基于大语言模型的多智能体协同法律数值计算方法及相关装置与流程

本发明实施例涉及自然语言处理，具体涉及一种基于大语言模型的多智能体协同法律数值计算方法、装置、计算机设备、计算机可读存储介质及计算机程序产品。

背景技术：

1、目前，针对法律数值计算问题，现有技术主要形成了以下几类解决方案：

2、第一类是基于规则的计算器系统。这是目前法律实务中最常用的数值计算工具，典型代表包括各类在线赔偿计算器、税费计算器等。这类系统的技术原理是：将特定类型数值计算的法定公式和参数以硬编码方式写入程序代码，构建固定的计算逻辑；用户通过表单界面输入相关参数（如受害人年龄、收入水平、伤残等级等）；系统根据预设公式自动计算并输出结果。例如，交通事故赔偿计算器通常内置了《道路交通安全法》及相关司法解释规定的赔偿项目和计算公式，用户输入事故责任比例、受害人伤情、医疗费用等信息后，系统自动计算各项赔偿金额。

3、第二类是基于检索增强生成（retrieval-augmented generation，以下简称rag）技术的大模型应用方案。这类方案的技术原理是：首先构建法律法规知识库，将法律条文以文本块的形式存储；当用户提出计算问题时，系统使用文本检索技术从知识库中召回相关法律条文；将召回的法条与用户问题一起输入大模型，由大模型理解案情、提取参数、完成计算并生成答案。这类方案相比规则计算器具有更好的通用性，能够处理多种类型的计算问题，且无需为每种计算类型单独开发程序。然而，对于生成端模型，如果缺乏对法律位阶原则等法律相关知识的约束，以及关键动态数据的注入，例如某年全国城镇居民收入，非常容易产生幻觉，难以保证计算结果的法律严谨性。

4、第三类是专门针对数值推理任务的大模型优化方案。例如，系统获取用户输入的查询语句，利用大语言模型从原句中提取出关键信息查询语句；随后，利用传统的最佳匹配算法在后台数据库中进行文档的初步检索；基于大语言模型对检索到的文档进行二次过滤处理，提取出与目标问题相匹配的子表格和子文本；对于数值推理任务，利用分解生成器将推理步骤转化为链式的数学运算表达式，并调用外部的计算代理算法（即外接的数学计算器或函数）进行最终的数值计算并生成答案。

5、本技术的发明人发现，现有的方式存在如下缺陷：

6、基于规则的计算器系统存在适用范围狭窄和灵活性不足的根本性缺陷。这类系统将法律规则以硬编码方式固化在程序中，导致每种计算器只能处理特定类型的数值计算任务。当面对法律实践中复杂多变的案情时，用户往往需要同时使用多个计算器，并自行判断各计算结果之间的关系。更为严重的是，当法律法规发生修订时，必须重新开发和部署整个计算器程序，维护成本高昂。此外，这类系统无法理解自然语言描述的案件事实，要求用户具备专业知识以准确提取和输入各项参数，对非专业用户极不友好。

7、现有方案缺乏对法律位阶原则的系统化处理机制。法律适用中的位阶原则（上位法优于下位法、特别法优于一般法、新法优于旧法）是确保法律适用正确性的基本准则，但现有技术方案未能有效整合这一核心法律逻辑。大模型虽然在一定程度上能够理解位阶原则的概念，但在具体应用时往往出现判断失误，尤其是在面对法律条文存在冲突或交叉的复杂情形时。这导致系统输出的法律依据可能不符合法律实务中的适用规则。

8、现有采用大模型的方案在数值推理的准确性方面存在“幻觉”问题。大语言模型在生成内容时可能产生看似合理但实际错误的信息，这在数值计算任务中表现为：计算公式的错误、参数提取的偏差、单位换算的混乱、计算过程的跳步等。另外现有大语言模型往往将社会经济数据固化在模型权重中，当面对每年变动的法定赔偿基数时，极易产生严重偏离事实的“知识幻觉”。现有方案通常采用单阶段生成模式，即由大模型一次性完成全部推理和计算过程，缺乏有效的校验和纠错机制，无法及时发现和修正推理过程中的错误。虽然现有方案中也有使用大模型进行文档过滤和子信息提取的方式，但缺乏针对法律领域的专门优化，无法有效处理法律条文的专业性和复杂性；推理过程缺乏法律专业规则的约束，难以保证计算结果的法律严谨性。

