分解与精炼：基于参数化检索的结构化法律问答
计算与语言
2026-05-26 v1
摘要
大语言模型（LLM）在法律领域表现出强大的性能，在法律问答（LQA）中展现出显著潜力。然而，与通用问答不同，LQA要求答案不仅准确，而且必须严格地以明确的法律权威为依据。在成文法LQA中，许多问题需要跨多个法律议题进行多跳推理，这大大增加了幻觉的风险，因此准确检索支持性法律条文成为关键前提。尽管多跳问答近期取得了进展，但现有方法通常依赖于自然语言推理或未经显式查询重构的检索，导致用户问题与法律条文文本之间的词汇鸿沟在很大程度上未得到解决。为应对这一挑战，我们提出了分解与精炼（DaR），这是一个以法律条文为基础的LQA框架，它将逐步问题分解与基于参数化知识的查询精炼紧密结合。DaR逐步将复杂的法律问题分解为原子子问题，并为每个子问题生成与法律条文对齐的参数化查询，从而能够为每个法律议题选择一条最核心的法律条文。我们在KoBLEX（一个基于成文法的韩语多跳LQA基准）上使用Qwen3-32B和Gemma3-27B评估了DaR。实验结果表明，与现有方法相比，DaR在检索准确性和最终答案质量上均有持续提升。此外，通过明确区分子问题及其对应的法律条文，DaR有助于对复杂的法律推理过程进行透明的、议题层面的验证。
引用
@article{arxiv.2605.24454,
title = {Decompose-and-Refine: Structured Legal Question Answering with Parametric Retrieval},
author = {Jihyung lee and Hyounghun Kim and Gary Lee},
journal= {arXiv preprint arXiv:2605.24454},
year = {2026}
}