小林是明理法律事务所新来的实习助理。他记性好、语速快，客户问什么都能立刻答上，但合伙人老周发现一个危险信号：小林遇到记忆模糊的问题时，要么含糊带过，要么非常自信地背出一段“法条”——而那法条要么根本不存在，要么张冠李戴。对法律咨询来说，这正是最怕的“幻觉”：回答流畅得像真的，内容却经不起查证。老周给小林立了规矩：凡是答复客户，必须先翻原始档案，再起草回答，最后让复核员逐字核对引用的法规是否真实、是否适用。这套“先查档、再起草、最后复核”的流程，正是今天要讲的问答系统幻觉治理与法规引用校验。本文通过小林的故事，拆解幻觉从哪来，以及如何用检索增强生成（RAG）和法规校验机制，让每条法条都有据可查、有源可溯。

岗位关联

掌握幻觉治理与法规引用校验，是进入法律科技领域的核心能力，它直接决定问答系统能否在法律咨询、司法辅助等严肃场景中真正落地。

目录
  1. 可视化演示
  2. 1. 幻觉成因：记忆里的“假法条”
  3. 2. 引用增强RAG：先查档案再开口
  4. 3. 检索优化：不能只靠关键词翻档案
  5. 4. 法规校验：复核员一字一句核对
  6. 5. 系统架构：从受理到回复的完整流水线
  7. 6. 评估指标：怎么判断小林是否合格
  8. 7. 实践应用场景：小林正式上岗
  9. 8. 落地挑战：新法实施与责任边界
  10. AI 应用场景
  11. Python 演示
  12. 常见误区
  13. 面试题

可视化演示

本节配有交互动效（进入视口后自动加载，约 3KB）。

RAG检索增强生成流程 ——法律问答防幻觉架构 检索：向量相似度从法规库召回Top-K 生成：LLM基于检索结果生成回答 校验：多层引用验证防止编造 幻觉：无RAG时LLM编造法条 Answer = LLM(Query + Retrieved_Context), 引用可追溯

1. 幻觉成因：记忆里的“假法条”

小林第一次独立值班，客户问：“试用期怀孕被辞退合法吗？”小林脱口而出：“根据《劳动法》第30条……”老周听完眉头一皱，因为这条根本不存在。小林不是想骗人，而是脑子里同时闪过好几个相似条文，他选了一个听起来最顺口的。这正是大模型幻觉的起点：模型根据概率分布预测下一个词，在“不确定”的区域里，它依然会勤勤恳恳地继续写下去，把编造的内容包装得无比自然。

从技术上看，诱发幻觉的因素有很多：训练数据本身包含噪声或错误，模型把这些错误当成“标准答案”记住；训练语料存在知识截止时间，新颁布的法规它根本不知道；超长对话中上下文干扰，模型丢失了关键前提。这些因素共同导致模型在高不确定区域里“强行输出”。我们可以用信息熵来量化这种不确定程度：

小林的故事告诉我们：当模型“熵值很高”时，最该做的是放下记忆去查档案，而不是硬着头皮继续编。法律问答系统也一样，检测到不确定就该启动检索，用外部证据支撑回答。

H(X)=−∑i=1np(xi)log⁡2p(xi)\displaystyle H(X) = -\sum_{i=1}^{n} p(x_i) \log_2 p(x_i)
熵越高，说明模型对候选内容越没把握，越容易用编造来填补空白。
  1. 随机变量 X把模型可能输出的候选内容看作一个随机变量，它代表“下一处回答可能是什么”。
    X={x1,x2,…,xn}\displaystyle X = \{x_1, x_2, \dots, x_n\}
  2. 候选概率每个候选内容被选中的概率总和为 1，概率越集中说明模型越肯定。
    p(xi)∈[0,1],∑i=1np(xi)=1\displaystyle p(x_i) \in [0, 1], \quad \sum_{i=1}^{n} p(x_i) = 1
  3. 单点信息量某个候选出现带来的信息量用负对数表示，概率越小，信息量越大。
    I(xi)=−log⁡2p(xi)\displaystyle I(x_i) = -\log_2 p(x_i)
  4. 期望求和对所有候选按概率加权平均，得到整体不确定程度，也就是熵。
    H(X)=∑i=1np(xi)I(xi)\displaystyle H(X) = \sum_{i=1}^{n} p(x_i) I(x_i)

