Chińscy naukowcy stworzyli samoewoluujący system AI do wyszukiwania spraw sądowych

Chińscy naukowcy opracowali samoewoluujący system sztucznej inteligencji, który automatycznie ulepszza wyszukiwanie spraw sądowych poprzez iteracyjne tworzenie i testowanie reguł. Badanie, opublikowane na arXiv, przedstawia przełomowe podejście do zastosowania AI w systemach prawnych.

Zespół pod kierownictwem Mingxu Tao z ośmiu chińskich instytucji naukowych stworzył framework, który wykorzystuje duże modele językowe (LLM) do automatycznego generowania reguł przepisywania zapytań. System został przetestowany na chińskim benchmarku wyszukiwania spraw prawnych LeCaRD-v2, znacząco przewyższając tradycyjne metody.

Kluczowe wnioski

• Samoewoluujący agent AI automatycznie tworzy i testuje reguły wyszukiwania spraw sądowych bez konieczności trenowania parametrów.
• System przewyższa tradycyjne metody, w tym ręcznie projektowane reguły i zachłanne wybieranie reguł, szczególnie przy użyciu zaawansowanych modeli LLM.
• Framework wykorzystuje środowisko automatycznej ewaluacji, pozwalając agentowi na iteracyjne tworzenie reguł i eliminację nieskutecznych rozwiązań.
• Badanie zostanie przedstawione na konferencji ACL 2026, potwierdzając jego znaczenie w dziedzinie sztucznej inteligencji.
• Eksperymenty wykazały kluczową rolę zdolności LLM do wykorzystywania poprzednich wyników eksperymentów w procesie samoewolucji.

Innowacyjne podejście do wyszukiwania prawnego

Wyszukiwanie spraw sądowych pozostaje wyzwaniem ze względu na złożoność języka prawnego i potrzebę precyzyjnego dopasowania leksykalnego między zapytaniami a relewatnymi sprawami. Mimo postępów w modelach gęstego wyszukiwania (dense retrieval), badania empiryczne pokazują, że algorytm BM25 nadal stanowi silną podstawę w tej dziedzinie.

To spostrzeżenie zmotywowało naukowców do zaproponowania samoewoluującego frameworka opartego na regułach przepisywania zapytań, który wzmacnia BM25 bez konieczności trenowania parametrów. System wyposaża agenta opartego na LLM w automatyczne środowisko ewaluacji.

Mechanizm samoewolucji

Framework umożliwia agentowi iteracyjne tworzenie reguł przepisywania, planowanie eksperymentów walidacyjnych nad kombinacjami reguł oraz eliminację nieskutecznych reguł na podstawie historycznych informacji zwrotnych. Kluczową innowacją jest zdolność systemu do uczenia się na podstawie własnych doświadczeń.

Szczegółowe analizy przeprowadzone przez zespół badawczy ujawniły mechanizmy leżące u podstaw samoewolucji. Zdolności LLM do wykorzystywania poprzednich wyników eksperymentów oraz jego wrodzona wiedza o eliminacji reguł odgrywają krytyczne role w udoskonalaniu zestawu reguł poprzez samoewolucję.

System został przetestowany na chińskim benchmarku LeCaRD-v2, wykazując przewagę nad metodami nieewolucyjnymi. Szczególnie impressywne wyniki osiągnięto przy wykorzystaniu zaawansowanych modeli LLM jako podstawowego silnika systemu.

Badanie przedstawia znaczący krok w kierunku autonomicznych systemów AI zdolnych do samodzielnego ulepszania swoich możliwości w wyspecjalizowanych domenach prawnych. Publikacja na prestižowej konferencji ACL 2026 podkreśla wagę tego osiągnięcia dla przyszłości sztucznej inteligencji w aplikacjach prawniczych.