智能体与自主科学
突破级
暂无讲解视频
收录解读
高风险法律场景要求智能体的推理过程具备可审计性、可复现性和严格的时间一致性，而常规 RAG 在版本切换、因果追踪和层级法条关系上通常过于黑箱。论文把问题定义为：在持续演化的法律知识图谱上，如何让 autonomous legal agents 的检索与推理过程变成可验证执行，而不是不可追责的语义近似。
这篇工作的核心不是再做一个法律问答系统，而是提出一个 formal Primitive API 作为安全执行层。它把点时版本检索、因果谱系追踪、上下文混合搜索等操作拆成原子、可组合、可记录的 primitives，由 planner-guided agents 显式生成执行计划，再在 temporal knowledge graph 上逐步运行，从而把内部 reasoning 从黑箱回答改成可检查的 primitive log。
它值得正式收录，因为真正可复用的部分是 execution-layer pattern：把 evolving structured knowledge 上的 agent reasoning 变成 deterministic、auditable、composable 的 primitive pipeline。虽然论文以法律为主要场景，但这种设计对合规、审计、政策和其他受监管领域的 agent workflow 都有直接外溢价值。
它没有升到更高一级，是因为当前证据仍主要来自架构论证和法律场景本身，跨领域验证和更大规模真实部署还不够。现阶段更像一条很强的 regulated-agent blueprint，而不是已经被广泛采用的通用基础设施。