合同审查AI实验:条款抽取与风险点识别

法律AI实验室近期围绕合同审查场景开展实验性探索，尝试将大语言模型的条款抽取能力与规则校验相结合，构建“抽取—分类—风险标注”三段式流程。实验采用脱敏后的采购、租赁、劳务三类合同共1200份，先由模型抽取合同主体、金额、期限、违约责任等结构化要素，再匹配内置风险规则库逐条比对。阶段性结果显示：1. 关键要素抽取F1值达到0.91，金额与期限字段表现最稳；违约责任条款因表述差异大，准确率相对偏低；2. 风险点识别环节，缺失条款与表述冲突两类问题的召回率为0.84，误报集中在格式性条款，仍需人工复核兜底。下一步计划：一是扩充违约责任条款标注样本，针对长尾表述做定向微调；二是引入条款级溯源机制，使每条风险提示附带原文定位，便于法务人员快速核验。团队认为，现阶段AI更适合承担初筛与要素整理工作，最终判断仍应由专业人员完成，系统定位为辅助工具而非替代方案。