기술 요약: 확장된 규모에서의 정확한 법적 추론을 위한 분할 지능

문제 제기

민사 소송, 보험, 과세, 금융 규제와 같은 고위험 영역의 법률 문서는 종종 계산적 법적 조항을 포함합니다. 이러한 조항은 수학적 추론 (예: 세무 공식), 논리적 조건 평가 (예: 자격 요건 임계값), 그리고 문맥적 언어 해석의 종합을 요구합니다.

최첨단 대형 추론 모델 (LRM) 은 impressive 한 의미적 유창성을 보여주지만, 생산 준비 adjudication(재판) 에서는 두 가지 치명적인 장벽에 직면합니다:

1. 신뢰성: 확률적 모델은 "추론 오류"로 고통받으며, 여기에는 계수 착각 (hallucinating coefficients) 과 같은 침묵의 산술 실패와 논리적 복잡성 (예: 중첩된 부울 논리 또는 광범위한 의사결정 트리) 이 증가함에 따라 성능이 치명적으로 저하되는 "추론 절벽"이 포함됩니다. 이들은 법적 추론에 필요한 구조적 엄격함을 결여하고 있습니다.
2. 경제성: 모든 반복적 거래 (예: 수천 개의 송장 처리) 에 대해 사고의 사슬 (Chain-of-Thought, CoT) 추론에 의존하는 것은 선형 비용 확장을 강제하여 고량 업무 흐름에서 자율적 adjudication 을 상업적으로 실행 불가능하게 만듭니다.

전통적인 논리 프로그래밍 (예: Prolog) 은 엄격함을 제공하지만 수동 지식 획득 병목 현상으로 고통받습니다. 반면, 순수 생성적 접근법은 법적 준수를 위해 필요한 결정론적 보장을 결여하고 있습니다.

방법론: 분할 지능

저자들은 실행 시 해석기에서 논리 컴파일러로 패러다임을 전환하는 신경 - 심볼릭 아키텍처인 **분할 지능 (Amortized Intelligence)**을 제안합니다. 이 시스템은 두 단계 프로세스를 통해 추론과 실행을 분리합니다:

1. 컴파일 단계 (일회성 비용)

대형 언어 모델 (LLM) 을 한 번 사용하여 비구조화된 법률 텍스트를 **결정론적 자율 계약 언어 (DACL)**로 변환합니다.

• DACL 표현: 상업적 논리에 최적화된 타입 지정 방향 비순환 그래프 (DAG) 중간 표현.
• 조항 원시 요소: 시스템은 네 가지 재귀적 원시 요소를 가진 강력하게 타입 지정된 스키마를 활용합니다:
  • 절차 (Procedure): 조기 종료 기능이 있는 순차적 워크플로우.
  • 논리적 조항 (Logical Clause): 우선순위 기반 자격 요건을 강제하는 1 차 명제 논리.
  • 범위 조항 (Range Clause): "오프-바이-원" 오류를 제거하기 위해 엄격한 경계 검증을 통해 연속 변수를 이산 구간으로 매핑.
  • 가격 책정 공식 (Pricing Formula): 구성 가능한 정밀도로 샌드박스 환경에서 실행되는 산술 표현식.
• 시간적 버전 관리: 조항은 유효 날짜를 포함하여 엔진이 전체 계약 재생성 없이 특정 사건 날짜에 맞는 올바른 버전을 선택할 수 있게 합니다.

2. 실행 단계 (런타임)

후속 adjudication 은 사전 컴파일된 DACL 그래프를 실행하는 경량 신경 - 심볼릭 에이전트에 의존합니다.

• 의미 라우팅: 경량 LLM(예: gpt-5-mini) 은 사용자 쿼리와 런타임 사실을 특정 조항 식별자 집합 ($K$) 에 매핑합니다.
• 심볼릭 위임: 에이전트는 논리를 실행하기 위해 결정론적 엔진 ($\Phi_{DACL}$) 을 호출합니다. 이 단계는 비확률적이며 참조 투명성 (동일한 입력이 항상 동일한 출력을 생성함) 을 보장합니다.
• 종합: 에이전트는 엔진이 생성한 구조적 감사 추적 ($\tau$) 을 기반으로 자연어 응답을 종합합니다.

