研究人员开发了LexRubric，一个旨在评估大型语言模型在中国法律开放式任务上表现的新基准。该基准包含649个实例，涵盖法律咨询和司法考试，拥有超过12,000条专家编写的跨六个维度的评分标准。对18个LLM的初步测试显示了不同的能力特征，表明当前模型在复杂的法律推理方面仍有困难。 AI
影响 该基准将有助于识别LLM在法律应用中的弱点，指导未来开发更可靠的法律AI。
排序理由 该集群包含一篇介绍用于评估LLM的新基准的学术论文。[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 →