哪些改变是重要的？通过相关敏感评估和求解器 grounded 推理实现可信赖的法律AI

法律推理需要区分哪些改变是重要的，哪些则不重要。法律AI应在法律上不相关的扰动下保持稳定，但在扰动改变法律物质性事实时应发生变化。我们将这一要求定义为法律相关性敏感评估问题：LLM应仅对法律相关的改变做出响应。我们引入了一个统一的评估套件，覆盖should-change和should-not-change评估，涵盖司法公平性、鲁棒性和法规混淆场景。我们的评估显示，现有的法律LLM在面对法律上不相关的变化时系统性地敏感，常常无法区分相关的法律要素和法规规则。为缓解这些失败，我们提出了LexGuard，一个基于形式推理的对抗性多主体框架。LexGuard将法规形式化为可执行约束，使用对抗性主体提取竞争的事实-法规论点，并调用SMT求解器来验证法律满足性和逻辑一致性。实验表明，LexGuard通过减少对 manipulative framing 的脆弱性、提高相似法规之间的歧义、限制法律上不相关属性的影响以及在良性改写下的一致性，提高了法律推理可靠性。我们表明，法律可信赖性不仅需要准确性，还需要对法律物质性改变的校准敏感性。