LawThinker: 동적 환경에서의 심층 연구 법률 에이전트

LawThinker: A Deep Research Legal Agent in Dynamic Environments

법률적 추론은 정확한 결과뿐만 아니라 절차적으로 부합하는 추론 과정도 필요로 한다. 그러나 기존 방법론들은 중간 추론 단계를 검증하는 메커니즘이 부족하여, 적용 불가능한 법령 인용과 같은 오류가 감지되지 않은 채 추론 사슬 전체로 전파되는 문제가 있다. 이를 해결하기 위해, 본 논문에서는 동적 사법 환경에 맞춰 '탐색-검증-기억(Explore-Verify-Memorize)' 전략을 채택한 자율 법률 연구 에이전트인 LawThinker를 제안한다. 핵심 아이디어는 모든 지식 탐색 단계 직후에 검증 과정을 필수적인 원자적(atomic) 연산으로 수행하는 것이다. DeepVerifier 모듈은 각 검색 결과를 지식의 정확성, 사실과 법률의 관련성, 절차적 준수성이라는 세 가지 차원에서 검사하며, 메모리 모듈을 통해 긴 호흡의 과제(long-horizon tasks)에서도 라운드 간 지식 재사용을 지원한다. 동적 벤치마크인 J1-EVAL에서의 실험 결과, LawThinker는 직접 추론 방식 대비 24%, 워크플로우 기반 방식 대비 11% 향상된 성능을 달성했으며, 특히 과정 중심 지표에서 두드러진 개선을 보였다. 또한 세 가지 정적 벤치마크에 대한 평가를 통해 모델의 일반화 능력을 추가로 확인하였다. 코드는 https://github.com/yxy-919/LawThinker-agent 에서 확인할 수 있다.

Legal reasoning requires not only correct outcomes but also procedurally compliant reasoning processes. However, existing methods lack mechanisms to verify intermediate reasoning steps, allowing errors such as inapplicable statute citations to propagate undetected through the reasoning chain. To address this, we propose LawThinker, an autonomous legal research agent that adopts an Explore-Verify-Memorize strategy for dynamic judicial environments. The core idea is to enforce verification as an atomic operation after every knowledge exploration step. A DeepVerifier module examines each retrieval result along three dimensions of knowledge accuracy, fact-law relevance, and procedural compliance, with a memory module for cross-round knowledge reuse in long-horizon tasks. Experiments on the dynamic benchmark J1-EVAL show that LawThinker achieves a 24% improvement over direct reasoning and an 11% gain over workflow-based methods, with particularly strong improvements on process-oriented metrics. Evaluations on three static benchmarks further confirm its generalization capability. The code is available at https://github.com/yxy-919/LawThinker-agent .