随着大语言模型在法律问答中的应用日益增多，评估通常侧重于多选题的准确性。然而，这种评估方式忽视了一个常见的问题：答案附带的引用来源是否存在，并支持系统所归属的规则。我们提出了 L-MARS，一个开放的多智能体法律问答系统，具备代理搜索和法官驱动的证据检查，并对每个声明进行逐项审计。
每个原子声明被标记为六类分类，并在跨提供者判断下用严格的 ALCE 评分。通过对 100 道分层的律师考试进行审计，检索对准确性的提升微乎其微，但多轮法官循环将严格引用 F1 从 0.13（简单 RAG）提升至 0.25，并将无引用率从 34% 降至 13%。
我们进一步引入了 Faith-Search，这是一个重新验证和修复不可达引用的后期步骤；其将不可达率降至 1% 以下，但没有提高多轮循环的 F1，因此我们将其视为一种针对可达性的干预，而非可信度的突破。
通过 50 道 LegalSearchQA 案例研究，证实了这一现象：检索-再草拟流程的引用 F1 饱和在 0.75 附近，而单一智能体的网络搜索基线在外部审计下降至 0.22。
博主点评： L-MARS 的设计有效提升了法律问答系统的引用准确性，尤其是在多轮审计和代理搜索的结合下。尽管 Faith-Search 在可达性方面表现良好，但未能显著提升整体 F1，显示出引用的复杂性与挑战。系统的多智能体架构为法律领域的自动化问答提供了新的思路。