研究者发布LePhilBench基准评测LLM法哲学推理

研究者发布LePhilBench基准，用于评测大语言模型的法哲学推理能力。该基准由两项任务和一个数据集构成，测试集包含220份美国最高法院判决意见，由一位法学教授设计14个法哲学标注问题，三名受过法学训练并具备法理学正式培训的标注者对每份意见作答，共产生9,240个法哲学标签。两项任务分别考察模型对法哲学的理解，以及将法哲学用于法律推理的能力。目前报道未披露该基准的评测结果，也未说明哪些模型参与测试、表现如何。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。