SimuCourt: Building Judicial Decision-Making Agents with Real-world Judgement Documents

随着深度学习的发展，自然语言处理技术已经有效地提高了传统司法行业各个方面的效率。然而，目前大部分的工作仅关注于个别司法阶段，忽略了跨阶段协作。随着由大型语言模型驱动的自主智能体在真实世界环境中变得越来越聪明并能够做出复杂的决策，为司法智能提供了新的见解。在本文中，我们介绍了SimuCourt，这是一个司法基准，包括来自现实世界的420个判决文书，涵盖了三种最常见的司法案件类型，以及一个新颖的司法决策任务，用于评估智能体的司法分析和决策能力。为了支持这个任务，我们构建了一个大规模的司法知识库JudicialKB，其中包含多个法律知识。我们提出了一个新颖的多智能体框架AgentsCourt。我们的框架遵循现实世界的经典法庭审判过程，包括法庭辩论模拟、法律信息检索和判决细化，以模拟法官的决策过程。我们进行了大量实验，结果表明，我们的框架在各个方面都优于现有的先进方法，特别是在生成法律依据方面，我们的模型在第一和第二案件实例设置中的F1得分分别提高了8.6%和9.1%。

本论文试图解决跨阶段协作在司法智能中的问题，提出了一个新的司法决策评估任务和一个大规模的司法知识库，并且构建了一个模拟法庭辩论、法律信息检索和判断细化的多智能体框架。

本论文的关键思路是通过建立一个司法知识库和多智能体框架，评估智能体的司法分析和决策能力，并在生成法律依据方面取得了显著的改进。

本论文提出了一个包含420个真实案例的司法基准SimuCourt，并且提供了一个新的司法决策评估任务。同时，本论文构建了一个大规模的司法知识库JudicialKB，并且设计了一个模拟法庭辩论、法律信息检索和判断细化的多智能体框架AgentsCourt。实验结果表明，在生成法律依据方面，本论文的模型在第一和第二阶段的F1得分上分别取得了8.6%和9.1%的显著改进。

在司法智能领域，相关的研究包括：1.《基于深度学习的法律文本分类方法研究》；2.《基于案例检索的智能法律助理系统》；3.《基于案例推理的智能司法辅助系统》等。