实体
Legal Research Bench
Legal Research Bench
PulseAugur coverage of Legal Research Bench — every cluster mentioning Legal Research Bench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新基准显示 AI 代理在可靠的法律研究方面存在困难
一个名为 Legal Research Bench (LRB) 的新基准已被开发出来，用于衡量 AI 代理在执行复杂法律研究任务方面的端到端可靠性。该基准由法律专家创建的 413 个开放式问题组成，并附有标准答案和评分标准。测试结果显示，即使是表现最好的模型 Claude Opus 4.8，准确率也仅为 42.9%，表明当前的 AI 代理距离关键法律工作流程的可靠性还有很长的路要走。性能因任务而异，需要协调冲突权威的问题尤其具有挑战性。
-
阿里巴巴的 Qwen 发布新图像模型，并在 LLM 基准测试中展示进展
阿里巴巴的 Qwen 发布了其 Qwen-Image-3.0 模型，该模型支持 12 种语言的原生文本生成，并能渲染网页和游戏等详细界面。该模型现已在 OpenArt 平台上可用。此外，Qwen 的 Qwen3.8-Max 模型在法律研究基准测试中表现出显著进步，排名从第 22 位升至第 4 位。Qwen3.8-27B 模型也已发布，初步迹象表明其性能可与 Anthropic 的 Opus4.6 Max 相媲美。