技术实现思路

1、鉴于上述问题，本发明实施例提供了一种基于大语言模型的多智能体协同法律数值计算方法、装置、计算机设备、计算机可读存储介质及计算机程序产品，用于解决现有技术中存在的在法律分析过程中分析检索不准确的问题。

2、根据本发明实施例的一个方面，提供了一种基于大语言模型的多智能体协同法律数值计算方法，所述方法包括：

3、获取用户输入的待处理问题；所述待处理问题中包括目标案情文本，所述目标案情文本包括复杂案情与隐性数值诉求信息；

4、根据所述待处理问题调用经过法律领域深度微调的嵌入模型在预设的法律法规数据库中进行全局密集检索，得到至少一个候选法规片段；

5、利用重排序模型，对所述至少一个候选法规片段与目标案情文本进行交叉语义打分，得到与所述目标案情文本相关度最高的前n个核心法律条文；

6、通过求解智能体根据所述待处理问题及所述核心法律条文进行推理生成，得到逻辑初稿；所述逻辑初稿包括目标案情文本对应的初始计算公式、初始数值结果、初始法律依据及初始思维链过程信息；

7、将所述逻辑初稿、至少一个候选法规片段中相关度排名靠前的n个候选法规片段及待处理问题输入评估智能体中进行审查后，得到最终的结构化答案；所述结构化答案包括最终数值结果、最终法律依据及完整思维链过程信息。

8、在一种可选的方式中，所述根据所述语义向量调用经过法律领域深度微调的嵌入模型在预设的法律法规数据库中进行全局密集检索，得到至少一个候选法规片段之前，所述方法还包括：

9、获取训练集；所述训练集包括输入训练问句样本及对应标注的标准答案标签；所述训练集中包括用户查询的输入训练问句样本、正例法条与负例法条三元组；

10、将训练集的输入训练问句样本输入至基础嵌入模型的中得到所有的初步法规召回结果，并通过初始重排序模型对所有初步法规召回结果进行排序后，获取初步的top-n法规召回结果；

11、在所述top-n的法规召回结果中剔除与标注的标准答案标签对应的正例法条，并在剩余的top-n-1个法规召回条文中，抽取排名居中、具有语义混淆度的法规作为所述输入训练问句样本对应的难负例法条；

12、将所述难负例法条更新至训练集中，并对所述基础嵌入模型及初始重排序模型进一步训练，得到经过法律领域深度微调的嵌入模型及重排序模型。

13、在一种可选的方式中，所述根据所述待处理问题调用经过法律领域深度微调的嵌入模型在预设的法律法规数据库中进行全局密集检索，得到至少一个候选法规片段，包括：

14、将所述目标案情文本进行语义向量化，得到对应的语义向量；

15、根据所述语义向量调用经过法律领域深度微调的嵌入模型在预设的法律法规数据库中进行全局密集检索，得到至少一个候选法规片段。

16、在一种可选的方式中，所述求解智能体包括结构化提示词引导模型及推理引擎；结构化提示词引导模型被配置为通过结构化提示词对所述推理引擎进行推理约束，使得所述推理引擎根据召回的法规及用户问题，按既定步骤生成计算结果；所述通过求解智能体根据所述待处理问题及所述核心法律条文进行推理生成，得到逻辑初稿之前，所述方法还包括：

17、通过结构化提示词引导模型预先构建提示词；所述提示词至少包含角色定义、通用推理原则、示例学习样本及输出协议；所述角色定义用于指定推理引擎的角色，约束所述推理引擎严格按照法律规则进行推理；所述通用推理原则嵌入法律专业规则，包括参数来源原则及法律位阶原则；所述示例学习样本用于提供标准答案的推理示例；所述输出协议用于约束输出结果的格式；

18、采用小参数量大语言模型作为推理引擎，加载并执行所述结构化提示词。

19、在一种可选的方式中，所述通过求解智能体根据所述待处理问题及所述核心法律条文进行推理生成，得到逻辑初稿，包括：

20、将所述待处理问题及所述核心法律条文输入所述推理引擎；

21、所述推理引擎在所述结构化提示词的约束下，从所述法规条文中提取计算参数并按照既定推理步骤生成计算逻辑链条，得到逻辑初稿；所述既定推理步骤包括案件定性、公式构建、法条筛选及数值计算。

