Проблема юридических LLM
Мультиагентные системы (Multi-Agent Debate, MAD) показали высокую эффективность в общих задачах рассуждения. Однако их применение в юридической сфере, требующей строгой структурированности и глубоких знаний, оставалось малоизученным. Юридический текст часто содержит сложные логические связи, где ошибка одного агента может быть масштабирована, если не внедрены правильные механизмы контроля.
Решение: L-MAD
Команда исследователей во главе с Тан-Минхом Нгуеном представила фреймворк Legal Multi-Agent Debate (L-MAD). Ключевая особенность подхода — назначение различных экспертных персон каждому агенту. Это позволяет моделировать разнонаправленные юридические аргументы, что в итоге улучшает результаты по сравнению с сильными одноагентными базовыми моделями.
Ключевые метрики и результаты
В рамках задачи юридического текстового следования (Legal Textual Entailment) система продемонстрировала значимый прирост точности. Однако масштабирование системы выявило неочевидные компромиссы:
- Рост агентов: Увеличение количества участников дебатов снижает противоречивость и повышает общую точность.
- Рост раундов: Увеличение числа раундов обсуждения привело к негативному эффекту — over-deliberation drift (дрейф чрезмерного обдумывания). Агенты начали подкреплять ошибки друг друга, что снизило качество вывода.
Практическое значение
Работа, отмеченная как Outstanding paper на AI4Law Workshop при ICML 2026, очерчивает практические границы безопасности для развертывания коллаборативных ИИ-систем в высокорисковых юридических средах. Исследование показывает, что «больше дебатов» не всегда означает «лучше решение», и требует тонкой настройки архитектуры мультиагентных систем.
Источник: arXiv cs.AI ↗