RCBSF：通过 Stackelberg 博弈自动修改合同的多代理框架

尽管 大语言模型 (LLM) 在法律人工智能中得到广泛采用，但其自动合同修订的实用性仍然受到幻觉安全性和缺乏严格行为约束的阻碍。为了解决这些限制，我们提出了风险约束双层 Stackelberg 框架（RCBSF），它将修订制定为非合作 Stackelberg 博弈。 RCBSF 建立了分层的 Leader Follower 结构，其中全局规定代理 (GPA) 将风险预算施加到由约束修订代理 (CRA) 和本地验证代理 (LVA) 构成的追随者系统上，以迭代优化输出。我们提供了理论上的保证，即这种双层公式收敛到一个平衡，产生比无引导配置严格优越的效用。在统一基准上的实证验证表明，RCBSF 实现了最先进的性能，以 84.21% 的平均风险解决率 (RRR) 超越迭代基线，同时提高了词元效率。我们的代码可在 https://github.com/xjiacs/RCBSF 获取。