LegalCheck：面向 drafting 市政法律建议信件的检索与上下文增强生成
人工智能
2026-05-19 v2
摘要
荷兰公共部门法律部门面临人员短缺、案件量增加以及需满足监管合规要求的压力加剧。本文提出LegalCheck，一种新型系统，通过检索增强生成（RAG）和上下文增强生成（CAG）的结合，自动化撰写异议响应信。该系统利用大型语言模型（LLM）和精选的法律知识库，检索相关法律条文和先例，并通过受控提示将外部知识和案件特定细节整合到连贯的草稿中。专家在环中审查确保每个生成的信件在法律上严谨且情境恰当。在阿姆斯特丹市的实际部署中，LegalCheck在数分钟内生成接近最终的法律建议信，保持高水平的法律一致性和事实准确性。输出基于实际法规和先例，提供可解释的输出，捕获大部分必需法律推理内容（通常为80%至100%）。法律专业人士发现该系统减轻了工作负担，确保了法律标准的一致应用，且不取代人类判断。这些结果展示了显著的效率提升、改进的法律一致性和积极的用户接受度。更广泛地说，本工作说明了如何通过增强LLM的域知识和治理机制，在法律领域部署负责任的AI。
引用
@article{arxiv.2605.12012,
title = {LegalCheck: Retrieval- and Context-Augmented Generation for Drafting Municipal Legal Advice Letters},
author = {Virgill van der Meer and Julien Rossi},
journal= {arXiv preprint arXiv:2605.12012},
year = {2026}
}
备注
Accepted at ICAIL 2026 as Short Paper