💬 NLP

LLM-Assisted Causal Structure Disambiguation and Factor Extraction for Legal Judgment Prediction

该论文提出了一种融合大语言模型先验知识与统计因果发现的增强框架，通过粗粒度到细粒度的混合要素提取及因果结构消歧机制，有效解决了法律判决预测中要素提取噪声大和因果结构不确定的问题，显著提升了模型的预测精度与鲁棒性。

原作者： Yuzhi Liang, Lixiang Ma, Xinrong Zhu

发布于 2026-03-13

📖 1 分钟阅读☕ 轻松阅读

原作者： Yuzhi Liang, Lixiang Ma, Xinrong Zhu

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

这篇文章介绍了一种新的AI 法律判决预测方法。简单来说，就是教 AI 像真正的法官一样思考，而不是像“背题库”的学生一样死记硬背。

为了让你更容易理解，我们可以把法律判决想象成做一道复杂的菜，把AI 模型想象成一位正在学习做饭的学徒。

1. 以前的 AI 是怎么“做饭”的？（旧方法的痛点）

以前的 AI（基于预训练语言模型）就像是一个只会背菜谱的学徒。

它怎么做？ 它读了成千上万本菜谱（法律案例），发现只要看到“西红柿”和“鸡蛋”这两个词，菜谱最后通常都是“西红柿炒蛋”。于是它记住了这个统计规律。
有什么问题？ 它不懂因果关系。如果菜谱里写“今天天气很好，所以做了西红柿炒蛋”，它可能会错误地认为“天气好”是做菜的原因。
后果： 如果有人在菜谱里加个标点符号，或者把“天气好”改成“天气坏”，这个死记硬背的学徒就会晕头转向，做出完全错误的菜（预测错误的判决）。它学不到真正的“烹饪逻辑”（法律逻辑）。

2. 这篇论文提出了什么新招？（核心创新）

作者给这位学徒请了一位**“大律师导师”（大语言模型 LLM），并设计了一套“三步走”**的烹饪教学方案：

第一步：去伪存真，提炼核心食材（法律要素提取）

问题： 案卷（菜谱）里有很多废话，比如“张三”、“李四”、“某月某日”、“在某某街道”。这些就像菜谱里的“今天天气不错”、“厨房很干净”，跟做菜（判决）没直接关系，但以前的 AI 会把这些也当成重要线索。
新方法：
1. 粗筛（统计法）： 先像淘米一样，把出现频率高的词捞出来。
2. 精筛（LLM 导师）： 然后请“大律师导师”来把关。导师会问：“这个词是‘抢劫’的关键要素吗？还是只是路人甲的名字？”
3. 结果： 导师把“张三”、“某某街道”这些噪音扔掉，只留下“持刀”、“威胁”、“抢走财物”这些真正的核心法律要素。这就好比把菜谱里无关紧要的废话删掉，只保留真正的食材。

第二步：理清逻辑，画出“因果地图”（因果结构消歧）

问题： 即使有了核心食材，学徒还是不知道它们之间的因果关系。是“因为持刀所以抢劫”，还是“因为抢劫所以持刀”？以前的统计方法在这里会卡住，因为数据太稀疏，它分不清方向，就像画地图时不知道路是单行道还是双行道。
新方法：
- 这时候，“大律师导师”再次登场。它利用自己脑子里的法律常识（比如：事实决定判决，时间上原因在前结果在后）。
- 导师会指导学徒：“你看，‘持刀’肯定发生在‘抢劫’之前，所以箭头只能从‘持刀’指向‘抢劫’。”
- 通过这种**“导师指导 + 概率筛选”，他们画出了一张符合法律逻辑的因果地图**，而不是乱连线的蜘蛛网。

第三步：按图索骥，精准预测（判决预测）

做法： 现在，学徒手里有了干净的食材（核心要素）和正确的因果地图。
预测过程： 当遇到一个新案子时，AI 不再瞎猜，而是看着地图，沿着“因果线”去关注那些真正重要的词。
- 比如，如果地图显示“持刀”对“抢劫”的权重很高，AI 就会特别关注案子里有没有“持刀”这个细节。
- 这样，即使案子里的废话再多，或者标点符号变了，只要核心逻辑没变，AI 就能做出准确的判断。

