乐高：协同专家 GraphRAG 和专家思维链进行法律推理

大型语言模型越来越多地应用于法律等高风险领域，但复杂的法律推理仍然受到两个结构性挑战的限制。首先，现有的RAG和GraphRAG方法强调词汇或语义相似性，而忽视了法律条款之间的规范关系。其次，普通的思维链提示可能会产生看似合理的理由，而无需强制执行法律推理的规范结构。为了解决法律推理领域的管道瓶颈，我们提出了LEGO，这是一个双模块框架，可以协同法律专家GraphRAG和专家思想链进行复杂的法律推理。 ExpertGraphRAG 使用专家注释的民法图，通过贪婪的规范覆盖检索算法对这些规范关系进行编码，以动态提取特定于实例的条款子图，而 ExpertCoT 将检索到的条款和案例事实组织成结构化的条款-事实-结论推理。借助 Qwen3-8B 主干，LEGO 在 LawExamQA_Civil 上实现了 40.53% 的精确匹配准确率，优于评估的 RAG 和 CoT 基线，并且与评估的较大模型相当，同时在多跳问题上保持稳健。它还在开放式基准测试的评估基准中取得了最佳结果。消融研究证实了这两个模块的单独和互补贡献，证明了乐高在提高大语言模型复杂法律推理能力方面的有效性。代码和数据集可以在链接中找到：这个 https URL