在《法律AI实验室》的合同审查方向，我们把任务拆成三段：条款定位、要素抽取、风险分级。近期完成一轮内部对照实验，样本为300份中文采购与服务合同，条款边界与风险等级均由执业律师标注。
进展要点：
- 条款抽取：以版面解析加长文本切分为前置，模型对「违约责任」「付款条件」「知识产权归属」三类条款的边界识别F1为0.91，较纯文本切分基线提升约7个百分点；漏抽主要集中在扫描件与表格嵌套段落。
- 风险分级：将律师标注压缩为高/中/低三档后，模型与律师判定的一致率为82%，分歧多落在「中」档，说明分级标准本身仍需细化。
下一步计划：引入法条与判例检索作为分级依据，要求每条风险提示附带可核验出处，并将输出固定为「条款原文—风险点—依据」三段结构，便于人工复核。我们更关心结果的可追溯与可复核，而不是让模型直接给出结论。
评论