JusticeAxis 是一个面向真实刑事案件的多模态基准，收录了来自 18 个国家的 256 起案件，每起案件提供音频、图像和文本证据。针对每个案件，法律专家撰写了三份判决：官方记录的判决以及两份故障情形下的判决，用以对比刚性法条匹配与无依据自由裁量的表现。
我们将法律判决形式化为 reference‑anchored task，即判决必须同时绑定对应法条和案件事实。基于此提出了 JusticeAgent 框架：
- Element agents 负责从多模态证据中抽取事实；
- Judge agent 在具备情境经验的 skills 指导下应用法律规则。
这些 skills 通过执行轨迹蒸馏得到，并在 Bayesian credible bounds 下被采纳，确保经验的可靠性。
实验表明，模型规模对错误类型有显著影响：开放权重的主干网络倾向于产生无依据的推理，而前沿大模型更倾向于回退到法条默认答案。将 JusticeAgent 作为插件加入冻结的开放权重主干后，可将其性能提升至商业级别。
项目代码、数据及详细说明已开源，地址：https://github.com/beita6969/JusticeAxis。
点评