研究人员推出LegalWorld，一个旨在模拟中国民事诉讼中法律代理人整个生命周期的交互式环境。该系统通过本地和全局记忆以及技能/工具库，在五个不同阶段对流程进行建模。为了在此框架内评估代理人的能力，他们开发了LongJud-Bench，该基准使用法律专业人士的18,000多条评分来评估程序忠实度和角色一致性。使用LongJud-Bench进行的初步评估显示，不同AI模型在不同法律任务上的表现存在显著差异，表明聚合分数不能完全捕捉代理人的整体能力。 AI
影响 这项研究可能催生出更复杂的AI代理人，它们能够处理法律等专业领域中复杂的多阶段任务。
排序理由 该集群描述了一篇介绍用于评估特定领域AI代理人的新颖环境和基准的新学术论文。
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- LegalWorld
- LongJud-Bench
- ScienceCast
- scite Smart Citations
- Litmaps
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →