RCBSF：基于 Stackelberg 博弈的自动化合同修订多智能体框架
计算与语言
2026-04-14 v1
摘要
尽管大语言模型（LLMs）在法律人工智能中得到了广泛应用，但其在自动化合同修订中的实用性仍受到幻觉安全性和缺乏严格行为约束的阻碍。为解决这些局限性，我们提出了风险约束双层 Stackelberg 框架（RCBSF），该框架将修订建模为一个非合作 Stackelberg 博弈。RCBSF 建立了一个层级式的领导者-跟随者结构，其中全局规范智能体（GPA）对由约束修订智能体（CRA）和本地验证智能体（LVA）组成的跟随者系统施加风险预算，以迭代优化输出。我们提供了理论保证，证明这种双层公式能收敛到一个均衡，产生严格优于无引导配置的效用。在统一基准上的实证验证表明，RCBSF 达到了最先进的性能，超越了迭代基线，平均风险解决率（RRR）为 84.21%，同时提高了 token 效率。我们的代码可在 https://github.com/xjiacs/RCBSF 获取。
引用
@article{arxiv.2604.10740,
title = {RCBSF: A Multi-Agent Framework for Automated Contract Revision via Stackelberg Game},
author = {Shijia Xu and Yu Wang and Xiaolong Jia and Zhou Wu and Kai Liu and April Xiaowen Dong},
journal= {arXiv preprint arXiv:2604.10740},
year = {2026}
}