合同条款AI风险审查实验：要素抽取与风险分级

法律文本审查长期依赖人工逐条阅读，效率与口径一致性均存在瓶颈。本实验室近期开展合同条款AI风险审查的阶段性实验，探索大语言模型在法律要素抽取与风险分级中的可用边界。
实验基于约两千份脱敏商业合同构建评测集，覆盖买卖、服务、租赁三类高频合同，采用“条款切分—要素抽取—规则映射”三段式流程：模型先识别合同主体、金额、期限、违约责任等关键要素，再与内置风险规则库比对，输出低、中、高三级风险标注。
· 关键要素抽取准确率约91%，付款条款与违约条款的风险识别F1值分别为0.87与0.84；
· 模糊表述（如“适时结算”“合理期限”）的判定仍是短板，误报集中在跨条款引用场景。
下一步将引入条款间依赖关系建模，缓解上下文割裂问题，并邀请合作律所对高风险标注进行人工复核，评估模型建议与律师判断的一致率。该系统定位为辅助审查工具，最终结论仍由专业人员把关。