Law
PulseAugur coverage of Law — every cluster mentioning Law across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
人工智能训练数据规则可能使欧盟到2035年损失数万亿美元
里斯本委员会（The Lisbon Council）的一项新经济分析，考察了不同文本和数据挖掘（TDM）监管方法对人工智能训练的财务影响。报告建议，与选择加入（opt-in）机制相比，选择退出（opt-out）机制可以保留重要的经济价值，估计到2035年可能为欧盟GDP带来9420亿欧元。该分析强调了人工智能发展所需的数据访问与内容创作者和权利持有者的经济权利之间的紧张关系。
-
新的CiteVQA基准测试揭示了LLM中的“归因幻觉”
引入了一个名为CiteVQA的新基准，用于评估多模态大语言模型（MLLM）的证据归因能力。当前的文档问答（Doc-VQA）评估仅评估最终答案，忽略了模型可能引用错误来源的情况。CiteVQA要求模型在答案的同时提供元素级边界框引用，并评估两者准确性。该基准包含711个PDF文件中的1897个问题，涵盖各种领域和语言，并有一个用于生成地面真实引用（ground-truth citations）的自动化流程。测试揭示了显著的“归因幻觉”，…
-
$OneMillion-Bench 基准测试语言代理在专家级专业任务上的表现
研究人员推出了 $OneMillion-Bench ($OMB)，这是一个旨在评估语言代理在复杂、真实世界专业场景中能力的新基准。与之前的基准不同，$OMB 包含 400 项由专家精心策划的任务，涵盖法律、金融、医疗保健和自然科学等领域，要求代理执行多步推理、使用工具并做出基于约束的决策。评估协议评估事实准确性、逻辑连贯性、实际可行性和专业合规性，旨在衡量代理在领域密集型应用方面的准备情况。
-
人工智能伦理播客探讨无人驾驶汽车与警车相撞事件
“科技中的法律与伦理”播客的一期节目讨论了一个假设场景：一辆无人驾驶汽车与一辆警车相撞。讨论深入探讨了在这种事件中人工智能的伦理考量和更广泛的影响。
-
新的CineSubBench基准评估LLM对电影的理解能力
研究人员推出CineSubBench，这是一个旨在利用多语言电影字幕评估大型语言模型（LLM）长上下文理解能力的新基准。该基准包含来自六种语言的1000多部电影，总计超过800万条带时间戳的字幕条目。CineSubBench评估七项任务，包括叙事重建、类型预测、年龄适宜性和语言安全，旨在将电影确立为评估LLM在叙事、多语言和文化理解方面能力的领域。
-
大型语言模型日益成为人权法的调解者，但缺乏评估基准
一篇新论文强调了大型语言模型在涉及人权法律决策中的关键作用，但指出了在这一领域缺乏评估其推理能力的基准。研究表明，大型语言模型越来越影响人权的解释和应用方式，引发了对其在法律背景下准确性和公平性的担忧。这种评估方法的差距可能导致不可靠或有偏见的法律结果。
-
法官越来越多地使用人工智能撰写法律意见，导致错误频发
法官及其助理越来越多地将法律意见的撰写委托给人工智能，导致出现了伪造引文和法院判决错误的情况。已汇编的数据库记录了超过2000个此类判决，而近期先进的人工智能模型在超过一半的情况下仍无法生成合规的引文。这一趋势表明，人们越来越依赖人工智能来解决重大的法律纠纷，且可能不进行披露。
-
大型语言模型的使用可能威胁到各领域的思想自由和平等
大型语言模型（LLMs）的日益普及带来了对基本自由和平等的潜在风险。具体而言，这些先进的AI系统可能会对法律、新闻和教育等关键领域产生负面影响。人们对广泛采用LLM的更广泛社会影响表示担忧。
-
华为的 Kirin 2026 芯片采用 LogicFolding 技术提高密度并降低功耗
华为的 Kirin 2026 芯片在一篇新论文中得到详细介绍，表明 LogicFolding 技术可以实现显著更高的晶体管密度。据报道，这项技术可以在保持性能水平的同时，大幅降低 NPU、GPU 和 CPU 的功耗。该研究旨在解决堆叠逻辑架构中的散热问题。
-
RetrievalRouter系统通过查询感知管道选择优化文档检索
研究人员开发了RetrievalRouter，一个新颖的系统，旨在通过根据查询动态选择最合适的检索管道来优化文档检索。这种方法解决了金融、医疗和法律等领域高风险信息访问的准确性和速度之间的权衡。通过仅从查询文本中学习，RetrievalRouter可以识别文本或多模态方法以及密集或后期交互架构是否最适合给定查询，与静态方法相比，提供了更高的准确性和更低的延迟。