2. 引用增强RAG：先查档案再开口

老周给小林的第二条规矩是：禁止凭记忆回答。他给小林配了一个“档案室”，里面按问题自动调出相关原始文件，让小林看完文件再答复客户。这个“先查档、后起草”的流程，在 AI 里就是引用增强生成。

RAG 的思想非常朴素：不强迫大模型记住所有法条，而是把专业数据库拆成小块，对用户问题做向量检索，召回最相关的条文，再用重排序提升精度，最后让模型基于这些条文生成回答并附上引用。从概率角度，这相当于把“直接生成”变成“基于证据的条件生成”：

对小林来说，档案室就是“外脑”；对系统来说，法规库就是“外脑”。有了 RAG，模型回答时能引用真实条文，但老周也提醒：查了档案不等于不会看错，还需要复核员把关。

P(y∣x)=∑z∈ZP(z∣x) P(y∣x,z)\displaystyle P(y \mid x) = \sum_{z \in Z} P(z \mid x) \, P(y \mid x, z)
回答不再是模型孤军奋战，而是先从候选中挑出可用证据，再结合证据生成答案。
  1. 候选证据集合Z 是从法规库中检索出的候选条文集合，它是生成回答的证据池。
    Z={z1,z2,…,zk}\displaystyle Z = \{z_1, z_2, \dots, z_k\}
  2. 检索概率在给定问题 x 时，模型判断某条文 z 与问题相关的概率。
    P(z∣x)\displaystyle P(z \mid x)
  3. 生成概率在问题 x 和某条文 z 共同作用下，模型生成最终答案 y 的概率。
    P(y∣x,z)\displaystyle P(y \mid x, z)
  4. 加权求和把所有候选条文的贡献按检索概率加权，得到最终回答概率。
    P(y∣x)=∑z∈ZP(z∣x)P(y∣x,z)\displaystyle P(y \mid x) = \sum_{z \in Z} P(z \mid x) P(y \mid x, z)

3. 检索优化：不能只靠关键词翻档案

小林在档案室找文件时，客户问“我被公司辞退了，怎么办？”他只搜索“辞退”两个字，结果漏掉了写着“严重违反规章制度”的关键文件。老周说：你要是只按字面找，必然漏掉真正相关的法条。

AI 里的检索也面临同样问题。关键词检索精确但僵硬，向量检索能理解语义但容易混淆相近概念。法律场景需要“混合检索”：既保留关键词的精确性，又引入向量检索的语义理解。两者得分可以融合，最终用余弦相似度衡量语义匹配程度：

检索优化还有两个关键动作：一是给重要段落更高权重，避免长篇大论稀释关键信息；二是做时效过滤，比如新法实施后，旧法条即使语义相似也不能再引用。这就像小林查档案时，不仅要会找，还要确认文件是不是最新版本。

sim(q,d)=q⋅d∥q∥∥d∥\displaystyle \text{sim}(\mathbf{q}, \mathbf{d}) = \frac{\mathbf{q} \cdot \mathbf{d}}{\|\mathbf{q}\| \|\mathbf{d}\|}
余弦相似度衡量的是两个向量的方向是否一致，方向越接近，语义越相关。
  1. 问题向量把用户问题通过模型编码成向量 q，它是问题语义的数值表达。
    q=(q1,q2,…,qn)\displaystyle \mathbf{q} = (q_1, q_2, \dots, q_n)
  2. 文档向量把候选法条段落编码成向量 d，与问题向量处于同一语义空间。
    d=(d1,d2,…,dn)\displaystyle \mathbf{d} = (d_1, d_2, \dots, d_n)
  3. 点积计算两个向量的对应分量乘积之和，衡量同一方向上的匹配程度。
    q⋅d=∑i=1nqidi\displaystyle \mathbf{q} \cdot \mathbf{d} = \sum_{i=1}^{n} q_i d_i
  4. 归一化除以两个向量的长度，消除文本长度带来的偏差。
    q⋅d∥q∥∥d∥\displaystyle \frac{\mathbf{q} \cdot \mathbf{d}}{\|\mathbf{q}\| \|\mathbf{d}\|}

