검증에서의 0.311에 비해 낮다. 우리는 이 격차의 원인을 재현율(recall) 상한, 시간적 분포 변화, 임계값 보정 오류로 추정했고, 이후 세 가지를 모두 검증했다. 누수가 없는 프로토콜에서 임계값 전이에 따른 손실은 F1 0.007에 불과하고, 결정 품질은 시간순 사분위 전반에서 일정하며, 공식 테스트 질의는 두 개의 독립적인 임베딩 공간에서 학습 질의들 서로 간의 거리보다 학습 매니폴드에서 측정 가능할 만큼 더 멀지 않다. 대신 미스(miss)를 분해해 보면, 한 번도 검색되지 않은 후보와 검색되었으나 컷오프 아래로 순위가 매겨진 후보로 정확히 절반씩 나뉜다. 각 절반에 대한 해결책을 측정한 결과, BM25 길이 정규화 튜닝, 이벤트 트리플(event-triple) 뷰, 전체 콘텐츠 밀집 벡터(dense) 융합은 top-200 재현율을 3~7%p 높였고, 자기 인용 누수를 제거하면 인용 그래프 특징은 8개 시드에 걸쳐 F1을 0.014 향상시켰다. 반면 질의별 컷오프 규칙, 제로샷 리랭커 교체, 날짜 필터는 도움이 되지 않았다. 또한 프로토콜을 바로잡자 결과가 뒤집힌 네 가지 평가 아티팩트(artifact)도 함께 문서화한다.