推理者还是翻译者？税法中的污染感知评估与神经符号鲁棒性

大型语言模型虽提升了自动法律推理水平，但其表现是否源于真实推理能力尚不明确。本文通过实证研究与数据污染检测协议，严格评估了 LLM 在税法推理中的可靠性，发现数据污染会虚增性能。研究系统对比了单体 LLM 与将法条转化为形式表示并委托符号求解器的混合系统。结果表明，法律推理具有组合性，神经符号框架能提供更可靠、鲁棒的基础及更强的泛化能力。