4. 法规校验：复核员一字一句核对

即便小林从档案室找出了条文，老周依然不放心，因为小林可能把“第34条”背成“第43条”，或者把条号背对但内容张冠李戴。于是老周安排资深复核员，专门核对小林的回答：条号是否存在、条文内容是否与原文一致、当前是否仍有效、引用是否适用于问题。

这个复核环节就是“法规校验”。校验逻辑通常由三部分组成：条号的精确匹配、条文文本的语义相似度、以及置信度阈值。综合得分只有超过阈值，回答才允许放出：

对于高风险回答，校验层还会把结果转给人工复核。技术校验解决“引文是否真实”，人工复核解决“引文是否适用于当前案情”。两者配合，法条才能从“看起来对”变成“真的对”。

V(c)=λ1M(c)+λ2S(c),V(c)≥θ\displaystyle V(c) = \lambda_1 M(c) + \lambda_2 S(c), \quad V(c) \ge \theta
M 负责“有没有引错”，S 负责“引的是不是同一段话”，λ 是两者权重，θ 是放行门槛。
  1. 条号匹配M(c) 表示回答中引用的条号与法规库原文是否存在完全匹配。
    M(c)∈{0,1}\displaystyle M(c) \in \{0, 1\}
  2. 语义相似S(c) 表示引用文本与原文片段的语义相似度，防止条号对但内容错。
    S(c)∈[0,1]\displaystyle S(c) \in [0, 1]
  3. 权重融合用 λ₁ 和 λ₂ 平衡精确匹配与语义匹配的重要性。
    V(c)=λ1M(c)+λ2S(c)\displaystyle V(c) = \lambda_1 M(c) + \lambda_2 S(c)
  4. 阈值判断只有 V(c) 达到阈值 θ 时，系统才确认这条引用可以通过。
    V(c)≥θ\displaystyle V(c) \ge \theta

5. 系统架构：从受理到回复的完整流水线

小林的工作台终于完整了：前台接待记录问题，档案员检索材料，小林起草回复，复核员检查法条。老周把这四个岗位串成一条流水线，每一站都有明确职责。放到系统中，这就是“预处理层 → 检索层 → 生成层 → 校验层”的四层架构。

预处理层负责清洗问题、识别关键词和法律实体；检索层负责召回候选法条；生成层负责结合问题与法条写答案；校验层负责确认引用真实有效。整条流水线可以看作一个复合函数：

这个架构最大的优点是“责任可拆”：哪一层出错，就修哪一层。检索不准就优化检索，校验不严就加强校验，而不是把所有问题都丢给大模型“再训一次”。

A(q)=Validate(Generate(Retrieve(q,D),q),D)\displaystyle A(q) = \mathrm{Validate}\Big(\mathrm{Generate}\big(\mathrm{Retrieve}(q, \mathcal{D}), q\big), \mathcal{D}\Big)
回答不是某一层独立完成的，而是“查档案、写草稿、核引用”的组合动作。
  1. 检索函数从法规库 D 中找出与问题 q 相关的候选条文。
    Retrieve(q,D)={d1,d2,…,dk}\displaystyle \mathrm{Retrieve}(q, \mathcal{D}) = \{d_1, d_2, \dots, d_k\}
  2. 生成函数把问题与候选条文一起交给语言模型，得到一版带引用的草稿。
    g=Generate({d1,d2,…,dk},q)\displaystyle g = \mathrm{Generate}(\{d_1, d_2, \dots, d_k\}, q)
  3. 校验函数用原始法规库核对草稿中的条号和条文，不通过则打回重写。
    Validate(g,D)\displaystyle \mathrm{Validate}(g, \mathcal{D})
  4. 最终输出整体管道把检索、生成、校验三个步骤嵌套执行，得到可交付的回答。
    A(q)=Validate(Generate(Retrieve(q,D),q),D)\displaystyle A(q) = \mathrm{Validate}(\mathrm{Generate}(\mathrm{Retrieve}(q, \mathcal{D}), q), \mathcal{D})

6. 评估指标：怎么判断小林是否合格

为了让小林不重蹈覆辙，老周每月抽查回答质量。他看的不只是“客户满不满意”，而是更硬的三件事：回答是否准确、引用是否真实、观点是否有源可溯。在法律场景，一个回答可以听起来很有道理，但引用却是编的，这种回答必须判为零分。

