当规则学习：面向法律案例检索的自演化智能体

法律案例检索仍然充满挑战——因为法律语言复杂——且查询与相关案例间需要精确的词汇对齐。虽然稠密检索模型已取得显著进展——实证研究表明BM25在该域仍是强基线。这促使我们提出规则驱动查询重写的自演化框架——无需任何参数训练即可增强BM25。该框架为基于LLM的智能体配备自动评估环境——使其能迭代创建重写规则、为规则组合规划验证实验——并基于历史反馈淘汰无效规则。我们在中文法律案例检索基准LeCaRD-v2上评估该方法。实验结果表明所提框架超越非演化基线——包括人工设计规则与贪心规则选择——尤其当由高容量核心LLM驱动时。我们还开展细致分析以考察自演化背后的机制。我们的发现揭示：LLM利用既往实验结果的能力与其淘汰规则的内在知识——在经自演化精炼规则集中起关键作用。