3. 这个方法好在哪里？（实验结果）

作者用了很多真实的法律数据集（像中国的 CAIL、LEVEN 等）来测试，发现：

更聪明： 在区分那些长得特别像的罪名（比如“诈骗”和“敲诈勒索”）时，这个方法比以前的 AI 准得多。就像学徒终于分清了“糖”和“盐”，不会再把菜做咸了。
更抗造： 即使训练数据很少（比如只给学徒看 1% 的菜谱），它也能学得很好。因为它学的是逻辑，而不是死记硬背。
更稳定： 即使有人故意在案子里加一些干扰项，它也不会被带偏，因为它手里有那张“因果地图”作为导航。

总结

这篇论文的核心思想就是：不要只让 AI 做“统计员”，要让它做“逻辑学家”。

通过引入大语言模型（LLM）作为“法律导师”，帮助 AI 从混乱的案卷中提取真正的法律要素，并理清它们之间的因果逻辑，最终让 AI 像真正的法官一样，基于严密的逻辑推理来预测判决，而不是基于肤浅的关键词匹配。

这就好比：以前的 AI 是靠背题过考，现在的 AI 是学会了解题思路，所以无论题目怎么变，它都能拿高分。

这是一篇关于**法律判决预测（Legal Judgment Prediction, LJP）**的学术论文，题为《LLM-Assisted Causal Structure Disambiguation and Factor Extraction for Legal Judgment Prediction》（LLM 辅助的因果结构消歧与要素提取用于法律判决预测）。

以下是对该论文的详细技术总结：

1. 研究背景与问题 (Problem)

核心痛点：
现有的基于预训练语言模型（PLM，如 BERT）的法律判决预测方法主要依赖案情事实与判决结果之间的统计相关性。这种范式存在以下严重缺陷：

缺乏显式建模： 未对法律构成要件（Legal Constituent Elements）和底层的因果逻辑进行显式建模。
虚假相关性（Spurious Correlations）： 模型容易学习到与判决结论无关的虚假特征（如标点符号的微小扰动即可改变预测结果），导致鲁棒性差。
现有因果方法的瓶颈： 虽然引入因果推断能缓解上述问题，但在真实法律文本中面临两大挑战：
1. 法律要素提取不准： 传统统计方法（如关键词提取）难以区分高频叙事成分与实质性法律要素，引入大量噪声（如人名、地名）。
2. 因果结构不确定性： 由于法律文本特征稀疏，传统的因果发现算法（如 GFCI）受限于马尔可夫等价类（Markov Equivalence），只能输出包含大量方向不确定边的部分祖先图（PAG），导致后续模型不得不引入启发式假设，削弱了法律可解释性。

2. 方法论 (Methodology)

论文提出了一种增强型因果推断框架，将大语言模型（LLM）的先验知识与统计因果发现相结合，形成从非结构化案情到因果感知判决预测的闭环。框架分为四个阶段：

2.1 法律要素的混合提取机制 (Hybrid Extraction Mechanism)

采用“由粗到细”（Coarse-to-Fine）的策略，结合统计筛选与 LLM 语义推理：

粗筛（统计层）： 使用无监督的 YAKE 算法计算词汇显著性，并结合均匀采样策略，确保覆盖长尾关键证据，构建初始候选集。
精修（语义层）： 引入 检索增强生成（RAG） 和 思维链（Chain-of-Thought, CoT） 提示工程。
- 利用外部法律词典作为知识库。
- 设计包含角色定位、任务目标、推理链（语义解析 -> 要素关联评估 -> 多维过滤 -> 结果验证）的提示框架。
- LLM 负责将候选词映射为标准法律要素，并过滤掉人名、地名等非要素噪声，构建纯净的因果变量空间。
节点统一： 对提取的要素进行语义聚类（K-means），统一同义词节点。