因此系统需要两个核心指标：幻觉率统计“没有依据的主张占全部主张的比例”，引用正确率统计“正确引用占全部引用的比例”。这两个指标一个盯内容，一个盯来源：

除了这两个指标，还要看“可追溯性”：系统能否让用户一键跳转到原始法条。老周常说：“不能追踪到原文的答案，再流利也是废纸。”这既是评估标准，也是产品底线。

Hallu=NunsupportedNclaims,CiteAcc=NcorrectNcitations\displaystyle \text{Hallu} = \frac{N_{\text{unsupported}}}{N_{\text{claims}}}, \qquad \text{CiteAcc} = \frac{N_{\text{correct}}}{N_{\text{citations}}}
幻觉率越低越好，引用正确率越高越好。两者分开看，才能发现“内容正确但引用错误”的隐蔽问题。
  1. 主张总数N_claims 表示系统回答中所有事实性主张的数量，如“试用期辞退违法”。
    Nclaims\displaystyle N_{\text{claims}}
  2. 无依据主张N_unsupported 表示无法在法规原文中找到依据的主张数量。
    Nunsupported\displaystyle N_{\text{unsupported}}
  3. 引用总数N_citations 表示回答中出现引用标记的总次数。
    Ncitations\displaystyle N_{\text{citations}}
  4. 正确引用数N_correct 表示经过校验后真实、一致且仍然有效的引用数量。
    Ncorrect\displaystyle N_{\text{correct}}

7. 实践应用场景：小林正式上岗

经过一个月考核，小林终于可以参与真实业务。他第一次被派去线上法律咨询窗口，第二周又被调去协助起草诉状，月底还帮企业法务做合规问答。三个岗位看似不同，内核却一致：用 RAG 召回权威资料，用校验层保证引用安全。

在在线咨询场景，系统需要快速回答“离婚冷静期是多久”这类高频问题；在文书辅助场景，系统要自动检查起诉状里引用法条是否真实；在企业合规场景，系统要判断新规是否影响旧有制度。衡量这些场景价值时，常用 F1 分数综合评估准确率与召回率：

小林上岗后发现自己不是“替代律师”，而是“律师的放大器”：系统处理大量重复咨询，律师聚焦复杂案件。这既提高了服务效率，也守住了专业质量。

F1=2×Precision×RecallPrecision+Recall\displaystyle F_1 = \frac{2 \times \text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}
F1 是精确率与召回率的调和平均，防止系统靠“少答”或“滥答”刷分。
  1. 精确率系统召回的答案中真正正确的比例，强调“答得准”。
    Precision=TPTP+FP\displaystyle \text{Precision} = \frac{TP}{TP + FP}
  2. 召回率所有应被正确回答的问题中被找到的比例，强调“答得全”。
    Recall=TPTP+FN\displaystyle \text{Recall} = \frac{TP}{TP + FN}
  3. 调和平均把两者放入同一个分数，避免单一指标掩盖短板。
    F1=2×Precision×RecallPrecision+Recall\displaystyle F_1 = \frac{2 \times \text{Precision} \times \text{Recall}}{\text{Precision} + \text{Recall}}

8. 落地挑战：新法实施与责任边界

小林上岗三个月后，遇到一件棘手事：他引用了一份旧条例，可客户所在省份已经实施了新办法。老周叹口气：“法条会变，系统如果跟不上，知识库越全越危险。”这正是法律问答系统落地时最常见的挑战——法规更新。

应对法规更新，系统要给法条打上时间戳，并引入时间衰减权重，让越久远的条文在检索和引用时权重越低：

除了法规更新，还有多法域冲突：同一个问题在不同省份可能有不同适用规则；技术校验通过后，法律责任的边界仍需人类承担；人机协同要求系统遇到高风险问题时主动转人工。老周对小林说：“你做得再好，也只能辅助；最终拍板的，必须是有执业资格的人。”

w(t)=e−λ(tnow−tlaw)\displaystyle w(t) = e^{-\lambda (t_{\text{now}} - t_{\text{law}})}
权重随时间指数衰减，法条越旧，自动降权越明显；新法实施时还能触发缓存清理。
  1. 当前时间t_now 表示系统回答问题的当前时间。
    tnow\displaystyle t_{\text{now}}
  2. 法条时间t_law 表示该法条发布或最后一次修订的时间。
    tlaw\displaystyle t_{\text{law}}
  3. 时间差Δt 表示当前时间与法条更新时间之间的间隔。
    Δt=tnow−tlaw\displaystyle \Delta t = t_{\text{now}} - t_{\text{law}}
  4. 指数衰减λ 越大，旧法条被降权越快，系统更倾向使用新规。
    w(t)=e−λΔt\displaystyle w(t) = e^{-\lambda \Delta t}