22、在一种可选的方式中，所述将所述逻辑初稿、至少一个候选法规片段中相关度排名靠前的n个候选法规片段及待处理问题输入评估智能体中进行知识探查及信息补全后，进行逻辑纠错与参数替换，得到结构化答案，包括：

23、所述评估智能体根据所述待处理问题对用户意图按照预设的法律类别进行分类，确定用户问题的真实计算诉求；

24、所述评估智能体从法条引用审查维度依据法律规则对求解智能体引用的法条进行校验；所述校验包括：确定所述逻辑初稿中的引用法条是否能形成完整的逻辑链条、司法解释是否提供对应的实体法支持、是否发生法条之间的冲突、法条是否符合效力阶位和一般原则；

25、审查完成后，所述评估智能体按照与所述求解智能体相同的格式重新输出优化后的结果，作为结构化答案。

26、根据本发明实施例的另一方面，提供了一种基于大语言模型的多智能体协同法律数值计算装置，包括：

27、获取模块，用于获取用户输入的待处理问题；所述待处理问题中包括目标案情文本，所述目标案情文本包括复杂案情与隐性数值诉求信息；

28、检索模块，用于根据所述待处理问题调用经过法律领域深度微调的嵌入模型在预设的法律法规数据库中进行全局密集检索，得到至少一个候选法规片段；

29、筛选模块，用于利用重排序模型，对所述至少一个候选法规片段与目标案情文本进行交叉语义打分，得到与所述目标案情文本相关度最高的前n个核心法律条文；

30、求解模块，用于通过求解智能体根据所述待处理问题及所述核心法律条文进行推理生成，得到逻辑初稿；所述逻辑初稿包括目标案情文本对应的初始计算公式、初始数值结果、初始法律依据及初始思维链过程信息；

31、审查模块，用于将所述逻辑初稿、至少一个候选法规片段中相关度排名靠前的n个候选法规片段及待处理问题输入评估智能体中进行审查后，得到最终的结构化答案；所述结构化答案包括最终数值结果、最终法律依据及完整思维链过程信息。

32、根据本发明实施例的另一方面，提供了一种计算机设备，包括：

33、包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

34、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行所述的基于大语言模型的多智能体协同法律数值计算方法的操作。

35、根据本发明实施例的又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令在计算机设备上运行时，使得计算机设备执行所述的基于大语言模型的多智能体协同法律数值计算方法的操作。

36、根据本发明实施例的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时，实现所述基于大语言模型的多智能体协同法律数值计算方法的步骤。

37、本发明实施例通过获取用户输入的待处理问题；根据所述待处理问题调用经过法律领域深度微调的嵌入模型在预设的法律法规数据库中进行全局密集检索，得到至少一个候选法规片段；利用重排序模型，对所述至少一个候选法规片段与目标案情文本进行交叉语义打分，得到与所述目标案情文本相关度最高的前n个核心法律条文；通过求解智能体根据所述待处理问题及所述核心法律条文进行推理生成，得到逻辑初稿；将所述逻辑初稿、至少一个候选法规片段中相关度排名靠前的n个候选法规片段及待处理问题输入评估智能体中进行审查后，得到最终的结构化答案，能够法律信息查询分析及计算的准确性。

38、本发明实施例针对法律数值计算设置推理逻辑约束方法，强制模型在执行法律计算时必须严格遵循“案件定性、构建计算公式、依据参数来源提取法条、代入数值计算”的特定执行流，该方法有效解决了大模型在复杂数学计算中容易产生逻辑断链的问题。

39、本发明实施例创新性地提出一弱一强的求解智能体与评估智能体双阶段架构，由求解智能体快速生成初稿，由评估智能体进行多维度审查和修正。求解智能体与评估智能体的任务分工设计；评估智能体的多维度审查机制（意图识别、法条引用审查、数值审查）；基于审查结果的修正重写策略，由求解智能体基于思维链技术生成初步结果，再由评估智能体从意图识别、法条引用、数值计算三个维度进行审查和修正，有效避免了推理错误，显著提高了数值计算的准确性。

40、上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。