法律大模型在合同审查场景中引用法条常出现幻觉,如何用检索增强(RAG)加知识库校验降低错误率?

2026-11-02

先说个真实场景。法务同事拿一份采购合同给大模型审,问“逾期付款违约金约定有没有风险”。模型一本正经回答:根据《民法典》第XXX条,违约金不得超过合同总额的30%,建议修改。法务一查,条号对不上,内容也张冠李戴。更离谱的是,有时它引用的是已经废止的《合同法》,还说得跟真的一样。

这事不怪法务不信任AI,换谁都得心里打鼓。合同审查最怕的不是“没看出问题”,而是“看出一个假问题”,还带着法条编号,特别能唬人。

大模型为啥爱编法条?打个比方,它像个记忆力很好但没去过图书馆的实习生。你问它法条,它不是去查书,而是凭“印象”拼一段看起来很像法条的话。条号、款号、但书、适用范围,它都能给你编圆了。合同场景又特别较真:一条法条现行有效吗?是民法典还是旧合同法?是司法解释还是地方指导意见?条号对了,款错了,照样会把人带沟里。

所以思路得换。别让模型“闭卷考试”,让它“开卷考试”——这就是RAG,检索增强生成。

RAG说白了就三步:先查资料,再答题,最后标出处。我们把法律法规、司法解释、指导案例、公司合同模板、历史审查意见、内部风控规则做成知识库。模型审合同时,先按合同段落去知识库里检索相关法条和案例,比如看到“竞业限制”“违约金过高”“付款条件”,就召回对应的民法典条款、劳动争议司法解释、公司既往审查口径。然后模型只允许基于召回内容回答,并且必须给出法条出处。这样它就不能凭空编“第XXX条”,因为答案是从资料里摘出来的。

但光有RAG还不够。检索可能召回旧版本,也可能召回不相关的条款。所以还得加一道“知识库校验”,相当于给实习生配个老法务签字。

校验可以做成几道关卡:第一,法条存在性校验,引用的法规名称、条号、款号必须在库里能对上;第二,时效性校验,标记现行有效、已修订、已废止,旧合同法这类直接拦截;第三,适用范围校验,比如劳动合同的竞业限制别拿普通商事合同条款硬套;第四,语义匹配校验,模型说的结论和召回法条原文得对得上,不能“引用第585条却解释成第577条”;第五,置信度分级,低置信度的审查意见不直接给结论,转人工复核,并附上召回原文和相似案例。

举个落地例子。审一份建设工程合同,模型发现“逾期付款违约金按日千分之五”。RAG召回民法典相关条款、司法解释关于违约金过高的规则、公司历史类似合同的处理意见。校验层发现:引用法条现行有效,但合同约定折算年化利率明显偏高,且公司既往口径建议调整到合理区间。最终输出不是一句“违法”,而是“存在被调减风险,建议参考以下条款和案例,并转法务确认”。这就靠谱多了。

我们踩过的坑也顺便说下:知识库不是把PDF一扔就完事,法规要切分、打标签、做版本管理;检索不能只靠关键词,得结合语义;评测集要拿真实合同和“坑题”反复跑,统计引用准确率和人工采纳率。别指望一次上线就零错误,先做辅助审查、引用溯源、人工兜底,再逐步放量。

一句话总结:RAG让模型先查书再说话,知识库校验让每句法条都能对上号、查到源、分得清版本。合同审查这事,宁可慢半拍,也别让模型“自信地胡说”。

更多方案可访问 itfangan.com。