주요 기여

1. DACL 아키텍처: 일반 정리 증명보다 법적 원시 요소와 명시적 변수 종속성 추적을 우선시하는 그래프 기반 신경 - 심볼릭 중간 표현.
2. 분할 지능 검증: 산업용 기업 자원 계획 (ERP) 및 회계 시스템 데이터를 통해 검증되었으며, 고량 작업에서 무거운 법적 해석을 일회성 컴파일 단계로 위임함으로써 최첨단 LRM 베이스라인 대비 99.5% 정확도와 95% 이상의 비용 절감을 달성함을 보였습니다.
3. 실패 분류 및 구조적 감사 가능성: 연구는 최첨단 모델의 오류 모드를 분리하여 산술 착각이 아닌 변수 종속성 (VD) 오류(잘못된 상태 추적) 를 주요 실패 모드로 식별했습니다 (오류의 71%). DACL 은 모든 결정에 대한 결정론적이고 추적 가능한 실행 경로를 제공합니다.
4. 생산 배포: 이 시스템은 12 개월 이상 라이브 환경에 배포되어 150 개 이상의 상업적 계약과 월간 약 1,000 건의 청구 이벤트를 가로지르는 송장 및 매입 채무 워크플로우를 자율적으로 실행하고 있습니다.

결과 및 평가

이 시스템은 네 가지 독점 산업 계약 (의료, 에너지, 물류, 지자체) 에 걸쳐 세 가지 최첨단 모델 계열 (GPT-5.2, Claude 4.5 Sonnet, Gemini 3 Pro) 에 대해 평가되었습니다.

• 정확도와 "추론 절벽": DACL 에이전트는 99.5% 의 전체 정확도를 달성했습니다. 반면, 최첨단 모델은 뚜렷한 "복잡성 절벽"을 보였습니다. 모델은 단순 산술 (Energy-Sup) 에서는 잘 수행되었지만 복잡한 의사결정 트리 (Logistics-MSA, 76 개의 의사결정 상태) 에서는 정확도가 무너져 GPT-5.2 의 경우 **22%**까지 떨어졌습니다.
• 오류 분석: 최첨단 모델은 종종 수학을 올바르게 계산했지만 잘못된 상태에 조건을 부여했습니다 (예: Tier B 화물에 Tier A 요금 적용). DACL 오류는 드물었으며 결정론적 엔진이 아닌 의미 라우팅 에이전트에서만 발생했습니다.
• 계산 경제성:
  • 토큰 효율성: 전체 계약 컨텍스트 대신 활성 논리 조항만 검색함으로써 DACL 은 베이스라인 대비 토큰 소비를 9.9 배 줄였습니다.
  • 지연 시간: 복잡한 작업에서 DACL 은 이벤트당 평균 26.8 초를 소요하여 무거운 추론 모델이 필요로 하는 약 164 초보다 훨씬 빠르면서도 우수한 정확도를 유지했습니다.

중요성과 주장

이 논문은 확장 가능하고 자율적인 법적 adjudication 을 달성하려면 확률적 모델만으로는 부족하며, LLM 을 런타임 해석기가 아닌 일회성 의미 컴파일러로 취급함으로써 "시스템 2"추론의 확률적 위험을 제거해야 한다고 주장합니다.

저자들은 이 접근법이 다음과 같은 것을 제공한다고 주장합니다:

• 확장성: 연간 수백만 건의 사건을 수동 검토 없이 처리할 수 있는 경로로, 시스템적 사법 접근성 문제를 해결합니다.
• 안정성과 균일성: 일관된 규칙 적용을 보장하고 생성적 추론의 예측 불가능성을 제거합니다.
• 감사 가능성: 법적 준수를 위해 필수적인 구조적 감사 추적을 제공하여 adjudication 이 설명 가능하고 결정론적이어야 한다는 요구 사항을 충족시킵니다.

이 연구는 논리가 시스템의 정의된 원시 요소에 매핑될 수 있다면, 이 결정론적 접근 방식이 상업적 계약을 넘어 다른 규제 영역 (예: 세법, 도시 조례) 으로 확장될 수 있음을 시사합니다. 저자들은 현재 반증 가능 추론, 개방형 텍스트 법률 표준, 비영어권 관할권에 대한 지원 부재와 같은 한계를 인정하며, 컴파일러 오류는 드물지만 생산 배포 전에 인간 검토가 필요하다고 명시합니다.