Harvey LAB-AA v1.1 加入幻觉检验

Artificial Analysis 联合 Harvey 发布 Harvey LAB-AA v1.1，为法律智能体基准 LAB 的评分方法加入幻觉检验：正确回答不得含重大错误陈述，并新增头条指标“幻觉门控全通过率”，只有交付物满足全部评分标准且无重大幻觉，任务才计入通过。据 Artificial Analysis 称，轻微幻觉单独报告，不影响该头条分数。 据 Artificial Analysis 称，Grok 4.7 (xhigh) 以 9.4% 的幻觉门控全通率位列第一；其称在发布时测试的模型中，超过 60% 原本通过的结果含有一处重大幻觉。该机构称这是改进 Harvey LAB-AA 方法的第一步，未来将与 Harvey 合作纳入风格、语气等律师看重的可用性因素。

AI 根据报道生成 · 33 分钟前更新

1. 10月9日 02:54 · 1 篇报道
   Grok 4.7在Harvey LAB-AA v1.1法律基准中排名第一
   Elon Musk：Grok 4.7 法律任务排名第一
2. 10月9日 02:33 · 2 篇报道
   Artificial Analysis发布Harvey LAB-AA v1.1评测方法
   Artificial Analysis：Harvey LAB-AA v1.1 法律智能体评测新增幻觉检验

还没有足够的连续观测数据，暂不绘制趋势。