PLawBench
Бенчмарк, проверяющий, как языковые модели справляются с реальной юридической практикой в Китае. Задачи повторяют работу юриста на трёх уровнях: выяснить у клиента недостающие факты на консультации, проанализировать дело, составить процессуальный документ (например, иск или возражение на иск). Ответы оценивают не по одному эталону, а по подробным критериям, которые составили юристы; обычно оценку выставляет модель-судья.
проверено по: arxiv.org ↗
В новостях
Z.ai представила GLM-Legal — модель для юристов на базе GLM-5.3-Flash
Тест на работу модели в китайской юридической практике: она выясняет у клиента недостающие факты, разбирает дела и составляет документы для суда, а ответы оценивают по критериям, составленным юристами.