ChatLaw：面向中文法律场景的开源大语言模型助手

概述

ChatLaw是由北京大学袁粒老师团队开发的开源法律大语言模型项目，旨在为中文法律领域提供专业、可靠的人工智能助手。该项目通过创新的多智能体协作框架、知识图谱增强以及专家混合模型技术，显著提升了法律问答的准确性和可靠性，有效降低了传统大模型在法律场景中常见的“幻觉”问题。

核心架构与技术特色

1. 专家混合模型

ChatLaw采用Mixture-of-Experts架构，基于InternLM框架构建了4×7B参数的模型。该设计允许模型针对不同类型的法律问题调用不同的“专家”模块，从而在保持模型规模相对较小的同时，实现专业化的法律推理能力。

2. 多智能体协作系统

系统模拟律师事务所的标准工作流程，设计了包含信息收集、法律研究、综合建议等多个环节的协作流程。这种多智能体设计确保了法律咨询过程的系统性和完整性，最终生成结构化的《法律咨询报告》。

3. 知识图谱增强

项目集成了专门训练的ChatLaw-Text2Vec文本相似度模型，该模型基于93,000份法院判决文书训练，能够将用户查询精准匹配到相关法律条文，为模型提供准确的法律依据支持。

模型版本

ChatLaw2-MoE（最新版）

• 架构：基于InternLM的4×7B MoE设计
• 特点：专门针对中文法律语言处理优化，在多项评测中表现优异

ChatLaw-13B（演示版）

• 基础模型：Ziya-LLaMA-13B-v1
• 表现：在通用中文任务上表现良好，适合基础法律问答

ChatLaw-33B（演示版）

• 基础模型：Anima-33B
• 优势：相比13B版本具有更强的逻辑推理能力

性能表现

评测结果

1. Lawbench评测：ChatLaw在多项法律认知任务中表现优异，超越GPT-4等模型

2. 法律职业资格考试：在统一法律职业资格考试中取得领先成绩

3. 真实案例咨询：在完整性、逻辑性、正确性、语言质量、指导性和权威性六个维度上均获得最高评分

关键优势

• 准确性高：通过知识图谱减少幻觉问题
• 专业性强：专门针对中文法律场景训练
• 可解释性好：提供法律依据和推理过程
• 开源可用：模型和代码完全开源，支持社区二次开发

应用场景

1. 法律咨询

为个人和企业提供初步法律问题解答，涵盖婚姻家庭、合同纠纷、劳动争议等多个领域。

2. 法律文书辅助

协助起草、审查法律文书，提供格式规范和内容建议。

3. 法律教育

作为法律学习者的辅助工具，帮助理解法律概念和案例分析。

4. 法律研究

快速检索相关法律条文和判例，提高法律研究效率。

数据集与训练

项目构建了高质量的中文法律数据集，涵盖：

• 案件分类
• 法律问答
• 判决预测
• 公众意见分析
• 法律条文解释

使用方式

在线体验

• 官方演示平台：[chatlaw.cloud](https://chatlaw.cloud/)
• HuggingFace模型：[ChatLaw2-MoE](https://huggingface.co/PandaVT/ChatLaw2-MoE)

本地部署

项目提供完整的代码库和模型权重，支持研究者和开发者本地部署和定制开发。

开源贡献

ChatLaw采用AGPL-3.0开源协议，鼓励社区参与：

• GitHub仓库：超过7.5k星标，600+分支
• 持续更新：团队持续优化模型性能和功能
• 社区支持：提供技术文档和开发指南

学术价值

项目相关论文已被arXiv收录，为法律人工智能领域提供了重要的技术参考和实践案例。ChatLaw不仅是一个实用的工具，也为大语言模型在专业垂直领域的应用探索了有效路径。

未来展望

团队计划继续优化模型性能，扩展法律知识覆盖范围，并探索更多法律科技应用场景，推动人工智能在法律服务领域的深度应用。

—

项目地址：[GitHub – PKU-YuanGroup/ChatLaw](https://github.com/PKU-YuanGroup/ChatLaw)

论文链接：[arXiv:2306.16092](https://arxiv.org/pdf/2306.16092.pdf)

在线演示：[chatlaw.cloud](https://chatlaw.cloud/)