帕特农法：自演化法律智能体框架

随着Agent能力的增强，法律领域的 LLM Agent承诺将大量文档的事务转化为可审查的工作产品，但可靠的部署面临三个障碍：没有大规模证据表明当今最强大的模型和工具组合在端到端法律事务上的表现；没有适应法律垂直的代理架构，只有通用用途的工具；而且，在一个随着新的事实、权威和最后期限而不断变化的环境中，系统没有从自己的结果中学习的机制。我们逐一解决。 Harvey LAB 的一项大规模实证研究（价值 12{,}510$ 的智能体轨迹）表明，即使是前沿智能体也远未一次性完成任务：每个标准的准确性随着模型的增强而攀升，而严格的任务完成却停滞不前。然后，我们引入 \textsc{Parthenon}，这是一个自我进化的法律代理框架，它将模型、工具、代理角色、法律知识、确定性工具和程序技能纳入可审计的表面，以实现源可追溯性、日期和数字基础、可交付合规性和问题关闭。最后，防泄漏学习循环将评分失败转化为对技能、工具和知识的与任务无关的编辑，让系统随着经验而改进——就像公司在每件事后完善其清单和行动手册一样——而不触及模型权重。在我们的大规模实证分析中，\textsc{Parthenon} 极大地提高了最先进模型的性能并利用法律事务任务。