大规模精准法律推理：面向稳健法律裁决的神经符号卸载与结构可审计性

法律文本常包含需复杂逻辑理解的计算性条款。尽管前沿大推理模型能描述此类条款，但受限于推理错误和高昂成本，难以构建生产级系统。本文提出“摊销智能”这一神经符号方法，仅使用一次大语言模型将法律文本翻译为确定性自主合同语言（DACL），即一种类型化图中间表示。随后的裁决依赖确定性图执行及可视化可审计轨迹。相比运行时大推理模型基线，该方法实现了近乎完美的 consistency，缓解了概率模型的“推理悬崖”现象，同时在满足严格审计要求下降低超过 90% 的计算成本。