AI 应用场景

场景一：在线法律咨询客服

阶段：检索增强生成 + 法规校验

解决的问题：传统人工坐席响应慢、夜间覆盖不足；纯大模型回答又容易出现编造法条的风险。AI 先检索权威法规库，再生成带引用的回答，最后由校验层核对条号与条文，确保“答得快”和“答得准”同时成立。

具体案例：某互联网法律平台上线智能咨询助手。用户问“离婚冷静期是多久”，系统自动检索《民法典》第1077条，生成回答：“自婚姻登记机关收到离婚登记申请之日起三十日内，任何一方不愿意离婚的，可以向婚姻登记机关撤回离婚登记申请。”回答下方附原文链接和条文编号，校验层实时核对通过后才推送给用户。

场景二：诉状文书辅助审查

阶段：语义检索 + 多级校验

解决的问题：基层法律工作者撰写起诉状或答辩状时，容易引用已失效法条或条号笔误。系统自动抽取文书中的法条引用，与最新法规库比对，并检查引用内容是否真实支持该主张，减少“目录里找得到、正文里没有”的尴尬错误。

具体案例：某法院引入文书预检工具，助理法官上传起诉状后，系统在 3 秒内标出两处引用异常：一处是条号笔误，一处是已废止司法解释。系统同时推荐替代法条，帮助起草人快速修正。

场景三：企业合规问答机器人

阶段：混合检索 + 时效过滤 + 人工复核

解决的问题：大型企业员工众多，咨询劳动合同、数据合规、广告法等问题时，希望得到内部统一且合规的答案。但法规更新频繁，如果系统沿用旧知识，很容易给出错误建议。通过时间衰减权重和人工复核兜底，实现“常规问题自动答，高风险问题转人工”。

具体案例：某集团法务部部署合规机器人，员工询问“个人敏感信息可以跨境传输吗”，系统先按内部合规文档与时新法规双重检索，再自动标注法条效力，超过风险阈值时转人工法务审核，最终生成带审批记录的合规答复。

Python 演示

python71 行
# -*- coding: utf-8 -*-"""法律咨询问答幻觉防护的最小演示: 检索 -> 生成 -> 校验"""import mathimport re  class LawQA:    def __init__(self):        self.documents = []        self.doc_ids = []     def load_laws(self, laws):        self.documents = []        self.doc_ids = []        for law_id, text in laws:            self.documents.append(text)            self.doc_ids.append(law_id)     def _terms(self, text):        # 简单按连续中文片段切分, 模拟中文分词        return set(re.findall(r'[\u4e00-\u9fa5]{2,4}', text))     def retrieve(self, question, top_k=2):        q_terms = self._terms(question)        scores = []        for i, doc in enumerate(self.documents):            d_terms = self._terms(doc)            overlap = len(q_terms & d_terms) + 1e-9            score = overlap / math.sqrt(len(q_terms) + 1)            scores.append((score, i))        scores.sort(reverse=True)        return [(self.doc_ids[i], self.documents[i], s) for s, i in scores[:top_k]]     def generate(self, question, hits):        if not hits:            return "您好, 我没有检索到相关法条, 建议咨询专业律师.", []        law_ids = []        parts = []        for law_id, text, score in hits:            law_ids.append(law_id)            parts.append("根据《" + law_id + "》, 相关规定如下: " + text)        answer = "\n".join(parts)        return answer, law_ids     def validate(self, answer, law_ids, docs):        for law_id in law_ids:            if law_id not in self.doc_ids:                return False, "引用了不存在的法条: " + law_id            idx = self.doc_ids.index(law_id)            snippet = docs[idx]            if law_id not in answer or snippet[:8] not in answer:                return False, "引用内容与原文不一致: " + law_id        return True, "所有引用均通过校验"     def ask(self, question):        hits = self.retrieve(question)        answer, law_ids = self.generate(question, hits)        ok, msg = self.validate(answer, law_ids, self.documents)        return {"answer": answer, "ok": ok, "msg": msg}  if __name__ == "__main__":    laws = [        ("民法典第1077条", "自婚姻登记机关收到离婚登记申请之日起三十日内, 任何一方不愿意离婚的, 可以向婚姻登记机关撤回离婚登记申请."),        ("劳动合同法第39条", "劳动者严重违反用人单位的规章制度的, 用人单位可以解除劳动合同."),    ]    qa = LawQA()    qa.load_laws(laws)    result = qa.ask("离婚冷静期是多久?")    print(result["msg"])    print(result["answer"])
目的：演示一个极简的“检索 → 生成 → 校验”法律问答系统，防止模型直接背诵导致幻觉。
  1. overlap = len(q_terms & d_terms) + 1e-9计算问题与法条之间的词条重合度，并加极小值避免除零。
  2. scores.sort(reverse=True)按相关度从高到低排序，模拟检索排序过程。
  3. return [(self.doc_ids[i], self.documents[i], s) for s, i in scores[:top_k]]只返回排名最靠前的候选法条，限制生成时的证据范围。
  4. parts.append("根据《" + law_id + "》, 相关规定如下: " + text)在答案中显式写清法条编号，让引用可追溯。
  5. if law_id not in self.doc_ids:校验环节第一步：检查被引法条是否真实存在于法规库。
  6. if law_id not in answer or snippet[:8] not in answer:校验环节第二步：确认法条编号和正文片段都出现在答案中，防止“引号对内容错”。
  7. ok, msg = self.validate(answer, law_ids, self.documents)把校验结果显式返回，只有 ok 为 True 的回答才应该展示给用户。

