Law in Silico: Simulating Legal Society with LLM-Based Agents

📄 arXiv: 2510.24442v1 📥 PDF

作者: Yiding Wang, Yuxuan Chen, Fanxu Meng, Xifan Chen, Xiaolei Yang, Muhan Zhang

分类: cs.AI, cs.CL, cs.CY, cs.MA

发布日期: 2025-10-28

💡 一句话要点

Law in Silico：提出基于LLM的智能体框架，用于模拟法律社会。

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 法律模拟 大型语言模型 智能体 法律社会 犯罪预测

📋 核心要点

  1. 现实法律实验成本高、难实施，AI模拟法律社会是有效替代方案，但LLM在法律系统模拟中的应用尚待探索。
  2. Law in Silico框架利用LLM智能体模拟个体决策和立法、裁决、执行等制度机制，构建法律场景。
  3. 实验表明，LLM智能体能重现宏观犯罪趋势，与现实观察一致，并揭示良好法律体系对弱势群体的保护作用。

📝 摘要（中文）

由于现实世界的法律实验通常成本高昂或不可行，使用人工智能（AI）系统模拟法律社会为验证和发展法律理论以及支持法律管理提供了一种有效的替代方案。大型语言模型（LLM）凭借其世界知识和角色扮演能力，是作为法律社会模拟基础的有力候选者。然而，LLM在模拟法律系统中的应用仍未得到充分探索。在这项工作中，我们介绍了Law in Silico，这是一个基于LLM的智能体框架，用于模拟具有个体决策以及立法、裁决和执行等制度机制的法律场景。我们的实验将模拟犯罪率与真实世界的数据进行比较，表明基于LLM的智能体可以在很大程度上重现宏观层面的犯罪趋势，并提供与真实世界观察结果一致的见解。同时，微观层面的模拟表明，一个运作良好、透明且适应性强的法律体系能够更好地保护弱势群体的权利。

🔬 方法详解

问题定义：论文旨在解决现实法律实验成本高昂且难以实施的问题，现有方法难以有效模拟复杂的法律社会，无法充分验证法律理论和支持法律管理。现有方法的痛点在于缺乏能够模拟个体决策和制度机制的有效工具。

核心思路：论文的核心思路是利用大型语言模型（LLM）的世界知识和角色扮演能力，构建基于LLM的智能体，模拟法律社会中的个体行为和制度运作。通过模拟个体决策和制度机制，可以更有效地验证法律理论，并为法律管理提供支持。

技术框架：Law in Silico框架包含以下主要模块：1) 基于LLM的智能体，模拟个体决策；2) 立法机制，模拟法律的制定过程；3) 裁决机制，模拟法律的执行和判决过程；4) 执行机制，模拟法律的强制执行过程。这些模块相互作用，共同构成一个完整的法律社会模拟系统。

关键创新：该论文的关键创新在于提出了一个基于LLM的智能体框架，用于模拟法律社会。与现有方法相比，该框架能够更有效地模拟个体决策和制度机制，从而更准确地重现现实世界的法律现象。此外，该框架还能够提供与真实世界观察结果一致的见解。

关键设计：论文中关于智能体的prompt设计、法律条文的表示方式、以及智能体之间的交互方式是关键设计。具体的参数设置、损失函数和网络结构等技术细节在论文中没有详细描述，属于未知信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，Law in Silico框架能够重现宏观层面的犯罪趋势，并提供与真实世界观察结果一致的见解。例如，模拟结果显示，一个运作良好、透明且适应性强的法律体系能够更好地保护弱势群体的权利。具体的性能数据和提升幅度在摘要中没有给出，属于未知信息。

🎯 应用场景

该研究成果可应用于法律理论验证、法律政策评估、法律教育和培训等领域。通过模拟不同的法律场景，可以评估法律政策的效果，预测潜在的社会影响，并为法律改革提供参考。此外，该框架还可以用于法律教育，帮助学生更好地理解法律制度的运作。

📄 摘要（原文）

Since real-world legal experiments are often costly or infeasible, simulating legal societies with Artificial Intelligence (AI) systems provides an effective alternative for verifying and developing legal theory, as well as supporting legal administration. Large Language Models (LLMs), with their world knowledge and role-playing capabilities, are strong candidates to serve as the foundation for legal society simulation. However, the application of LLMs to simulate legal systems remains underexplored. In this work, we introduce Law in Silico, an LLM-based agent framework for simulating legal scenarios with individual decision-making and institutional mechanisms of legislation, adjudication, and enforcement. Our experiments, which compare simulated crime rates with real-world data, demonstrate that LLM-based agents can largely reproduce macro-level crime trends and provide insights that align with real-world observations. At the same time, micro-level simulations reveal that a well-functioning, transparent, and adaptive legal system offers better protection of the rights of vulnerable individuals.