PARCEL：法律幻觉检测的声明级基准
原文标题：When Citations Mislead? A Claim-Level Benchmark for Legal Hallucination Detection
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。
论文提出 PARCEL 基准，用于检验法律主张是否被所引权威来源支持。基于纽约州上诉法院近期判决构建 3,396 条括注式主张，标注为支持、反驳或未找到，并作为三分类自然语言推理任务评测多个前沿 LLM。最强模型准确率达 0.97，但仍会把无支撑主张误判为有支撑，且伪造但看似合理的引证导致性能下降最大。
- 问题
- LLM在法律研究中会生成看似合理但无来源支持的主张。
- 方法
- 构建PARCEL基准，将法律主张支持性判断建模为三分类自然语言推理任务。
- 结果
- 最强模型准确率达0.97，但伪造引证导致性能下降最大。
- 影响
- 为法律RAG系统提供声明级事实性评测，暴露「无支撑误判为有支撑」风险。
深读 · 结论先行AI 生成展开看要点与影响 ↓
法律主张核查基准 PARCEL 含 3,396 条标注，最强模型 0.97 准确率仍会漏判无支撑主张。
- •基于纽约州上诉法院近期判决构建 3,396 条括注式主张，标注为支持、反驳、未找到三类
- •任务被设为三分类自然语言推理，零样本评测多个前沿 LLM
- •最强模型准确率达 0.97，但仍会把无支撑主张误判为有支撑，即使提供完整判决全文
- •跨模型看，缺失支撑比直接矛盾更难检测；伪造但看似合理的引证导致性能下降最大
为什么重要：为法律 RAG 系统的声明级可溯源性提供了可复现的评测标尺，提示高准确率不等于可放心用于法律引证核查。
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。