SCST × TITANS × MIRAS × HOPE 在 MBE 法律领域的结合应用研究

版本: v1.0
日期: 2026-02-10

一、研究背景与目标

MBE（Mises Behavior Engine）已在法律领域构建了涵盖四角色（当事人、律师、法官、诉讼对手）的完整 Self-Critique 工作流。现有系统包括证据链验证、意图澄清、跨文书一致性、合规检查、类案检索、裁判文书评估等能力（详见 MBE_LEGAL_SELF_CRITIQUE_APPLICATIONS.md）。

本文档聚焦于 MBE 四大核心技术模块在法律领域的深度结合：

目标：分析四者如何在法律场景中协同增强，构建"记忆-检索-学习-优化"闭环的法律 AI 专家系统。

二、四模块在法律领域的角色定位

2.1 架构全景

┌─────────────────────────────────────────────────────────────────────────┐
│                  SCST × TITANS × MIRAS × HOPE 法律架构                   │
├─────────────────────────────────────────────────────────────────────────┤
│                                                                         │
│  用户输入 (法律咨询/证据/文书)                                            │
│          ↓                                                              │
│  ┌───────────────────────────────────────────────┐                     │
│  │  MIRAS 多尺度法律编码器                         │                     │
│  │  ┌─────────┐  ┌───────────┐  ┌─────────────┐  │                     │
│  │  │  局部   │  │  上下文   │  │    全局     │  │                     │
│  │  │ (法律行 │  │ (案件场景 │  │ (用户法律   │  │                     │
│  │  │  为特征) │  │  /争议焦  │  │  偏好与模式) │  │                     │
│  │  │  256d   │  │  点) 384d │  │    512d    │  │                     │
│  │  └────┬────┘  └────┬─────┘  └──────┬──────┘  │                     │
│  │       └────────────┼───────────────┘         │                     │
│  │                    ↓                          │                     │
│  │           迭代检索器 (3步精化)                   │                     │
│  │   Step1: 法条/判例粗检索(top-100)               │                     │
│  │   Step2: 案情关联精细检索(top-30)               │                     │
│  │   Step3: 角色适配最终检索(top-10)               │                     │
│  └───────────────────────────────────────────────┘                     │
│                         ↓                                               │
│  ┌───────────────────────────────────────────────┐                     │
│  │  TITANS 法律长期记忆模块                        │                     │
│  │  ┌─────────────────────────────────────────┐  │                     │
│  │  │  用户法律历史记忆 (1024 slots × 512d)    │  │                     │
│  │  │  ├── 咨询案件类型模式                    │  │                     │
│  │  │  ├── 证据链推理偏好                      │  │                     │
│  │  │  ├── 法律领域关注点                      │  │                     │
│  │  │  └── 专家交互历史                        │  │                     │
│  │  └─────────────────────────────────────────┘  │                     │
│  │                    ↓                           │                     │
│  │           惊喜检测器 (法律场景适配)              │                     │
│  │  surprise = 1 - cos_sim(predicted, actual)     │                     │
│  │  高惊喜: 新型案件/未见法律问题 → 学习           │                     │
│  │  低惊喜: 常规咨询 → 复用记忆                    │                     │
│  └───────────────────────────────────────────────┘                     │
│                         ↓                                               │
│  ┌───────────────────────────────────────────────┐                     │
│  │  HOPE 法律偏好进化层                            │                     │
│  │  ┌──────────────┐  ┌──────────────┐           │                     │
│  │  │ FastAdaptation│  │ StableMemory │           │                     │
│  │  │ (新法律知识   │  │ (法律知识    │           │                     │
│  │  │  快速习得)    │  │  稳定保持)   │           │                     │
│  │  └──────────────┘  └──────────────┘           │                     │
│  │  ┌──────────────┐  ┌──────────────┐           │                     │
│  │  │ PatternRecog │  │ ForgetControl│           │                     │
│  │  │ (法律推理    │  │ (过时法条    │           │                     │
│  │  │  模式发现)   │  │  选择性遗忘) │           │                     │
│  │  └──────────────┘  └──────────────┘           │                     │
│  └───────────────────────────────────────────────┘                     │
│                         ↓                                               │
│  ┌───────────────────────────────────────────────┐                     │
│  │  Self-Critique 法律验证层                       │                     │
│  │  EvidenceChainCritique → IntentCritique →      │                     │
│  │  QASelfCritique → RetrievalCritique →          │                     │
│  │  ConversationConsistencyCritique               │                     │
│  └───────────────────────────────────────────────┘                     │
│                         ↓                                               │
│  ┌───────────────────────────────────────────────┐                     │
│  │  SCST 优化层 (规划中)                           │                     │
│  │  RL 训练 → 以 Self-Critique 分数为奖励信号      │                     │
│  │  优化证据链生成/类案检索/裁判评估策略            │                     │
│  └───────────────────────────────────────────────┘                     │
│                         ↓                                               │
│  输出: 法律分析结果 / 文书 / 建议                                        │
│                                                                         │
└─────────────────────────────────────────────────────────────────────────┘

