面向稳健法律推理：将逻辑 LLMs 应用于法律领域
计算机与社会
2025-02-26 v1 人工智能
摘要
法律服务依赖大量文本处理。虽然大型语言模型（LLMs）显示出前景，但其在法律语境中的应用需要更高的准确率、可重复性和透明度。逻辑程序通过将法律概念编码为结构化规则和事实，提供可靠的自动化，但需要较为复杂的文本抽取。我们提出一种神经符号方法，将 LLMs 的自然语言理解与基于逻辑的推理相结合，以解决上述局限性。作为法律文档的案例研究，我们将神经符号 AI 应用于保险合同中与覆盖相关的查询，使用了闭源和开源 LLMs。尽管 LLMs 在法律推理方面取得了进展，但它们仍不具备复杂合同分析所需的准确性和一致性。在我们的分析中，我们测试了三种方法来评估特定索赔是否受合同覆盖：一种是 vanilla LLM，一种是一种未受引导的方法，利用 LLMs 对合同和索赔进行编码，以及一种使用框架让 LLMs 对合同进行编码的引导方法。我们展示了 LLM + Logic 在引导方法中所展现的有前景的能力。
引用
@article{arxiv.2502.17638,
title = {Towards Robust Legal Reasoning: Harnessing Logical LLMs in Law},
author = {Manuj Kant and Sareh Nabi and Manav Kant and Roland Scharrer and Megan Ma and Marzieh Nabi},
journal= {arXiv preprint arXiv:2502.17638},
year = {2025}
}