Today for AI
返回热点榜
llm热度 0.0°

AI 聚合热点事件 · 2026/10/8

Harvey 发布 LAB-AA v1.1 基准：引入幻觉门控全通过率以评估法律智能体

2 篇收录报道0 家独立信源交叉印证持续跟踪至 2026/10/9 02:33:38
全景综述与最新动态

Harvey 与 Artificial Analysis 合作推出 Harvey LAB-AA v1.1，升级了针对真实世界法律工作的 AI 智能体评分方法。新版本核心引入了“幻觉门控全通过率”（Hallucination-Gated All-Pass Rate）作为主要指标，要求交付物在满足所有评分标准的同时不得包含实质性幻觉。该基准基于 120 个由 Harvey 团队构建的私有法律任务（涵盖并购、资本市场、税务等），通过三法官面板对每项标准进行评级，旨在提高法律领域智能体应用的可靠性门槛。

最新动向/Artificial Analysis 与 Harvey 联合发布 Legal Agent Benchmark (LAB) 评分方法论更新版 v1.1，核心突破在于引入“幻觉门控全通过率”指标，要求模型输出不仅需满足所有评分标准，还必须完全排除实质性错误。测试显示，即便在通过其他标准的案例中，超过 60% 的结果仍包含误导性实质幻觉，凸显了当前大模型在法律严谨性上的短板。目前 Grok 4.7 (xhigh) 以 9.4% 的得分位居榜首，而 Muse Spark 1.3 则在成本效益上表现突出。

热度曲线逐小时热度走势

142 个完整观测小时
当前
0.0
峰值
41.604:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

TIMELINE报道时间线

共 2 篇 · 最新优先
  1. Artificial Analysis (@ArtificialAnlys)T1·68 分

    Harvey LAB-AA v1.1 引入幻觉门控：Grok 4.7 以 9.4% 全通过率领跑法律智能体基准

    原标题：Today we are announcing Harvey LAB-AA v1.1 in collaboration with Harvey. This updates our scoring me...

    • LAB-AA v1.1 新增“幻觉门控全通过率”，只有同时满足所有评分标准且无实质性错误的任务才计入得分。
    • 数据显示，超过 60% 在其他指标上通过的模型输出包含会误导读者的实质性幻觉（如错误的合同日期）。
    • Grok 4.7 (xhigh) 以 9.4% 的最高分领跑，Muse Spark 1.3 (max) 以约 $4.20/任务的成本展现高性价比。
  2. Artificial AnalysisT1·68 分

    Harvey 发布 LAB-AA v1.1 基准：引入幻觉门控全通过率以评估法律智能体

    原标题：Announcing Harvey LAB-AA v1.1: adding hallucination checks to raise the bar for agentic legal work

    • Harvey LAB-AA v1.1 引入新指标“幻觉门控全通过率”，只有无幻觉且满足所有标准的任务才计分。
    • 基准测试包含 120 个私有法律任务，覆盖并购、税务、诉讼等多个专业领域。
    • 采用三法官面板机制对每个评分标准进行独立评级，以提升评估的一致性和准确性。