Chatlaw: многоагентный юридический ассистент на основе архитектуры смеси экспертов, согласованной с ролями
Chatlaw: A Multi-Agent Legal Assistant based on a Role-Aligned Mixture-of-Experts Architecture
2026-05-01
SCID: 54.1/we94qjuc
Discuss with AI
китайская правовая системабенчмарк LawBenchсмесь экспертов с выравниванием по ролямЕдиный квалификационный экзаменмультиагентный юридический ассистент
Figures from the paper
Abstract (AI)
Искусственный интеллект (ИИ) обладает значительным потенциалом в сфере юридических услуг, однако большие языковые модели (LLM) сталкиваются с двумя основными проблемами: ограниченным знанием китайской правовой системы и подверженностью галлюцинациям. Для решения этих проблем мы представляем Chatlaw — многоагентного юридического ассистента. Архитектура Chatlaw разработана для имитации стандартных операционных процедур (SOP) реальных юридических фирм, в которых специалисты, выполняющие разные роли (например, ассистент, исследователь и старший юрист), совместно работают над делом. Для вычислительного воспроизведения этой структуры взаимодействия мы разработали новую архитектуру смеси экспертов, согласованной с ролями (Role-Aligned Mixture-of-Experts, RA-MoE). В этой системе внутренние «эксперты» специально обучены в соответствии с отдельными задачами каждой агентной роли (например, формулированием запросов, анализом и подготовкой документов). Эти специализированные агенты (юридический ассистент, исследователь и др.) образуют совместную рабочую структуру. При взаимодействии с пользователями, извлечении правовой информации, анализе деталей дела или подготовке надежных консультаций архитектура RA-MoE интеллектуально направляет вычисления к соответствующему специализированному эксперту, обеспечивая выполнение каждого этапа наиболее подходящими параметрами. В ходе оценки Chatlaw превзошел универсальные модели ИИ, включая GPT-4, продемонстрировав повышение точности на 7,73% по бенчмарку LawBench и результат на 11 баллов выше на Едином квалификационном экзамене для специалистов в области права. Исследования реальных дел и экспертные оценки дополнительно подтвердили его устойчивость. Chatlaw повышает доступность и надежность юридических услуг, способствуя развитию правовой поддержки населения. Chatlaw представляет собой продвинутого юридического ассистента на основе ИИ, повышающего точность и надежность юридических услуг. Он объединяет высококачественный правовой набор данных, архитектуру смеси экспертов, согласованной с ролями (RA-MoE), и многоагентную систему для предоставления точных юридических рекомендаций с учетом конкретного дела. Имитируя рабочие процессы реальных юридических фирм, система снижает число ошибок и превосходит универсальные модели ИИ, такие как GPT-4, демонстрируя лучшие результаты в области юридического ...
Key Findings
1
Chatlaw повышает точность на 7,73% по benchmark LawBench и получает на 11 баллов больше на Едином квалификационном экзамене для юристов по сравнению с универсальными ИИ-моделями, включая GPT-4.
2
Chatlaw объединяет высококачественный юридический датасет и поиск правовых знаний для устранения ограниченных знаний о китайской правовой системе и снижения ошибок, связанных с галлюцинациями.
3
Chatlaw представляет многоагентного юридического помощника, имитирующего стандартные рабочие процедуры юридических фирм с помощью взаимодействующих специализированных агентов.
4
Архитектура Role-Aligned Mixture-of-Experts направляет задачи по запросам, анализу и подготовке документов экспертам, специализирующимся на соответствующих юридических ролях.
5
Исследования реальных дел и оценки экспертов подтверждают устойчивость, точность и надёжность Chatlaw при подготовке специализированных юридических консультаций.
Research Object
Chatlaw — многоагентный ИИ-ассистент для оказания юридических услуг в китайской правовой системе
Research Subject
точность, надёжность и устойчивость адресных для конкретных дел юридических консультаций, формируемых посредством согласованного по ролям многоагентного взаимодействия и маршрутизации в архитектуре смеси экспертов
Publication Details
Publication Date
2026-05-01
Journal
Publisher
ISSN
Cited by
0
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest