Law&Order：税法自动形式化框架
原文标题：Law And Order: Tax Law Autoformalization
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究提出Law&Order，一个神经符号框架，可自动将税表和填报说明形式化为可执行符号程序。该方法建立法律与逻辑之间的结构对应和指称对应，结合LLM合成、单元格级验证和迭代局部错误修复。在51份独立编写的留出TaxCalcBench申报表上，Law&Order达到100%单元格级和表格级准确率，而最先进LLM仅66%。
- 问题
- 如何将税法文本与填报说明可靠地转为可执行符号程序。
- 方法
- 建立法律与逻辑的结构与指称对应，结合LLM合成、单元格级验证与局部错误修复。
- 结果
- 51份留出TaxCalcBench申报表上达100%单元格级与表格级准确率，最强LLM仅66%。
- 影响
- 证明LLM加符号验证可支撑可审计的大规模法律自动形式化。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Law&Order在51份留出税表上达100%单元格与表格级准确率，最先进LLM仅66%
- •Law&Order是神经符号框架，自动将税表和填报说明形式化为可执行符号程序
- •建立两种对应：结构对应（对齐单元格、附表等法律与符号组件）与指称对应（符号组件须实现法律对应物规定的计算）
- •结合LLM合成、单元格级验证，以及用人工编写的OpenTaxSolver税表做迭代局部错误修复
- •在独立编写、生成与修复阶段从未暴露的51份留出TaxCalcBench申报表上，达到100%单元格级和表格级准确率，而最先进LLM仅66%
为什么重要：展示LLM合成加符号验证在法律等大规模可验证形式化任务上可远超纯LLM，对税务、合规等高风险自动化有直接示范意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。