合同条款风险识别：法律AI的标注体系与召回实验

法律AI实验室本期聚焦合同审查中的条款级风险识别。我们把一份采购合同的审查拆成三层：条款切分、风险定性（权责失衡、付款条件、违约与解除、知识产权归属等）、依据引用。基线模型在条款切分上表现稳定，但风险定性的召回明显偏低，漏检集中在「表述合规但商业上不利」的条款——这类风险缺乏显著语言特征，靠关键词匹配或纯语义相似度都难以捕捉。

进展：完成 12 类风险标签的标注规范，覆盖 3 个行业共 800 份合同；条款切分 F1 约 0.94，风险定性召回约 0.76，其中「责任上限缺失」与「单方解除权」两类漏检最多。

下一步：引入「审查意见→条款」的反向监督，让模型学习律师的批注路径；同时测试按风险等级分层的复核界面，把人工复核量收敛到高风险条款，避免审查者被低价值提示淹没。