在法律科技方向，我们近期完成了一轮合同条款风险识别的实验性探索，重点验证检索增强生成（RAG）在长文本合同场景的可用边界。
与通用问答不同，合同审阅的风险判断高度依赖条款上下文与外部规则。我们的做法是：先将合同按条款粒度切分并保留层级引用关系，再用规则库与历史审阅意见构建可追溯的检索索引，让模型在给出风险提示时同步输出依据条款与来源片段。
阶段性进展：
- 在内部约 300 份脱敏合同的抽样测试中，对「付款条件、违约责任、知识产权归属」三类高频风险条款，模型提示与资深法务标注的一致率约为 82%，主要误差集中在多条款交叉引用与例外约定。
- 引入来源引用后，法务人员对提示结果的采纳意愿明显提升，复核单个条款的平均耗时下降约三成。
下一步计划：补充跨条款推理的评测集，并探索将审阅意见反馈回流为检索索引的增量更新机制，验证长期使用下的稳定性。我们不做「替代法务」的表述，目标是让风险提示可核对、可追溯。
评论