2.2 LLM 辅助的因果结构消歧 (LLM-Assisted Causal Structure Disambiguation)

针对 PAG 图中方向不确定的边，利用 LLM 作为“软法律知识库”进行概率消歧：

初始发现： 使用 GFCI 算法生成包含不确定边（如 $u \circ - \circ v$ ）的 PAG。
LLM 消歧： 构建结构化提示，注入法律条文和案情上下文，让 LLM 评估不确定边的方向概率（ $u \to v$ , $v \to u$ , 或无直接因果）。
约束过滤： 引入 司法逻辑约束（事实决定判决，禁止 $Y \to X$ ）和 时间约束（原因先于结果），进一步剪枝。
多图采样： 基于消歧后的概率，生成多个候选因果图（ $Q$ 个），避免单一图的随机假设。

2.3 因果强度估计 (Causal Strength Estimation)

利用 倾向性得分匹配（PSM） 估算每条因果边的平均处理效应（ATE），量化因果强度。
使用 贝叶斯信息准则（BIC） 评估每个采样图的拟合度，作为权重。
通过加权求和，聚合所有采样图的因果强度，得到最终的要素到罪名的因果强度矩阵。

2.4 因果感知的判决预测 (Causal-Aware Prediction)

使用预训练模型 ALBERT 编码案情文本。
注意力约束： 引入辅助损失函数 $L_{causal}$ ，强制模型的注意力权重（Attention Weights）与计算出的因果强度对齐。
最终通过加权注意力机制输出预测结果，确保模型关注具有真实因果效力的关键证据。

3. 主要贡献 (Key Contributions)

法律要素识别新范式： 提出了统计筛选与 LLM 语义推理相结合的混合提取机制，实现了高精度、低噪声的法律要素提取。
因果结构消歧机制： 设计了 LLM 辅助的概率消歧策略，有效解决了观测数据中因马尔可夫等价性导致的因果结构不确定性问题，生成了符合法律逻辑的候选因果图。
因果感知预测模型： 构建了显式利用因果图约束注意力机制的预测模型，显著提升了在相似罪名区分任务中的准确性和鲁棒性。

4. 实验结果 (Results)

数据集： 在 LEVEN, QA, CAIL, LEDGAR, Overruling 等多个中英文基准数据集上进行测试。
性能对比：
- 在 50% 训练数据下，模型平均准确率达到 85.72%，显著优于 BERT+CRF (83.02%) 和 XLM-RoBERTa (78.31%) 等主流基线。
- 在 少样本（Few-shot） 场景（1% 训练数据）下表现尤为突出，平均准确率达 61.17%，远超基线模型（如 BERT 仅为 1.79%），证明了其数据效率。
消融实验：
- 移除 LLM 增强模块导致准确率下降约 2.9%。
- 移除法律知识增强模块导致准确率下降约 1.4%。
- 移除因果注意力约束导致准确率下降约 2.88%。
鲁棒性验证： 通过反事实扰动（如添加随机混淆因子、安慰剂处理）测试，证明生成的因果结构能有效过滤虚假相关，对噪声具有强鲁棒性。
复杂度分析： 随着案情中因果要素数量的增加，模型性能呈现“先升后平”的趋势，证明模型能有效利用复杂案情中的关键逻辑节点。

5. 意义与价值 (Significance)

理论突破： 将法律判决预测从单纯的“统计相关性匹配”提升到了“因果逻辑推理”的层面，更符合法律审判的严谨性。
解决行业痛点： 有效解决了法律文本中要素提取噪声大、因果结构难以确定的实际问题，为法律 AI 的可解释性和鲁棒性提供了新的技术路径。
LLM 与因果推断的融合： 展示了如何利用 LLM 的领域常识（Common Sense）和推理能力来弥补传统统计因果发现算法在稀疏数据下的不足，为其他垂直领域的因果推断研究提供了参考范式。
实际应用潜力： 在相似罪名区分（如诈骗与敲诈勒索、贪污与挪用公款）等高难度任务中表现优异，有助于辅助法官决策，减少误判。

总结来说，该论文通过LLM 赋能的因果推断框架，成功地将法律领域的先验知识融入数据驱动的预测模型中，显著提升了法律判决预测的准确性、鲁棒性和可解释性。