2.2 各模块法律领域角色

三、TITANS 在法律场景的深度应用

3.1 法律长期记忆架构

TITANS 在法律场景中管理三类记忆：

3.2 惊喜检测在法律场景的意义

# 法律场景惊喜度计算
class LegalSurpriseDetector:
    """
    法律场景中的"惊喜"信号：
    
    高惊喜 (surprise > 0.7):
    - 用户提出全新类型的法律问题 (如：从劳动争议突然转向知识产权)
    - 新司法解释与现有知识冲突
    - 证据链出现意外断裂或矛盾
    → 触发: TITANS 写入新记忆 + HOPE 快速适应
    
    中惊喜 (0.3 < surprise < 0.7):
    - 同类案件但有新细节
    - 法条适用有争议
    → 触发: 更新相关记忆 + MIRAS 扩展检索
    
    低惊喜 (surprise < 0.3):
    - 常规法律咨询、重复类型案件
    → 触发: 直接复用记忆 + 标准检索
    """

3.3 测试时学习的法律价值

四、MIRAS 在法律场景的深度应用

4.1 法律领域多尺度编码

4.2 三步迭代检索在法律领域的定制

Step 1 — 粗检索 (top-100): 法条库 + 判例库
  输入: 局部特征 (关键词: "劳动合同解除")
  匹配: 相关法条 (《劳动合同法》第36-50条) + 判例 (劳动争议类)
  
Step 2 — 精细检索 (top-30): 结合案情上下文
  输入: 上下文特征 (争议焦点: "用人单位单方解除 + 经济补偿")
  过滤: 保留解除类判例 + 经济补偿裁判标准
  
Step 3 — 最终检索 (top-10): 角色适配 + 用户偏好
  输入: 全局特征 (用户角色: 当事人 + TITANS 记忆: 关注补偿金额)
  精选: 补偿金额相近案例 + 有利于当事人角度的判例

4.3 MIRAS 与法律自我批评的结合

4.4 匹配权重法律适配

# 法律场景 MIRAS 匹配权重（与默认有差异）
LEGAL_MATCHING_WEIGHTS = {
    "local": 0.40,    # 法律关键词精确匹配（法条号、案由）
    "context": 0.35,  # 案件上下文/争议焦点（比通用场景更重要）
    "global": 0.25,   # 用户偏好 + TITANS 记忆（法律领域个性化需求更突出）
}

五、HOPE 在法律场景的深度应用

5.1 HOPE 四专家在法律领域的职能

5.2 HOPE 惊喜度驱动的法律学习

法律场景惊喜度阈值调整:

surprise_threshold = 0.7 (默认)

法律领域建议:
- 法规更新事件: threshold = 0.5 (降低阈值，更积极学习新法)
- 新型案件类型: threshold = 0.6 (适度敏感)
- 常规咨询迭代: threshold = 0.8 (提高阈值，避免过度更新)

5.3 HOPE 与专家路由的法律领域协同

用户: "我被公司无故辞退，工资还没发..."

