自适应成本效益评估以生成可靠的专利权利要求

自动化专利权利要求验证要求低容错性。然而，现有方法面临着刚性资源困境：轻量级编码器无法跟踪远程法律依赖性，而详尽的 LLM 验证在百万索赔规模上会导致 4-5 倍的开销。基于置信度的级联无法解决这个问题，因为二元有效性分数无法区分结构上不同的错误类型，而这些错误类型需要不同的推理深度。我们提出了一个两阶段框架：自适应成本效益评估（ACE），它利用专利错误的分类结构来实现不确定性感知路由。在第一阶段，微调编码器将声明投射到合法错误类型的 K+1 分布中，其预测熵用作路由信号。超过熵阈值的权利要求将升级到第二阶段，其中专家 LLM 执行模式约束的专利思想链 (CoPT) 协议，将权利要求元素映射到 35 U.S.C.标准的模式约束将每个声明的延迟减少了 42%，同时生成有法律依据的判决。我们进一步提出了一个包含 40,000 个索赔的数据集 ACE-40k，带有基于 MPEP 的注释，其中 ACE 超越了竞争基线，包括受监督的 70B 参数 LLM，同时将成本降低了 78%。在真实的 USPTO 驳回数据上，路由机制无需重新校准即可进行传输，将推理时间减少 60%，同时保持竞争性召回。