AgentCourt는 LLM 기반의 법정 시뮬레이션 프레임워크로, 기존 법률 언어 모델의 한계를 극복하기 위해 대립적 진화(AdvEvol) 접근 방식을 도입했습니다. AdvEvol은 시뮬레이션된 법정 프로그램에서 구조화된 대립적 상호 작용을 통해 동적인 지식 학습 및 진화를 수행하며, 정적인 지식 기반이나 수동 주석에 대한 의존성을 극복합니다. 1,000건의 민사 사건 시뮬레이션을 통해 진화하는 지식 기반을 구축하여 에이전트의 법적 추론 능력을 향상시켰으며, 새롭게 도입된 CourtBench 벤치마크에서 기존 변호사 에이전트보다 12.1% 향상된 성능을 보였습니다. 전문 변호사의 평가 결과, 인지적 민첩성, 전문 지식, 논리적 엄격성 세 가지 측면에서 효과가 입증되었습니다. 상호 작용적 추론 작업에서 전문적인 법률 모델을 능가하는 성능을 보였으며, 법률 AI에서 대립적 학습의 중요성을 강조하고, 시뮬레이션 기반 법적 추론을 더 넓은 사법 및 규제 환경으로 확장할 수 있는 가능성을 제시합니다. 프로젝트 코드는 Github에서 공개됩니다.
