arXiv cs.AI· Katrina Drozdov, Oliver Chen, Langston Nashold, Rayan Krishnan·· 2026-10-02AI 评分44
Legal Research Bench：评测长程法律研究智能体的端到端可靠性
Legal Research Bench: Measuring End-to-End Reliability in Long-Horizon Legal Research Agents
AI 导读
研究者推出 Legal Research Bench（LRB），通过 413 道专家编写的开放式美国法律问题，评测长程法律研究智能体的端到端可靠性。在配备判例检索等工具的环境中，13 个前沿模型接受全通过与法源验证评分，表现最好的 Claude Opus 4.8 完全正确率仅为 42.9%。结果显示，更多交互轮次、工具调用和推理成本并不能带来更高准确率。
来源：arXiv cs.AI · arxiv.org