大规模准确的法律推理：神经符号卸载和结构可审计性以实现稳健的法律裁决

法律文本通常包含计算性法律条款，这些条款的理解需要复杂的逻辑。虽然前沿大型推理模型 (LRM) 可以描述此类子句，但构建可用于生产的系统受到推理错误和高推理成本的限制。我们提出摊销智能，这是一种神经符号方法，我们使用 LLM 一次将法律文本翻译成确定性自治合约语言（DACL）：一种类型化的图中间表示。然后，裁决依赖于具有可视化可审核跟踪的确定性图形执行。与运行时 LRM 基线（包括 GPT-5.2 和 Gemini 3 Pro）相比，我们基于 DACL 的 Agent 实现了近乎完美的一致性，并减轻了概率模型中观察到的“推理悬崖”。该系统在大批量工作流程中可降低 90% 以上的计算成本，同时满足法律裁决严格的可审核性要求。