HOPE 偏好记忆:
- 历史: 该用户曾咨询过"社保补缴"问题 → 劳动法领域
- 偏好: 倾向详细解释法条依据
- 模式: 关注赔偿金额计算

专家路由调整:
  labor_lawyer 基础分: 0.85
  HOPE 偏好加成: +0.15 (劳动法领域历史偏好)
  最终匹配分: 1.00 → 优先路由到劳动法专家

MIRAS 检索偏置:
  全局层权重: 0.25 × HOPE 偏好 → 检索侧重赔偿金额计算的判例

六、SCST 在法律场景的应用规划

6.1 SCST 核心原理

Self-Critical Sequence Training（自我批评序列训练）使用 REINFORCE 算法，以模型自身推理输出（greedy decode）为 baseline：

奖励信号 = Self-Critique 评分(采样序列) - Self-Critique 评分(贪心序列)

在法律领域，这意味着：用法律 Self-Critique（证据链、合规、一致性等）的评分作为奖励信号，强化学习优化法律输出生成策略。

6.2 SCST 法律应用场景

6.3 SCST + Self-Critique 闭环

┌─────────────────────────────────────────────────┐
│          SCST 法律优化闭环                        │
├─────────────────────────────────────────────────┤
│                                                 │
│  1. 采样阶段                                     │
│     LLM 生成 K 个候选法律输出                    │
│     (证据链/文书/检索结果)                       │
│          ↓                                      │
│  2. Self-Critique 评分                           │
│     ├── EvidenceChainCritique: 证据链完整性      │
│     ├── QASelfCritique: 事实 grounding          │
│     ├── ComplianceCheck: LEGAL_001~008 合规      │
│     ├── ConsistencyCritique: 一致性             │
│     └── RetrievalCritique: 检索覆盖度           │
│          ↓                                      │
│  3. 奖励计算                                     │
│     reward = critique_score(sample)              │
│            - critique_score(greedy_baseline)     │
│          ↓                                      │
│  4. REINFORCE 更新                               │
│     更新生成策略，偏向高 critique 分数的序列      │
│          ↓                                      │
│  5. 反馈到 HOPE                                  │
│     ├── 高 surprise 样本 → FastAdaptation 学习   │
│     └── 稳定模式 → StableMemory 巩固            │
│          ↓                                      │
│  6. 反馈到 TITANS                                │
│     ├── 新型法律推理模式 → 写入长期记忆          │
│     └── 有效检索策略 → 更新记忆检索器            │
│                                                 │
└─────────────────────────────────────────────────┘

七、四模块协同：法律四角色应用矩阵

7.1 当事人（Litigant）

7.2 律师（Lawyer）

7.3 法官（Judge）

7.4 诉讼对手（Opposing Party）

八、关键协同机制

8.1 TITANS × MIRAS 门控融合（法律适配）

def legal_hybrid_forward(query, user_id, role):
    """法律场景的 TITANS × MIRAS 融合"""
    
    # MIRAS: 多尺度法律检索
    local_repr = miras.encode_local(query)      # "合同违约" → 256d
    context_repr = miras.encode_context(query)   # "买卖合同纠纷一审" → 384d
    global_repr = miras.encode_global(query, user_id)  # 用户法律偏好 → 512d
    
    miras_repr = miras.iterative_retrieve(
        local_repr, context_repr, global_repr,
        weights=LEGAL_MATCHING_WEIGHTS  # 法律适配权重
    )
    
    # TITANS: 法律长期记忆
    titans_repr = titans.recall(query, user_id)  # 检索用户法律记忆
    surprise = titans.detect_surprise(query, user_id)  # 计算惊喜度
    
    # 门控融合 (法律场景：新型案件更依赖检索，老客户更依赖记忆)
    gate = fusion_gate(titans_repr, miras_repr)
    gate = gate * (0.5 + 0.5 * surprise)  # 惊喜度越高 → TITANS 权重越大
    
    output = gate * titans_repr + (1 - gate) * miras_repr
    
    # TITANS 测试时学习
    if surprise > 0.7:
        titans.learn_at_test_time(query, output, surprise)
    
    return output, surprise

8.2 HOPE × TITANS 偏好-记忆联动

用户连续咨询:
  T1: "劳动合同解除怎么赔偿" → surprise=0.6, HOPE 记录劳动法偏好
  T2: "工伤认定标准"        → surprise=0.3, HOPE 强化劳动法模式
  T3: "我想离婚"            → surprise=0.9, HOPE FastAdaptation 切换到婚姻家事
                                             TITANS 写入新记忆槽
                                             MIRAS 全局层更新偏好向量

8.3 MIRAS × Self-Critique 检索-验证闭环

检索-验证循环:
  MIRAS Step1 → RetrievalCritique → 覆盖度不足? → 扩大 top_k 重检索
  MIRAS Step2 → EvidenceChainCritique → 证据链断链? → 补充检索缺失环节
  MIRAS Step3 → ExpertMatchCritique → 专家不匹配? → 调整全局权重重检索

