在合同评审场景中，真正的耗时项往往不是通读全文，而是判断两份版本之间“哪一处改动具有实质法律后果”。法律AI实验室近期完成一轮内部实验：以租赁、采购、服务三类共180份真实合同为样本，构建“条款对齐—差异标注—风险分级”三段式流程。
第一段做条款对齐：先按标题层级与条款序号建立结构锚点，再用句向量做语义匹配，处理条款合并、拆分与调序，结构清晰的合同对齐准确率约94%，条款被大段合并时降至八成左右。第二段做差异标注：对未能对齐的段落抽取“义务主体、金额、期限、违约责任、单方解除权”等要素逐项对比，避免仅凭文本相似度把改写误判为无改动。第三段做风险分级：将差异映射至内部风险清单，分为需法务介入、可接受惯例、仅表述调整三档。
要点：
- 阶段性数据显示，“需法务介入”一档的识别准确率约88%，主要漏项集中在以补充协议方式隐性变更的情形。
- 下一步计划把补充协议、往来邮件纳入同一时间线，并为每条提示补充可引用的原文定位，使结论可一键回溯到具体条款。
评论