Falkor-IRAC：面向印度司法AI中经验证法律推理的图约束生成

法律推理不是语义相似性搜索。法院判决编码受约束的符号推理：先例传播、程序状态转换和受法规约束的推理。这些是基于向量的检索增强生成 (RAG) 无法忠实表示的属性。幻觉的先例、过时的法规引用和不受支持的推理链仍然是基于大语言模型的法律人工智能的持续失败模式，对印度等案件量大的司法管辖区诉诸司法产生了真正的后果。本文介绍了 Falkor-IRAC，这是一种印度法律人工智能的图约束生成框架，其生成基于 IRAC（问题、规则、分析、结论）知识图的结构化推理。印度最高法院和高等法院的判决被吸收为 IRAC 节点结构，其中包含程序状态转换、先例关系和法定参考，存储在 FalkorDB 中以进行低延迟代理遍历。在推理时，只有当可以通过图形追踪有效的支持路径时，LLM 生成的答案才会被接受，这是由称为验证代理的可证伪性预言机执行的检查。该系统还将检测教义冲突作为一流的输出，而不是默默地解决它们。 Falkor-IRAC 使用图本机指标进行评估：引文接地准确性、路径有效性、幻觉先例率和冲突检测率。这些指标被认为比 BLEU 和 ROUGE 更适合法律推理评估。在包含 51 项最高法院判决的概念验证语料库中，验证代理正确验证了已完成查询的引文，并正确拒绝了伪造的引文。针对纯矢量 RAG 基线的评估留待未来工作，GPU 加速推理也是如此，以解决 CPU 硬件上当前的超时率。