法律AI实验室近期把研究重心从整份合同的分类与摘要，下沉到「条款级」理解。相比文档级任务，条款抽取更贴近尽调、审阅与履约监控的真实需求，但评测难度也更高——模型不仅要找对内容，还要说清依据在哪。
我们构建了一套小规模中文合同测试集，共 1,200 份，覆盖买卖、租赁、服务外包等 9 类场景，重点考察两项指标：条款边界的切分准确度，以及每条抽取结果能否回溯到原文位置。
初步进展：
- 采用「段落召回 → 条款边界分类 → 原文跨度对齐」的三段式流程，条款级 F1 由基线 0.71 提升至 0.86；叠加引用溯源后，人工复核的单条定位耗时从平均 42 秒降至 11 秒。
- 误差高度集中：定义条款与正文交叉引用、扫描件表格混排两类情形占全部错误样本的六成以上，说明版面结构仍是主要瓶颈。
下一步计划：
- 扩充测试集至 5,000 份，并加入历史版本比对，验证条款变更检测的稳定性。
- 引入法条与司法解释的引用校验，使结果既能量溯到合同原文，也能对应到外部法律依据。
本阶段目标不是替代法律判断，而是把「可核查的抽取」做成可复用的基础能力。
评论