法律AI实验室：合同条款比对与风险点标注的实验进展

在合同审查场景中，真正的难点不是“读懂一份合同”，而是把同一交易在不同版本、不同主体模板之间的差异稳定地找出来，并判断差异是否构成实质风险。法律AI实验室本期围绕这一环节做了阶段性验证。

我们把任务拆成三层：条款对齐、差异归类、风险标注。条款对齐采用段落级语义匹配加编号锚点，处理增删条款导致的错位；差异归类将改动分为实质性变更（责任上限、付款条件、解除权、争议解决）与非实质性表述调整；风险标注不直接给结论，而是输出风险类型、原文位置和判断依据，交由法务复核。

进展：在自建的 120 份采购与服务合同测试集上，实质性差异召回率约 88%，误报主要集中在同义改写与交叉引用条款，误报率约 11%。当前结论是，模型适合做“初筛与定位”，不适合替代责任判断。

下一步计划：一是引入条款间引用关系图，降低交叉引用带来的误报；二是把风险标注细化为可配置规则，让不同企业按自身风险偏好调整阈值；三是补充中英双语合同样本，验证跨语言比对的一致性。