一项新的研究论文提出了一种方法，通过评估答案的正确性及其法律权威依据来审计法律基准。研究发现，当前的基准在答案未能引用适当的法律权威时，仍将答案评为正确，这种现象在刑法和民法领域都存在。这种解耦表明，仅凭答案评分可能会高估模型的性能，凸显了在基于法规的法律基准中进行答案-权威联合评估的必要性。 AI
影响 凸显了人工智能在法律任务中性能可能被高估的问题，表明需要更稳健的评估方法。
排序理由 该集群包含一篇详细介绍人工智能模型新评估方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
