AgentCourt：基于对抗演化律师智能体的法庭仿真
计算与语言
2025-06-17 v2 人工智能
摘要
当前基于大语言模型的仿真系统研究缺乏对真实法庭审理过程的全面建模方案，而现有的法律语言模型难以应对动态法庭交互。我们提出 AgentCourt，一个全面的法律仿真框架，通过 LLM 智能体的对抗演化解决这些挑战。我们的 AgentCourt 引入了一种新的智能体对抗演化方法 AdvEvol，通过模拟法庭程序中的结构化对抗交互实现动态知识学习与演化，打破了传统依赖静态知识库或人工标注的局限。通过模拟 1000 个民事案件，我们构建了一个演化知识库，增强了智能体的法律推理能力。演化后的律师智能体在我们新引入的 CourtBench 基准上表现出色，相比原始律师智能体性能提升 12.1%。专业律师的评估确认了我们方法在三个关键维度上的有效性：认知敏捷性、专业知识和逻辑严谨性。除了在交互式推理任务中超越专门的法律模型外，我们的发现强调了对抗学习在法律人工智能中的重要性，并指出了将基于仿真的法律推理扩展到更广泛司法和监管领域的有前景方向。该项目代码可在 https://github.com/relic-yuexi/AgentCourt 获取。
引用
@article{arxiv.2408.08089,
title = {AgentCourt: Simulating Court with Adversarial Evolvable Lawyer Agents},
author = {Guhong Chen and Liyang Fan and Zihan Gong and Nan Xie and Zixuan Li and Ziqiang Liu and Chengming Li and Qiang Qu and Hamid Alinejad-Rokny and Shiwen Ni and Min Yang},
journal= {arXiv preprint arXiv:2408.08089},
year = {2025}
}