질의에서 상담으로: 다중 에이전트 프레임워크 및 데이터셋을 활용한 구조화된 추론을 통한 법률 상담

From Query to Counsel: Structured Reasoning with a Multi-Agent Framework and Dataset for Legal Consultation

법률 상담 질문 응답(Legal CQA)은 기존의 법률 관련 질문 응답 작업과 비교하여 고품질 학습 데이터 부족, 복잡한 작업 구성, 강력한 문맥 의존성 등 고유한 과제를 안고 있습니다. 이러한 문제점을 해결하기 위해, 당 연구에서는 전문가 검증을 거친 긍정 및 부정 답변으로 주석이 달린 43,000개 이상의 실제 중국 법률 질의 데이터를 포함하는 대규모 데이터셋인 JurisCQAD를 구축하고, 각 질의를 법률 요소 그래프로 변환하는 구조화된 작업 분해 방식을 설계했습니다. 또한, 동적 라우팅, 법률 규정 기반 추론, 스타일 최적화를 지원하는 모듈형 다중 에이전트 프레임워크인 JurisMA를 제안합니다. 요소 그래프와 결합된 이 프레임워크는 강력한 문맥 인식 추론을 가능하게 하여 법률 사실, 규범 및 절차적 논리 간의 의존성을 효과적으로 파악합니다. JurisCQAD를 사용하여 학습하고 개선된 LawBench 데이터셋에서 평가한 결과, 당 시스템은 다양한 어휘 및 의미 측정 지표에서 범용 및 법률 도메인 LLM을 모두 능가하는 성능을 보였습니다. 이는 법률 상담 분야에서 해석 가능한 분해 및 모듈형 협업의 이점을 입증합니다.

Legal consultation question answering (Legal CQA) presents unique challenges compared to traditional legal QA tasks, including the scarcity of high-quality training data, complex task composition, and strong contextual dependencies. To address these, we construct JurisCQAD, a large-scale dataset of over 43,000 real-world Chinese legal queries annotated with expert-validated positive and negative responses, and design a structured task decomposition that converts each query into a legal element graph integrating entities, events, intents, and legal issues. We further propose JurisMA, a modular multi-agent framework supporting dynamic routing, statutory grounding, and stylistic optimization. Combined with the element graph, the framework enables strong context-aware reasoning, effectively capturing dependencies across legal facts, norms, and procedural logic. Trained on JurisCQAD and evaluated on a refined LawBench, our system significantly outperforms both general-purpose and legal-domain LLMs across multiple lexical and semantic metrics, demonstrating the benefits of interpretable decomposition and modular collaboration in Legal CQA.