常见误区

误区只要给大模型配上 RAG 知识库，幻觉就消失了，回答可以直接上线。

正解RAG 只是把“凭空想象”变成“基于检索结果的生成”，但检索可能漏检、重排序可能排错、模型也可能忽视上下文继续编。就像小林查了档案，却可能看错页码；所以还需要法规校验层和人工抽检兜底。RAG 降低幻觉概率，但不能把概率降为零。

为何常见：RAG 叫“检索增强生成”，听起来像外挂，很多人误以为它天然等于事实正确。

误区只要系统引用的条文真实存在，答案就一定是可靠的法律建议。

正解法条真实，不代表它适用当前问题。比如客户问离婚冷静期，系统却引用了合同履行的法条，虽然法条真实，但答非所问。法规校验不仅要查“条号是否存在”，还要查“条文内容是否一致”“是否仍然有效”“是否适用于场景”。

为何常见：人容易把“来源权威”与“推理正确”混为一谈，看到真实法条就放松警惕。

误区向量检索能理解语义，所以不再需要关键词精确匹配。

正解法律文本讲究精确，条号、名称、日期等结构化信息用关键词匹配更可靠；语义向量擅长处理“意思相近但表述不同”的情况。两者各有优势，法律场景通常采用混合检索，否则容易把“相似但不同”的法条混为一谈。

为何常见：通用对话场景中语义搜索表现惊艳，让人误以为传统检索已经过时。

误区只要技术校验全部通过，AI 就可以全自动对咨询结果负责。

正解技术校验解决的是“引用是否真实、可溯源”，不替代执业律师对案情作出的专业判断。真正承担法律责任的是机构与执业人员，AI 只是辅助工具。系统设计上应当保留人工复核与责任归属机制，避免“算法背锅”。

为何常见：人们喜欢把 AI 拟人化，误以为它能像“数字律师”一样独立承担执业责任。

面试题

Q1. 法律咨询问答系统中最典型的“幻觉”表现是什么？

单选题 · easy

  • A.系统响应速度突然变慢
  • B.流畅引用不存在的法条← 正确答案
  • C.完全无法理解中文提问
  • D.对话记录无法导出保存

答案：B。幻觉的核心特征是“流畅但错误”，尤其表现为模型自信地引用编造或错误的法律条文。响应慢、无法理解中文、记录丢失都属于工程或交互问题，而非模型幻觉。

Q2. RAG 中的“R”指的是什么？

单选题 · easy

  • A.检索增强生成中的检索← 正确答案
  • B.递归神经网络的结构
  • C.强化学习奖励模型
  • D.随机梯度下降算法

答案：A。RAG 全称是 Retrieval-Augmented Generation，中文译为“检索增强生成”，其中 R 代表检索。它的核心是先召回外部证据，再让模型基于证据生成回答。

