LexAgentHallu：法律智能体幻觉的分层诊断基准
原文标题：LexAgentHallu: A Hierarchical Benchmark for Profiling Hallucinations in Legal Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出工具增强法律智能体会产生智能体幻觉，工具调用与推理错误级联为虚构判例与错误引证，而现有法律基准仅评估单轮问答的结果级指标。团队提出LexAgentHallu，经四阶段专家参与流程构建，涵盖17个法律类别、6种任务类型的3414个实例，采用7大类27子类的双层幻觉分类法标注。对18个专有与开源智能体的评估揭示出“答案对但推理错”效应，且幻觉子类呈聚集而非分散分布，形成不同的框架、任务与类别画像。
- 问题
- 工具增强法律智能体的幻觉会级联成虚构判例与错误引证，现有基准只测单轮问答结果。
- 方法
- 四阶段专家流程构建3414实例，用7大类27子类双层分类法标注，并设计轨迹级细粒度指标定位失败阶段。
- 结果
- 评测18个专有与开源智能体，发现「答案对但推理错」效应，幻觉子类呈聚集分布。
- 影响
- 法律AI产品上线前可用它诊断推理链而非只看答案，暴露结果指标看不见的风险。
深读 · 结论先行AI 生成展开看要点与影响 ↓
LexAgentHallu以3414实例、27个幻觉子类诊断法律智能体，发现答案对但推理错
- •现有法律基准只评单轮问答结果级指标，无法定位轨迹中的智能体幻觉
- •四阶段专家参与构建，覆盖17个法律类别、6种任务类型共3414个实例
- •双层分类法含7大类27子类，兼顾实质错误与智能体流程失败
- •评测18个专有与开源智能体，揭示答案对但推理错效应
- •幻觉子类呈聚集而非分散，形成不同的框架、任务与类别画像
为什么重要：法律场景对引证错误零容忍，结果级评测会漏掉推理级幻觉，该基准把失败定位到执行路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。