8.4 SCST × HOPE 训练-学习协同 (规划中)

SCST 训练产出:
  → 更优的证据链生成策略 → HOPE PatternRecognition 发现有效推理模式
  → 更高的合规评分策略   → HOPE StableMemory 固化合规知识
  → 新型法律推理模式     → HOPE FastAdaptation 快速纳入
  → 已废弃的推理策略     → HOPE ForgetControl 选择性遗忘

九、法律领域特殊优化

9.1 法律知识更新机制 (TITANS × HOPE × KnowledgeUpdateCritique)

新法规/司法解释发布:
  ↓
KnowledgeUpdateCritique 检测冲突:
  - 新法条 vs 已有知识库 → 识别冲突
  ↓
TITANS: 
  - 高惊喜度 → 写入新法规记忆
  - 标记旧法条记忆为"可能过时"
  ↓
HOPE:
  - FastAdaptation: 快速习得新法条
  - ForgetControl: 渐进遗忘旧法条（保留过渡期适用性）
  - StableMemory: 保持基本法律原则不变
  ↓
MIRAS:
  - 更新检索索引权重，新法条优先检索
  - 旧法条降权但保留（历史案件仍需参考）

9.2 证据链推理增强 (MIRAS × TITANS × Self-Critique)

证据链推理流程:
  1. MIRAS 多尺度检索证据链参考案例
  2. TITANS 回忆用户之前的证据链推理模式
  3. LLM 生成证据链: 证据A → 事实1 → 证据B → 事实2 → 结论
  4. EvidenceChainCritique 验证:
     - 证据-事实对应 ✓
     - 逻辑连贯性 ✓
     - 链条完整性 ✗ (缺少证据C)
  5. MIRAS 补充检索: 针对缺失环节检索补强证据
  6. TITANS 学习: 记忆此证据链模式，下次类似案件直接复用

9.3 类案检索精准度优化 (MIRAS × TITANS × HOPE)

类案检索增强:
  MIRAS:
    局部层: 精确匹配案由 + 关键法条 (权重 0.40)
    上下文层: 匹配争议焦点 + 诉讼标的额区间 (权重 0.35)
    全局层: 匹配用户角色 + HOPE 偏好 (权重 0.25)
  
  TITANS:
    - 回忆用户之前查看过的类案 → 避免重复推荐
    - 记忆用户对哪些类案评价高 → 优化排序
  
  HOPE:
    - FastAdaptation: 新判例快速纳入检索范围
    - PatternRecognition: 发现用户偏好的判例类型
    - ForgetControl: 淘汰不再具有参考价值的旧判例

十、实施路线图

10.1 阶段规划

10.2 关键指标

十一、技术风险与缓解

十二、与投资者价值对接

四模块结合为 MBE 法律专家项目（详见 MBE_LEGAL_EXPERT_PROJECT_INVESTOR_MATERIALS.md）带来的差异化竞争优势：

十三、相关文档

十四、总结

SCST × TITANS × MIRAS × HOPE 在法律领域的结合形成了一个**"记忆-检索-学习-优化"四位一体闭环**：

1. MIRAS 提供多尺度精准法律检索（法条→案情→偏好三层筛选）
2. TITANS 提供法律长期记忆与测试时学习（惊喜驱动的动态知识更新）
3. HOPE 提供法律偏好持续进化（四专家分工：快速适应/稳定保持/模式发现/选择遗忘）
4. SCST 提供法律输出强化优化（Self-Critique 评分驱动的 RL 训练闭环）

四者协同，使 MBE 法律专家系统能够：

• 检索更精准：MIRAS 三层检索 + RetrievalCritique 验证
• 记忆更持久：TITANS 长期法律记忆 + 测试时学习新法规
• 学习更智能：HOPE 持续偏好进化 + 平衡新旧法律知识
• 输出更可靠：SCST 以自我批评分数优化生成策略
• 服务更个性：四模块联动实现越用越懂用户的法律 AI

这一架构为 MBE 法律专家项目提供了难以复制的技术壁垒，也是面向法律软件上市公司收购的核心技术资产。

文档版本: v1.0
更新日期: 2026-02-10