法律AI实验室近期把重点放在合同条款级审查的可验证性上。我们的基本判断是：法律场景容错率低，模型结论必须能落到具体条款、法条或判例上，否则只能算提示，不能算结论。
本轮实验分三步推进：一是按条款粒度切分合同（主体、价款、违约责任、知识产权、争议解决等），避免整篇输入造成注意力稀释；二是建立类型化风险标签，如「单方解除权不对等」「赔偿上限缺失」「管辖地不利」，每条标签绑定触发条件与依据来源；三是采用检索增强生成，先检索相关法条与既往案例片段，再生成结论并标注引用位置，无法定位依据的条目自动降级为待人工确认。
在内部200份采购与服务合同的测试集上，条款定位准确率约91%，风险标签召回约84%，带依据引用率提升至96%；错误主要集中于嵌套条款与引用其他协议的交叉表述。下一步计划引入合同版本差异比对，并扩充不同法域样本，以检验标签体系的可迁移性。
评论