Large Language Models Meet Legal Artificial Intelligence: A Survey

📄 arXiv: 2509.09969v1 📥 PDF

作者: Zhitian Hou, Zihan Ye, Nanli Zeng, Tianyong Hao, Kun Zeng

分类: cs.CL, cs.AI

发布日期: 2025-09-12

🔗 代码/项目: GITHUB

💡 一句话要点

综述：大型语言模型赋能法律人工智能

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

关键词: 法律人工智能 大型语言模型 法律LLM 综述 自然语言处理

📋 核心要点

  1. 法律人工智能面临效率和准确性挑战，现有方法难以充分利用法律领域的专业知识。
  2. 本文综述了法律领域的大型语言模型及其应用，旨在为研究人员提供全面的资源和指导。
  3. 论文整理了法律LLM、框架、基准和数据集，分析了现有挑战，并展望了未来发展方向。

📝 摘要（中文）

近年来，大型语言模型（LLMs）显著推动了法律人工智能（Legal AI）的发展，提高了法律任务的效率和准确性。为了促进基于LLM的法律领域方法的研究和应用，本文全面回顾了16个法律LLM系列和47个基于LLM的法律任务框架，并收集了15个基准和29个数据集来评估不同的法律能力。此外，我们分析了基于LLM的法律领域方法所面临的挑战，并讨论了未来的发展方向。我们希望本文能为初学者提供系统的介绍，并鼓励该领域未来的研究。资源可在https://github.com/ZhitianHou/LLMs4LegalAI获取。

🔬 方法详解

问题定义：现有法律人工智能方法在处理复杂的法律任务时，效率和准确性仍有提升空间。痛点在于如何有效利用大型语言模型，并将其与法律领域的专业知识相结合，以更好地解决实际法律问题。

核心思路：本文的核心思路是对现有基于大型语言模型的法律人工智能方法进行全面的梳理和总结，包括模型架构、应用框架、评估基准和数据集。通过分析现有方法的优缺点，为未来的研究提供指导。

技术框架：本文主要通过文献调研和整理的方式，构建了一个法律LLM的知识体系。具体包括：1) 收集和整理了16个法律LLM系列；2) 总结了47个基于LLM的法律任务框架；3) 收集了15个基准和29个数据集用于评估法律能力；4) 分析了现有方法的挑战和未来发展方向。

关键创新：本文的创新之处在于对法律LLM领域进行了系统性的综述，涵盖了模型、框架、基准和数据集等多个方面。通过对现有方法的分析，为研究人员提供了全面的参考，并指出了未来的研究方向。

关键设计：本文主要关注现有法律LLM的架构设计、训练方法、应用场景和评估指标。具体的技术细节因不同的LLM和框架而异，例如，一些模型采用了特定的法律领域预训练数据，一些框架针对特定的法律任务进行了优化，一些评估指标侧重于法律推理能力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

本文系统性地整理了法律LLM领域的资源，包括16个法律LLM系列、47个基于LLM的法律任务框架、15个基准和29个数据集。这些资源的汇总为研究人员提供了便利，并促进了该领域的发展。此外，对现有方法的挑战和未来方向的分析，也为未来的研究提供了有价值的参考。

🎯 应用场景

该研究成果可应用于法律咨询、合同审查、案件分析、法律文书生成等领域。通过提升法律任务的自动化水平，可以降低法律服务成本，提高法律服务的可及性，并为法律专业人士提供更高效的辅助工具。未来，随着LLM技术的不断发展，法律AI将在法律领域发挥更大的作用。

📄 摘要（原文）

Large Language Models (LLMs) have significantly advanced the development of Legal Artificial Intelligence (Legal AI) in recent years, enhancing the efficiency and accuracy of legal tasks. To advance research and applications of LLM-based approaches in legal domain, this paper provides a comprehensive review of 16 legal LLMs series and 47 LLM-based frameworks for legal tasks, and also gather 15 benchmarks and 29 datasets to evaluate different legal capabilities. Additionally, we analyse the challenges and discuss future directions for LLM-based approaches in the legal domain. We hope this paper provides a systematic introduction for beginners and encourages future research in this field. Resources are available at https://github.com/ZhitianHou/LLMs4LegalAI.