Enhancing Judgment Document Generation via Agentic Legal Information Collection and Rubric-Guided Optimization

想象一下，法官的工作就像是为法律裁决撰写一份极其严格、关乎重大利益的食谱。要写好这份“食谱”（即判决书），法官需要两样东西：

1. 正确的食材：他们必须找到适用于具体罪行的确切法律条文和过往判例（成文法与先例）。
2. 完美的烹饪方法：他们必须将这些食材与案件事实相结合，烹制出一道逻辑严密、专业且符合法律规范的最终菜肴。

目前，试图完成这一任务的计算机系统常犯两个大错：要么抓错了食材（编造不存在的法律），要么以毫无逻辑的方式将它们混合在一起。

本文介绍了Judge-R1，这是一种旨在解决这些问题的新型计算机系统。可以将其视为一位“超级大厨”，它通过两步训练过程，力求成为最优秀的法律文书撰写者。

第一步：“精明采购员”（代理式法律信息收集）

在动笔之前，系统需要找到正确的法律条文。

• 旧方法：想象一位采购员，只是向搜索引擎输入诸如“发生了坏事”这样模糊的描述。结果会返回一大堆资料，其中许多要么不相关，要么略有偏差。
• Judge-R1 的方法：该系统使用智能采购员代理。该代理不仅仅是搜索，而是像侦探一样行动。它将犯罪故事的杂乱叙述拆解为具体问题（例如：“关于盗窃的法律规定是什么？”“针对这一特定金额的处罚是什么？”）。随后，它前往多个“商店”（法律数据库），寻找所需的精确法条和过往判例。
• 结果：它过滤掉了噪音，带回了一篮完美、高质量的法律证据，确保法官在开始“烹饪”之前拥有正确的“食材”。

第二步：“严苛美食评论家”（基于评分标准的优化）

一旦系统拥有了食材，它就需要撰写判决书。

• 旧方法（监督微调）：想象通过向学生展示 1,000 篇优秀范文来教他们写作。学生学会了完美地模仿文章的风格和格式。然而，他们仍可能犯逻辑错误或编造事实，因为他们只是在模仿文章的外表，而非理解规则。
• Judge-R1 的方法：在完成初步的风格训练后，系统进入“强化学习”阶段。在此阶段，它通过撰写判决书的多个不同版本来进行“游戏”。
  • 一位严苛美食评论家（数字评分标准）会品尝每一个版本。
  • 这位评论家不仅看辞藻是否华丽。它会检查：你是否引用了正确的法律？罚款金额的计算是否正确？逻辑是否严密？你是否重复过多？
  • 如果判决在法律上存在错误，系统会得到“低分”；如果完美无缺，则获得“高分”。
  • 系统从这些分数中学习，不断调整其“食谱”，直到能够持续产出不仅文笔优美，而且法律准确、逻辑无懈可击的判决。

最终成果

本文使用名为JuDGE的标准法律测试，将这位“超级大厨”与其他顶级计算机系统进行了对比测试。

• 寻找食材：Judge-R1 在查找正确法律方面远优于以往的系统，后者经常遗漏关键细节或抓取不相关的条文。
• 撰写判决：Judge-R1 生成的最终文件在法律结论上更为准确，虚构的引用更少，并且比竞争对手更好地遵循了法院要求的严格逻辑结构。

简而言之，Judge-R1 不仅仅试图听起来像律师；它利用智能搜索策略来探寻真相，并借助严格的评分系统来确保逻辑站得住脚，从而成为一种生成法律判决的更为可靠的工具。