AI赋能计划·科研系列-17丨基于法律大模型和知识图谱的法学专业科研

人工智能促进科研范式改革 赋能学科跃升计划

本项目以法学方法论与法律推理逻辑为根基，将要件事实型民事裁判论作为核心理论支撑，把法律要件与事实要素层级对应，为破解大模型个案认知难题、防控模型幻觉提供刚性知识约束与标准化框架。项目结合GraphRAG与Agent技术构建法律论证系统，形成适配司法场景的智能辅助审判方案。

在技术实现上，项目搭建三层关键架构：

一是部署支持动态更新的MCP server，开发配套应用功能，可实时调取法律条文支撑模型解答；

二是构建本地法律条文RAG数据库，运用增强RAG算法，结合混合检索、重排序、引用检索等手段，进一步减少模型幻觉，提升法条引用准确性；

三是搭建 “鉴定式分析” 应用框架，先基于案情构建GraphRAG关系图谱，拆解请求权形成分析列表，再按序结合MCP数据与图谱开展论证分析，遍历完成后输出最终结果。

此外，项目采用LoRA等微调技术优化模型，提升其法律推理与案例分析能力。整套方案将实体法与程序法有效衔接，尊重司法推理的可废止性，构建人机协同、可解释、高可靠的法律论证工作流，为智慧审判提供技术与理论双重支撑。

本项目构建了数据合规、管理、服务全流程的涉外法律服务系统思维，以要件事实型裁判论为理论支撑，破解大语言模型认知个案难题、防控幻觉现象。

1.跨语言法理精准处理与检索：优化AI模块，实现数学符号与法理逻辑的关联识别，可将非结构化英文判例/论述提炼为结构化要素，建立跨语言深层索引，支持中文检索精准召回英文原典及脚注。

2.构建数据飞轮与闭环验证机制：采集权威法学期刊开放获取文献构建 “原始文献-结构化金标准” 对比数据集，通过正文论述与脚注的语义支撑关系自动校验，结合专家/高阶大模型打分反馈微调解析流水线超参数。

3.搭建高效系统架构并完成性能验证：搭建 “引擎层+服务层+数据层+调度层” 四层系统架构，在涉外法律服务常规知识库、智能法律文书处理系统两大核心模块实现高性能表现，核心指标如正文与脚注结构化分离准确率98.5%、多跳推理准确率 93.8%，检索响应、图谱渲染、向量召回等效率指标均满足高频实务与科研需求。

1.核心期刊论文发表：课题负责人独作在CLSCI期刊《东方法学》发表论文，论证涉外法律服务数据使用许可机制与实现路径，解决数据管理与合规问题；指导课题组成员在AMI期刊《智慧法治》发表论文，构建具体案情下责任导向的要件式分析框架，破解法律责任要件式判断难题。

2.参与权威蓝皮书编撰：带队参与《2025世界人工智能法治蓝皮书》编写，完成 “人工智能司法案件分析” 板块研究，以 “数据、算法、算力” 为关键词梳理全球人工智能相关裁判文书，分析法律争点与价值冲突，研究过程依托项目研发的涉外法律服务知识库完成数据爬取与分析。

本项目创新法学与人工智能交叉领域人才培养模式，以实践为导向搭建科研与实务结合的培养平台，提升学生专业能力与实践应用能力，同时为司法实务部门输送专业人才，形成产学研协同育人的良好格局。

1.向司法实务部门选派实习生：为上海市高级人民法院“人民法院案例库”入库编辑、上海司法智库研究等工作，选派学生实习，推动科研成果与司法实务结合，助力智慧法院建设。

2.组建研究兴趣小组并参与权威成果编撰：组织本科生、研究生成立AI跃升计划研究兴趣小组，召开专题研讨会提升学生AI技术在法学领域的应用能力，选派小组学生参与《2025世界人工智能法治蓝皮书》的编辑与出版发行工作，强化学生的实践与科研能力。

3.赋能法学教育改革：借助项目研发的法学科研助手，帮助学生摆脱事务性工作纷扰，提升理论知识向实际应用的转化能力，推动模拟法庭、法律诊所等实践教学环节优化，促进法学教育贴合法律职业市场需求与法治实践导向。