Q3. 为什么纯靠大模型记忆回答法律问题容易产生幻觉？

单选题 · easy

  • A.模型只是按概率模式续写
  • B.不确定时会编造合理内容← 正确答案
  • C.模型不擅长统计词频
  • D.模型不能访问外部文件

答案：B。大模型本质是根据上下文预测下一个词的概率模型。当它对某个法律知识不确定时，依然会按概率继续生成，把“最像的”补全成“合理但错误”的法条。这不只是外部文件问题，而是概率式生成的固有风险。

Q4. 法规校验层的核心目标是？

单选题 · mid

  • A.让回答语气更自然亲和
  • B.核对引用法条与原文是否一致← 正确答案
  • C.压缩回复长度以节省算力
  • D.自动改写用户提问方式

答案：B。法规校验层负责检查引用条号是否真实存在、条文内容是否与原文一致，以及引用是否仍然有效。它不管语气、长度或提问改写，这些属于自然语言处理与交互设计环节。

Q5. 在“检索优化”中，混合检索的意思是？

单选题 · mid

  • A.只用关键词做精确匹配
  • B.关键词与向量检索并用← 正确答案
  • C.只靠向量相似度匹配
  • D.对输出结果二次审核

答案：B。混合检索同时使用关键词检索和向量语义检索，兼顾精确匹配与语义理解。法律场景中既有条号这类精确信息，又有“严重违反规章制度”这类需要语义理解的表达，因此二者缺一不可。

Q6. 下列哪些措施能降低法律问答系统的幻觉？

多选题 · mid

  • A.引入引用增强生成RAG← 正确答案
  • B.增加法规校验与人工复核← 正确答案
  • C.使用混合检索召回权威法条← 正确答案
  • D.强制关闭所有日志记录

答案：ABC。RAG 让模型基于证据生成，校验层与人工复核确保引用真实，混合检索提升证据召回质量，三者都能降低幻觉。关闭日志记录与幻觉无关，反而会损害可追溯性。

Q7. 评估“引用正确率”时，最合理的口径是？

单选题 · hard

  • A.系统回复法条的总数
  • B.正确引用数除以引用总数← 正确答案
  • C.用户点赞数量多少
  • D.法条文本字符总长度

答案：B。引用正确率的核心是“正确引用数 ÷ 总引用数”，它衡量生成内容中真实、一致且有效引用的比例。系统回复法条总数、点赞数、文本长度都不能反映引用本身的真实性。

Q8. 为什么法律场景不能完全依赖向量相似度检索？

单选题 · hard

  • A.向量检索无法处理英文文本
  • B.相似向量可能指向不同法条← 正确答案
  • C.长文本会降低检索速度
  • D.数据库容量一定非常有限

答案：B。语义相似的表述可能对应完全不同的法律后果，例如“解除合同”和“撤销合同”在向量空间中距离很近，但适用法条不同。法律检索必须结合条号、名称等精确匹配，不能只看语义相似度。

Q9. 法规校验通过后，系统还需要关注哪些落地问题？

多选题 · hard

  • A.新法规实施导致知识过期← 正确答案
  • B.跨地区法条优先规则不同← 正确答案
  • C.AI 是否具备完全法律责任← 正确答案
  • D.法条原文字体是否好看

答案：ABC。新法实施会让旧知识过期，跨地区会带来法条优先顺序差异，AI 的法律责任边界也需要明确；这些都是校验层之后仍要面对的系统性问题。字体美观与法规准确性无关。

Q10. 关于法律问答系统的评估方法，下列说法正确的是？

多选题 · extreme

  • A.幻觉率统计无依据主张占比← 正确答案
  • B.引用正确率可以单独评价系统
  • C.可追溯性要求答案能回溯到原文← 正确答案
  • D.只要引用正确回答就一定正确

答案：AC。幻觉率确实统计无依据主张占全部主张的比例；可追溯性要求每个答案都能回溯到原始法条。但引用正确率不能单独评价系统，还必须结合回答准确率与适用性；引用正确也不等于回答最终正确，因为法条可能不适用于案情。