💻 computer science

LGAgent: A Structured and Rule-Guided Multi-Agent Framework for Interpretable Legal Reasoning

LGAgent 是一个结构化、规则引导的多智能体框架，它利用不同规模的大语言模型之间的协作交互来模拟专业的法律工作流，从而提供比标准单模型方法更具可解释性、可验证性且更卓越的审判推理。

原作者： Xin Feng, Feng Shu, Manjia Feng, Yi Feng, Haoming Liu

发布于 2026-07-08

📖 1 分钟阅读☕ 轻松阅读

原作者： Xin Feng, Feng Shu, Manjia Feng, Yi Feng, Haoming Liu

原始论文采用 CC BY 4.0 许可（https://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，你正在试图解决一个非常棘手的法律谜题，就像是在做法学院考试中的多选题。如果你问一个标准的、超级聪明的人工智能（即“大语言模型”）来解决它，它可能会仅仅根据词语听起来的感觉来瞎猜，或者编造一个看似合理但实际上错误的动人故事。这就像是要求一位才华横溢但冲动的侦探在没有检查证据的情况下去破案；他们可能会碰巧撞上答案，但往往会忽略细节。

这篇论文介绍了 LGAgent，它就像是将那位单打独斗的侦探升级成了一个结构化的法律团队。它不再让一个人承担所有工作，而是将任务分解为三个特定的角色，让他们像一台运转良好的机器一样协同工作，以确保答案正确、逻辑严密且有据可查。

以下是这个团队的工作方式，使用了一个简单的类比：

LGAgent 团队的三种角色

1. 案件分析师（律师 A）：“解构者”
把这个智能体想象成一位一丝不苟的图书管理员，他们现在还不关心答案。他们的唯一工作就是将混乱的法律问题拆解成整齐、有序的部分。他们识别关键事实，发现选项中陷阱式的“诱导”词汇，并为问题绘制一张清晰的地图。他们不进行猜测，只是将拼图碎片整理好，以便其他人明确知道正在处理什么。

2. 法官：“交通警察”
这个智能体是整个流程的管理者。一旦案件分析师交出了整理好的地图，法官就会做出决策：“我们是否需要查阅更多规则？”或者“我们是否需要寻求澄清？”

如果团队很有信心，法官会说：“可以，选一个答案吧。”
如果团队不确定或证据薄弱，法官会说：“停！我们需要重新查阅法律书籍”或者“让我们提出一个具体的问题来消除困惑。”
法法官确保团队不会草率得出结论，并遵循一套严格的规则，就像现实法庭中的法官一样。

3. 决策者（律师 B）：“两步走求解者”
这是实际挑选最终答案的智能体，但他们分两个截然不同的阶段进行：

第一阶段（直觉检查）： 在查看任何额外规则或证据之前，他们会基于已知知识做一个快速的、“盲目的”猜测。同时，他们也会承认自己的信心程度（例如，“我有 60% 的把握”）。
第二阶段（证据核实）： 现在，他们会查看分析师提供的整理好的地图以及法官给出的指令。他们会对每一个选项进行事实核对。他们会自问：“这个选项有证据支持吗？它是错误的吗？还是说我们目前信息不足？”
循环机制： 如果他们发现对于某些选项缺乏足够的信息（或者初始信心值过低），法官就会触发一个“澄清循环”。团队向法官寻求更具体的指导，再次检查，直到确定为止。

为什么这种方法很特别

论文声称，这种“团队协作”的方法解决了单个 AI 通常面临的三个大问题：

不再是“黑箱式”瞎猜： 单个 AI 往往直接吐出答案，而 LGAgent 则展示其推导过程。你可以清楚地看到分析师是如何拆解问题的，法官是如何控制流程的，以及决策者是如何核实证据的。这就像是在看比赛的回放，而不仅仅是只看最终的比分。
遏制“幻觉”现象： 标准的 AI 有时为了显得聪明而编造内容（即“幻觉”）。LGAment 则强制系统在不知道某些信息时承认自己不知道（标记为“信息不足”），而不是编造一个虚假的事实。
更便宜且更聪明： 论文表明，你不需要使用最昂贵、最庞大的超级计算机 AI 就能获得极佳的结果。通过使用这种结构化的团队方法，即使是较小的、更便宜的 AI 模型也能表现得比那些庞大、昂贵的模型更好。这就像拥有一支沟通完美的专业化小队，而不是一个试图独自完成一切的、昂贵且庞大的全能将军。

结果

研究人员在真实的中国法律考试题目上测试了这个系统，并发现：

效果更好： 与单个 AI 模型（甚至是那些非常聪明的模型）相比，该团队一致地获得了更高的正确率。
适用性广： 它不仅仅在某一类法律上表现出色；它在测试的所有法律领域都取得了进步。
节省成本： 因为他们可以在这个团队结构中使用更小、更便宜的 AI 模型，所以他们能以极低的成本实现极高的准确度。

简而言之，LGAgent 证明了在复杂的法律世界中，结构化和团队协作胜过单纯的原始智能。通过强制 AI 遵循严格的、基于规则的工作流——解构问题、控制流程并核实证据——它创造了一个不仅更聪明，而且更可靠、更易于信任的系统。

