研究人员首次系统综述了大型语言模型（LLM）在法律领域的应用，提出创新的双重视角分类法，融合法律推理框架（经典的法律论证型式框架）与职 业本体（律师/法官/当事人角色），统一梳理技术突破与伦理治理挑战。论文涵盖LLM在法律文本处理、知识整合、推理形式化方面的进展，并指出幻 觉、可解释性缺失、跨法域适应等核心问题，为下一代法律人工智能奠定理论基础与实践路线图。 既解剖图尔敏论证框架下的九类任务的技术进展，又映射争议解决全场景的大模型真实工作流。 当法律严谨性碰撞人工智能的生成浪潮，如何驾驭LLM的颠覆性潜力？ 传统法律人工智能受限于符号主义和小模型方法，面临知识工程瓶颈、语义互操作性不足及碎片化推理等挑战。Transformer架构的LLM凭借上下文推 理、少样本适应和生成式论证能力，突破了早期系统的局限性。 法律领域对复杂文本处理、多步骤推理和流程自动化的需求与LLM的涌现能力高度契合。 但技术落地伴随伦理风险（如偏见放大、专业权威弱化），亟需系统性研究框架整合技术、任务与治理。 来自中国政法大学、香港理工大学等不同学科的法律科技交叉团队完成了首部系统整合法律推理与LLM技术的全面综述，以开创性「双重视角分类 ...