文章主要内容总结本文通过实验评估了大型语言模型（LLMs）在奥地利及欧盟增值税（VAT）法框架下辅助法律决策的能力。研究聚焦于两种提升LLM性能的方法——微调（fine-tuning）和检索增强生成（RAG），并在两类案例中进行验证：一是权威教科书案例，二是税务咨询公司的真实案例。研究的核心目标是确定基于LLM的系统的最佳配置，并评估其法律推理能力。实验结果表明，经过适当配置的LLMs能够有效支持税务专业人员处理增值税任务，提供有法律依据的决策理由，尤其在自动化常规任务和提供初步分析方面潜力显著。然而，当前模型仍无法实现完全自动化，主要局限在于处理客户隐性知识和特定情境文档的能力不足，未来需整合结构化背景信息。文章创新点系统性评估法律推理能力：突破了基于轶事证据或通用合成数据基准的局限，首次在奥地利和欧盟增值税法领域，结合权威教科书案例和复杂真实案例，对LLMs的法律推理能力进行实证评估。实证比较两种优化方法：在税务法场景中系统比较了微调与RAG的效果，揭示了两种方法在准确性、可解释性和适应性方面的优势与不足，为LLMs在增值税法领域的领域特化提供了实践参考。推动AI辅助税务咨询系统发展：通过将两种方法应用于真实增值税案例，为AI辅助法律咨询系统的优化提供了具体见解，尤其在提升推理可靠性和实用性方面具有指导意义。翻译部分（markdown格式）