Deterministic Legal Agents: A Canonical Primitive API for Auditable Reasoning over Temporal Knowledge Graphs
本文介绍了 SAT-Graph API，这是一种规范的原语接口，通过将大语言模型的不确定性限定在意图转换与叙事合成环节，同时利用可靠的符号操作执行所有结构、时序及因果图遍历，从而实现可审计的确定性法律推理。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在试图解开一个复杂的法律谜团，比如弄清楚某项法律在过去的特定一天究竟是如何规定的。
在标准人工智能（如我们当今使用的聊天机器人）的世界里，系统表现得有点像一个只懂得猜测的图书管理员。如果你问：“2001 年关于住房的法律是如何规定的？”，这位图书管理员会扫描图书馆，找到与你问题看起来相似的页面，然后递给你。但问题在于：这位图书管理员可能会抓起 2024 年的页面，或者来自不同国家的页面，甚至是多年前已被删除的页面。这位图书管理员擅长猜测文字，却极不擅长理解图书馆的历史或规则。
本文提出了一种构建法律人工智能的新方法，称为确定性法律代理。他们不想再建造一个猜测的图书管理员，而是希望打造一个遵循严格、不可破坏规则的机器人档案管理员。
以下是本文如何用简单概念解释这一新系统：
1. 问题：“扁平化”的图书馆
当前的人工智能将法律视为一堆散乱的纸张。它不理解法律是更大书籍的一部分，不理解书籍有章节，也不理解法律是随时间变化的。
- 类比：想象试图在一本小说中找到特定的句子，但人工智能只是抓取书中包含相同单词的随机句子。它可能会抓取书开头的句子，而你需要的是书末的句子；或者抓取已被废弃的草稿中的句子。在法律领域，这是危险的，因为昨天正确的法律今天可能已经不再正确。
2. 解决方案："SAT-Graph"（主蓝图）
作者此前构建了一个名为SAT-Graph的特殊数据库。不要把它想象成一堆纸张，而要将其视为法律的活生生的、会呼吸的家谱。
- 每项法律都是一个“项目”。
- 每次法律变更，都会诞生一个新的“版本”。
- 每次变更都由特定的“行动”引起（例如签署新法案）。
- 这个图谱知晓确切的历史：哪部是母法？是什么改变了它？它何时失效？
3. 新接口：“原语 API"（严格菜单）
本文回答的一个核心问题是：我们如何让人工智能与这个复杂的家谱对话，同时不让它犯错？
如果我们让人工智能自己编写数据库查询（例如让它编写 SQL 代码），它可能会感到困惑并请求错误的东西。因此，作者创建了一个规范原语 API。
- 类比：想象人工智能是一家非常高档餐厅的顾客。
- 旧方式：顾客走进厨房，开始向厨师大喊点菜，试图自己做饭。他们可能会烧焦汤，或者用错食材。
- 新方式（API）：顾客只能从严格、预先批准的菜单上点菜。菜单上有特定的按钮，如“获取第 6 条的 2001 年版本”或“向我展示谁修改了这项法律”。人工智能不能随意走进厨房；它只能按按钮。
4. 黄金法则：“概率隔离”
这是本文最重要的概念。作者意识到人工智能天生是“模糊”的（它会猜测），但法律事实必须是“清晰”的（它们要么为真，要么为假）。
他们制定了一条名为概率隔离的规则。这就像是一个安检关卡：
- 区域 1（模糊区）：人工智能被允许在此猜测。它接收你的问题（“关于住房的情况如何？”），并猜测你指的是哪部法律。它可能会说：“我认为你指的是第 6 条，但我只有 80% 的把握。”
- 关卡：一旦人工智能选定了一个具体的法律 ID（例如“第 6 条”），它就必须通过关卡。
- 区域 2（严格区）：从这一刻起，不允许任何猜测。人工智能按下按钮获取 2001 年的版本。机器人档案管理员必须提供该日期的确切文本。它不能猜测，不能产生幻觉，它只是检索确切的数据。
- 区域 3（再次进入模糊区）：一旦机器人提供了确切文本，人工智能被允许再次猜测，以便为你撰写一份漂亮的摘要。
5. 现实生活中的运作方式（用例）
本文通过三个示例展示了其运作方式：
- 时间旅行：你问："2001 年 5 月 20 日的法律是如何规定的？”
- 旧人工智能：可能会展示法律当前的样子。
- 新人工智能：猜测法律名称，然后按下“获取 2001 年版本”按钮。机器人提供那天的确切文本。
- 侦探工作：你问：“当加入‘住房’一词时，法律是如何变化的？”
- 旧人工智能：可能会找到“住房”这个词并展示一段文字。
- 新人工智能：找到该法律，查看其历史，发现加入“住房”的确切时刻，并展示变更前和后的文本，以及导致该变更的具体法案。
- 连锁反应：你问：“这项新修正案改变了哪些法律？”
- 旧人工智能：可能会在其他法律中搜索该修正案的名称（这通常行不通）。
- 新人工智能：追踪“行动”路径。它看到该修正案是一个“父级”，创建了其他法律的新版本。它列出确切的变化内容。
总结
本文并不声称这种人工智能在充当律师方面是完美的。它声称解决的是可靠性问题。
它构建了一个系统，在其中人工智能被允许在理解你的问题和撰写最终答案时发挥创造力，但在查找事实时被迫成为机器人。它将“猜测”与“事实核查”分离开来，使得人工智能使用的每一份证据都可以追溯回数据库中特定的、不可更改的记录。
这就像给侦探提供一副只能显示真相的放大镜，而不是一个显示可能为真的水晶球。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。