技术摘要：LGAgent

问题陈述

尽管大语言模型（LLMs）在通用推理方面展现出强大的能力，但在法律裁决的严格结构化需求面前却显得力不从心。目前的单模型方法往往无法显式地解耦问题拆解、过程控制和逐步验证，导致其推理过程呈现出一种缺乏法律工作流所需可解释性的“黑盒”状态。此外，标准 LLM 经常表现出幻觉、逻辑不一致以及无法遵循正式裁决结构的缺陷。现有的多智能体系统通常依赖于自由形式的辩论或隐式的收敛标准，缺乏实现可重复、可审计的法律推理所需的确定性执行逻辑。此外，目前也缺乏系统的评估框架来评估这些系统中不同子模块的具体贡献。

方法论

作者提出了 LGAgent，一个旨在模拟专业法律工作流的结构化、规则引导的多智能体框架。该系统利用规模较小的 LLM 作为推理骨干，通过与专门的智能体协作来执行可解释的法律推理。该框架通过一个确定性的编排器运行，负责管理三个不同的角色：

律师 A（结构化选项拆解）：
- 充当“问题识别者”，对输入的法律问题和选项进行“结构优先”的分析。
- 生成一个结构化的、与选项对齐的脚手架（JSON 格式），其中包含选项级的断言、法律关键词和潜在陷阱信号。
- 至关重要的是，该智能体不编码答案偏好，以确保拆解过程保持中立且可验证。
法官（过程控制器）：
- 作为核心过程控制器，负责检索门控和决策引导。
- 评估来自律师 A 的脚手架，以生成确定性的控制信号，包括严格的检索门控（need_retrieval）和具体的证据要求。
- 在本研究中，外部检索被禁用；相反，法官会引导骨干模型从其内部参数知识中提取显式的法律条款，以此作为“证据”。
- 管理交互循环，根据显式规则决定何时需要进行澄清。
律师 B（两阶段决策与验证）：
- 执行严谨的两阶段协议：
  - 阶段 B0（盲答）： 在无法访问结构化脚手架或证据的情况下，生成初始答案和置信度分数 ( $c_0$ )。
  - 阶段 B1（证据感知验证）： 根据结构化脚手架、法官的控制信号以及可用证据，重新评估各选项。它为每个选项分配明确的状态：SUPPORT（支持）、REFUTE（反驳）或 NEI（信息不足）。
- 有界多轮交互： 一个确定性的“对话触发规则”控制进一步的交互。如果 NEI 选项的比例超过阈值 ( $\tau_1 = 0.5$ ) 或初始置信度较低 ( $c_0 < \tau_2 = 0.6$ )，系统将激活律师 B 与法官之间的有界澄清循环（最多两轮），以解决不确定性。

该框架设计为无需训练（training-free），依赖于提示工程和角色特定的系统指令，而非微调。它具有即插即用的设计，并配备了自动消融流水线，用于评估各组件的贡献。

核心贡献

新颖框架： 一个统一的、可审计的流水线，集成了结构化案例拆解、过程级控制和证据感知验证，用于法律推理。
显式基于规则的机制： 引入了确定性的控制信号和仅由量化不确定性触发的有界多轮交互循环，以规则引导的验证取代了自由形式的辩论。
全面评估： 建立了带有自动化消融研究的评估协议，证明了该系统在多个法律基准测试中均优于强大的单智能体基准模型。
高性价比性能： 证明了通过强制执行显式的角色边界和可解释的控制信号，可以显著增强鲁棒性和可靠性，在实现与先进前沿模型竞争力的同时，大幅降低推理成本。

实验结果

该框架在三个中文法律基准测试上进行了评估：JEC-QA（国家司法考试）、LexGenius（细粒度诊断数据集）和 CAIL2022（司法考试赛道）。

性能提升： LGAgent 在不同模型家族（从 4B 到像 DeepSeek-R1 和 GPT-4o 这样的大规模模型）中，均显著优于直接回答基准和思维链（CoT）基准。例如，在 LexGenius 数据集上，使用 DeepSeek-R1 的 LGAgent 达到了 86.97% 的 EM（精确匹配），比 CoT 基准提高了 17.39%。
鲁棒性： 该框架在 LexGenius 的所有七个法律维度（如法律理解、推理、应用、伦理等）上均表现出持续的正向收益，表明其具备泛化能力而非特定领域的过拟合。
消融研究： 移除任何单个组件（律师 A、法官或多轮循环）都会导致性能下降，证实了该系统依赖于互补的协作，而非单一的主导模块。
成本效益分析： 使用较小或中等成本骨干模型（如 Qwen2.5-7B, GLM-4-Air）的 LGAgent 配置，其准确率可媲美甚至超过专有前沿模型（如 Gemini-3.1-pro-preview, GPT-5.2），同时将推理成本降低了约 85%（例如，每 1,000 个问题从 $3.16 降至$ 0.29）。

意义

论文声称 LGAgent 解决了标准 LLM 隐性、不可解释的推理与法律实践严谨、结构化要求之间的关键差距。通过将程序严谨性直接嵌入交互协议，该框架确保了推理步骤受显式、机器可解析规则的约束。这种方法为增强 AI 辅助法律推理的鲁棒性、可解释性和可扩展性提供了一条可行路径。此外，它证明了高水平的推理性能可以与原始参数规模解耦，从而在无需额外监督训练的情况下，在司法考试答题和复杂案例分析等现实法律场景中实现高性价比的部署。