Legal Research Bench
PulseAugur coverage of Legal Research Bench — every cluster mentioning Legal Research Bench across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Google DeepMind 发布 Gemini 4 Neon,拥有 100 万个上下文窗口
Google DeepMind 推出了 Gemini 4 Neon,这是一款面向复杂软件工程、知识工作和科学任务的全新前沿 AI 模型。它提供快速的端到端完成和 100 万个 token 的上下文窗口,定价为每百万输入 token 3 美元,每百万输出 token 15 美元。Gemini 4 Neon 在人工智能分析指数、Vals 指数和 Agent Arena 指数等各项基准测试中均表现出色,可通过多个 Google 平台和 API 访问。
-
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。