Оспаривание сделок банкрота: код правил и LLM

Статья 42 Закона о банкротстве Нидерландов (Faillissementswet) позволяет управляющему оспорить добровольную сделку должника, если она ущемила кредиторов, а должник, при возмездной сделке и контрагент, знали или должны были знать об ущербе; статьи 43 и 45 вводят опровержимые презумпции осведомленности для сделок в течение года до банкротства. Структура нормы хорошо формализуется, но три понятия - добровольность, ущерб кредиторам и осведомленность - раскрываются только в судебной практике. Авторы строят систему, в которой правила записаны кодом, а оценочные понятия решают LLM с опорой на прецеденты. Корпус для поиска: из более чем 270 000 гражданских решений с rechtspraak.nl отобраны 846, где упоминаются статьи 42, 43 или 45.

Ядро - модель статей 42, 43 и 45 на языке Catala, написанная вручную вместе с практикующим управляющим и правоведом, с пояснениями к каждой строке закона. Оценочные понятия в ней - логические входы, которые заполняют нейронные компоненты: одна подпрограмма извлекает из описания дела факты и даты, три другие решают добровольность, ущерб и осведомленность, опираясь на найденные решения. Для поиска решения разбиты на разделы (ход процесса, факты, спор, мотивы, резолюция) детерминированным сегментатором, словарь которого составлен с помощью LLM, и размечены по тому, о каком из трех понятий высказался суд; поиск идет только по решениям о нужном понятии и дополняется решениями других инстанций по тому же делу. Систему проверили с тремя LLM - Gemini 3.5 Flash, GPT-5.5 и Mistral Medium 3.5 - на десяти делах вне корпуса, в основном из журнала практики JOR, при 0, 5 и 10 найденных решениях.

Сегментатор на 100 вручную размеченных решениях дает точность 0,98 и полноту 0,97, разметка понятий моделью Mistral - полноту 0,94 при точности 0,80. На десяти делах по всем критериям и итоговому выводу точность 0,63-0,68, полнота 0,82-0,90, верный итог - в 6-7 делах из 10. Добровольность и ущерб решаются хорошо (F1 0,75-0,89), осведомленность плохо (F1 0,10-0,25). Число найденных решений на цифры почти не влияет, но меняет обоснование: в одном деле GPT-5.5 сослалась на то же решение, которое привел и сам суд. В другом деле Gemini и GPT-5.5 по одному и тому же прецеденту пришли к противоположным выводам об ущербе, и с судом совпал вывод GPT-5.5.

Ограничения авторы называют сами. Выборка из десяти дел мала и смещена к сложным делам, отобранным журналом практики, а бесспорные случаи решаются внесудебным заявлением управляющего и в открытые данные не попадают. Эталон размечал один автор. В одном из дел ошибку с осведомленностью авторы объясняют тем, что суд признал ее установленной, потому что ее недостаточно оспорили, а этого нет во входных фактах; кроме того, текстовое объяснение модели может расходиться с выводом символического ядра. Для аналитики судов работа показывает разделение труда: формализуемая часть нормы считается кодом и поддается проверке, LLM отвечает только за оценочные понятия и ссылается на конкретные решения, но надежность этой части пока ограничена, и дальше авторы предлагают проверять систему вместе с управляющими.