从查询到诊疗：面向法律咨询的多智能体框架与数据集
计算与语言
2026-04-14 v1 人工智能
摘要
法律咨询问答 (Legal CQA) 与传统法律 QA 任务具有独特挑战，包括高质量训练数据的稀缺、复杂任务组成以及强上下文依赖。为此，我们构建了 JurisCQAD，一个包含 43,000 多条真实中文法律查询的数据集，经专家验证后配有正负响应，并设计结构化任务分解，将每个查询转换为集成实体、事件、意图和法律问题的元素图。我们进一步提出 JurisMA，一个支持动态路由、法规 grounding 与风格优化的模块化多智能体框架。结合元素图，该框架实现强上下文感知推理，有效捕获跨法律事实、规范和程序逻辑的依赖关系。在 JurisCQAD 上训练并在优化后的 LawBench 上评估，我们的系统在多个词汇和语义指标上显著超越通用模型和法律领域大语言模型，展示了可解释分解和模块化协作在 Legal CQA 中的优势。
引用
@article{arxiv.2604.10470,
title = {From Query to Counsel: Structured Reasoning with a Multi-Agent Framework and Dataset for Legal Consultation},
author = {Mingfei Lu and Yi Zhang and Mengjia Wu and Yue Feng},
journal= {arXiv preprint arXiv:2604.10470},
year = {2026}
}
备注
Accepted by ACL 2026 Main conference