GRACE：面向加拿大法律的依据化对抗推理数据集

研究团队发布 GRACE，一个包含 1915 条问-推理-答案实例的加拿大联邦法律数据集，覆盖对抗性辩护、不确定性和应用推理三种模式。配套流程先切分法条原文，再生成情景题与推理，最后经无模型引文核验和 LLM 质量审计过滤。作者微调出 CLeAR-4B 轻量模型，在提供法条时其引文行为与教师输出一致性明显提升，但撤去法条后依据能力显著下降。

已有法律基准多考察信息抽取或问答，很少评估模型能否在信息不完整时坚持并辩护某一法律立场，或综合多条法条。加拿大法律在 legal NLP 中覆盖不足，GRACE 把评估重心从答题转向有依据的立场推理，并给出可复现的数据构造与筛选流程。

该方法将法条切分后反向生成情景问题与推理链，再用无模型引文核验保证引文确实对应原文，并用 LLM 审计过滤低质样本。微调后的 CLeAR-4B 在有法条时更贴近教师输出的引文模式，说明提升主要来自对给定文本的依赖，而非模型自身法律知识。

对法律科技产品而言，可靠输出可能更依赖检索到的法条是否正确注入上下文，而非模型规模。研发上需要把引文核验与来源展示做成默认环节，并在法条缺失时主动提示不确定性，否则用户体验会因依据能力骤降而受损。

• 在合同或合规助手内加入引文核验模块，标注每条结论对应的法条原文出处。
• 面向加拿大市场构建检索增强的法条问答流程，优先保证上下文注入准确率。
• 把不确定性模式做成产品交互，当未检索到相关法条时提示用户补充材料。

• GRACE 与 CLeAR-4B 的代码和权重是否公开，许可条件如何。
• 1915 条实例在三种推理模式间的分布及法条覆盖面尚未说明。
• 除 Qwen3-4B 外，该方法在更大或不同基座模型上的效果是否一致。
• 无模型引文核验与 LLM 审计的准确率和漏检率缺乏量化报告。