基于特征条件化多智能体系统的策略说服用于迭代法律论证

在法律、外交和谈判等对抗性领域中的策略互动由语言介导，但大多数博弈论模型抽象掉了通过话语运作的说服机制。我们提出了战略法庭框架（Strategic Courtroom Framework），一个多智能体模拟环境，其中由特征条件化大型语言模型（LLM）智能体组成的控方和辩方团队进行迭代、基于轮次的法律论证。智能体使用九个可解释的特征实例化，组织为四种原型，实现对修辞风格和策略方向的系统性控制。我们在10个合成法律案件和84种三特征团队配置上评估该框架，共计使用DeepSeek-R1和Gemini~2.5~Pro进行了超过7,000次模拟试验。我们的结果表明，具有互补特征的异质团队始终优于同质配置，适度的交互深度产生更稳定的裁决结果，且某些特征（尤其是定量和魅力特征）对说服成功贡献不成比例。我们进一步引入了一种基于强化学习的特征编排器（Trait Orchestrator），动态生成针对案件和对方团队的条件化辩护特征，发现了优于静态人工设计特征组合的策略。综合来看，这些发现表明语言可以被视为一等战略行动空间，并为构建能够在多智能体环境中进行自适应说服的自主智能体奠定了基础。