新研究：多智能体协商为法律推理带来差异化答案

来自 arXiv 的一项研究探讨了基于大语言模型 (LLM) 的多智能体协商方法在法律推理任务中的应用，提出了两种借鉴法庭程序与法律论证的新框架。实验表明，这些框架虽未在整体性能上超越基线模型，却能产出显著不同的答案组合，并在需要多视角批判性思维的题目上展现出互补价值。

研究背景

随着具备自主行动能力的 AI 智能体受到越来越多关注，多智能体方法在法律领域的应用仍处于相对早期阶段。研究者将关注点放在「多智能体协商」(Multi-Agent Deliberation, MAD) 上，探索多个基于 LLM 的智能体之间通过协作与辩论完成推理任务的可行性。

方法：两类受法庭启发的框架

研究团队设计了两种新型多智能体框架，其结构灵感来源于真实的法庭程序与法律论证流程：

• 框架一借鉴庭审中的控辩结构，让多个智能体以对立角色轮流陈述、相互质询
• 框架二模拟法律论证过程，强调论点的明确提出、对比与反驳

这些方法的核心思路是通过多角色、多视角的交互，让推理过程更接近真实的法律思辨。

主要实验发现

研究者在法律类与非法律类基准上对上述框架进行了系统评估，核心结论包括：

• 多智能体框架在整体表现上与基线单体 LLM 基本持平
• 两类方法生成的答案存在显著差异，并非简单同质化的多数投票结果
• 存在「多智能体能解、基模型失败」与「基模型能解、多智能体失败」的互补案例
• 定性评估显示，多智能体方法在需要从多角度进行批判性思考的问题上更契合

研究意义与局限

论文将多智能体系统定位为法律 AI 的一个有前景的方向，证实了法律启发式多智能体协商的潜力。但研究也指出，性能并不会自动提升——框架设计与任务类型之间的匹配仍需进一步打磨。对于关注 AI for Law 和多智能体协作的从业者而言，这一工作提供了关于「答案多样性」价值的有益启示。