LegalGraphRAG：多代理图检索增强生成，实现可靠的法律推理

基于图的检索增强生成 (GraphRAG) 通过将知识结构化为关系图来推进平面文档检索，从而实现更加连贯和有效的推理。然而，将其应用于法律推理等特定领域面临着严峻的挑战。 (i) 法律语料库多种多样，包含来自案例、文章和解释的多粒度知识。扁平化的知识图谱无法充分区分事实细节、应用规则和抽象原理，限制了准确检索。 (ii) 可靠的法律判断需要透明、基于证据的推理。传统 RAG 将检索到的上下文直接传递给 LLM，无需验证，从而导致推理不透明且容易出错。为此，我们提出了 LegalGraphRAG，一个专为可靠的法律推理而设计的框架。我们的方法引入了两个核心组件：一个分层法律图，它分层组织法律来源，以便能够在适当的抽象级别进行检索；以及一个用于可靠法律推理的多代理系统，其中研究人员检索候选证据，审计员根据源文件严格验证其有效性，审判员综合一组经过验证的证据以做出最终判断。大量实验表明，LegalGraphRAG 实现了最先进的性能，在准确且值得信赖的法律分析方面优于现有 GraphRAG 基线。我们的代码、数据集和实现细节可在 https://github.com/XMUDeepLIT/LegalGraphRAG 获取。