LawThinker：动态环境中的深度研究法律智能体

法律推理不仅要求结果正确，还要求推理过程符合程序规范。然而，现有方法缺乏验证中间推理步骤的机制，使得诸如引用不适用法条之类的错误得以在推理链中未被发现地传播。为解决这一问题，我们提出LawThinker，一个面向动态司法环境、采用Explore-Verify-Memorize策略的自主法律研究智能体。其核心思想是把验证强制为每次知识探索步骤之后的原子操作。DeepVerifier模块从知识准确性、事实-法律相关性、程序合规性三个维度审查每条检索结果，并配有记忆模块以支持长程任务中的跨轮次知识复用。在动态基准J1-EVAL上的实验表明，LawThinker相比直接推理取得24%的提升，相比基于工作流的方法取得11%的提升，在面向过程的指标上改进尤为突出。在三个静态基准上的评估进一步证实了其泛化能力。代码见 https://github.com/yxy-919/LawThinker-agent 。