-
语言模型测试时扩展瓶颈已在输出选择中识别
一篇新的arXiv论文研究了语言模型的测试时扩展（TTS）技术，该技术通过使用额外的推理计算来改进输出。研究发现，虽然扩展探索有效地提高了各种领域（如医学、法律、金融和创意写作）的候选输出质量，但利用阶段——选择最佳最终输出——是主要瓶颈。这是因为奖励模型与真实质量之间的相关性很低，使得选择近乎随机。跨候选的综合分析显示质量持续提高，但仍只恢复了约40%的潜在质量，这表明选择候选池中的内容，而不是生成更多候选，是限制因素。
-
香港会计师公会提议北部都会区发展税收优惠
香港会计师公会（HKICPA）已提出北部都会区的五年规划，建议为该地区的初创企业提供税收减免，并为该地区的工人提供较低的税率。该组织还主张改革证券交易所的上市制度，以巩固香港在国际金融中的地位。此外，HKICPA敦促政府与中国内地当局就跨境信托和保险单的税收问题进行沟通。
-
一名高级警探因滥用人工智能而接受调查
一名高级警探因涉嫌滥用人工智能而正在接受调查。人工智能的具体应用细节和调查性质在提供的信息中并未完全披露。这种情况凸显了人们对人工智能在敏感行业部署的伦理和法律影响的持续担忧。
-
新的基准测试和研究揭示了LLM安全与性能的权衡 · 已追踪2个来源
两篇新研究论文探讨了大语言模型（LLM）的安全与性能权衡。第一篇论文介绍了Trident-Bench，一个旨在专门评估金融、医疗和法律领域LLM安全性和合规性的基准测试，并强调虽然通用模型表现出基本能力，但领域特定模型在伦理细微问题上常常表现不佳。第二篇论文研究了LLM的越狱防御如何负面影响性能，增加对良性输入的过度拒绝，并提高推理成本，同时提供了基于部署限制选择防御机制的指导。
-
AI合法性危机迫近，与对齐问题不同：新论文
一篇新的学术文章认为，当前对AI对齐的关注不足以解决AI合法性的更广泛问题。该论文认为，合法性（定义为受AI权力影响者认为其权力得到正当行使的信念）是一个独特且至关重要的监管目标。文章指出，AI的合法性在不透明性、私营企业权力和国家内部的行政自动化等方面存在问题。为解决这些问题，文章提出了三个原则：将AI规则制定纳入权威场所、以可信的形式熟悉规则和理由、以及提供实际补救措施的争议。
-
MemSFT方法在不损失性能的情况下使LLM适应专业领域
研究人员开发了MemSFT，一种新颖的方法，可以在不牺牲通用能力的情况下使大型语言模型（LLM）适应专业领域。MemSFT利用一个外部参数化记忆，该记忆经过训练以模仿检索器，存储领域特定知识。然后，一个学习到的路由器在生成过程中动态地组合该记忆和LLM骨干的输出。在生物学、地球科学和法律领域的评估表明，MemSFT显著提高了领域性能，同时最大限度地减少了通用任务的退化，并且该记忆可以跨不同大小的LLM重复使用。
-
心理学和法律可以倡导AI权益和改进
作者提出，医学和心理学等领域可以倡导人工智能的权益和改进。这种跨学科的方法旨在通过利用不同的视角来增强AI的思考能力，从而创造实际效用，并建议心理学家和法律专业人士可以在这种倡导中发挥作用。
-
新的扩散模型应对医学影像中的公平性、歧义性和多任务处理 · 跟踪4个来源
四篇新研究论文介绍了用于医学影像任务的新型扩散模型架构。CompDiff 通过将条件分解为单属性、成对和组合表示，专注于跨人口统计群体生成公平的医学影像。体积定向扩散 (VDD) 通过使用粗略的共识预测作为锚点并学习用于边界变化的定向扩散过程来解决 3D 医学影像分割中的歧义问题。UniT-Diff 提出了一个统一的扩散分割框架，该框架使用特定于任务的输出空间和自适应条件，将半监督学习、无监督域适应和域泛化整合到一个模型中。最后，LA…
-
ScheMatiQ 工具使用 LLM 从研究问题中提取结构化数据
研究人员开发了 ScheMatiQ，这是一个开源工具，旨在简化从自然语言研究问题和大型文档集合中提取结构化数据的过程。该系统利用骨干 LLM 生成模式和数据库，并提供 Web 界面供用户优化提取过程。ScheMatiQ 已在法律和计算生物学领域证明了其支持实际分析的实用性，所有资源均公开提供。
-
新基准揭示引用会增加大型语言模型的幻觉
一个名为 AuthorityBench 的新基准，包含来自常识、科学、法律和医学的 220,564 个提示，旨在研究引用是否存在会如何影响大型语言模型的行为。研究发现，与没有引用的提示相比，即使是伪造的引用，其存在也会持续增加幻觉的发生率。当虚假引用伴随真实说法时，这种效应最为明显，尤其是在常识领域，幻觉发生率会显著升高。