合同审查是法律科技中落地需求最明确的场景之一。法律AI实验室近期围绕合同条款风险识别开展小样本抽取实验，重点解决法务语料标注成本高、条款表述差异大的问题。
实验采用预训练语言模型叠加轻量标注策略：先以通用法律语料预训练领域词表征，再由法务人员按统一标注规范标注少量样本（每类条款约200条），通过数据增强与主动学习迭代扩充训练集。
阶段性结果：
• 在保密条款、违约责任、争议解决三类高频条款上，抽取F1值达到0.87；对"无限连带责任""单方解除权"等风险表述的识别召回率为0.82；
• 引入法条溯源模块后，系统可对识别出的风险条款自动关联对应法律条文，法务人工复核时间平均缩短约35%。
下一步计划：扩充至知识产权与劳动用工两类合同模板，验证跨模板泛化能力；同时建立风险分级规则库，将识别结果与业务审批流程衔接，推动审查输出从"风险识别"走向"可执行的修改建议"。
评论