论文arxiv cs.AI · 1mo ago需要关注
When Rules Learn: A Self-Evolving Agent for Legal Case Retrieval
分类释义：学术论文 / 技术报告
TL;DR
提出一个无需训练的自我进化框架，利用 LLM Agent 迭代创建和优化查询重写规则来增强 BM25 在法律案例检索中的表现，在 LeCaRD-v2 数据集上超越人工设计规则和贪心选择方法。
关键要点
- 01提出一个无需训练的自我进化框架。
- 02利用 LLM Agent 迭代创建和优化查询重写规则来增强 BM25 在法律案例检索中的表现。
- 03在 LeCaRD-v2 数据集上超越人工设计规则和贪心选择方法。
为什么值得关注
检索系统工程师可借鉴「规则自进化」思路——无需微调即可针对特定领域优化语义匹配；核心创意是让 LLM 利用历史实验反馈自主淘汰低效规则，实现类似 AutoML 的自动化调参。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 评估「规则自进化」框架在团队检索系统中的适用性，关注 LLM 调用成本与检索效果提升的性价比 |
| 应用工程师 | 参考论文方法实现基于 LLM Agent 的查询重写规则迭代优化流水线 |
| 运维 / 平台 | 暂无直接影响，了解即可 |
| 产品 / 业务 | 关注该技术可降低人工调参成本，为检索产品迭代提速 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5