LawBench
通过司法认知多维度评估大模型法律能力
LawBench通过模拟司法认知的三个维度，设计了20个任务，全面评估大语言模型的法律能力。这些任务包括法律知识记忆、理解和应用，涵盖了法律实体识别、阅读理解、犯罪金额计算和咨询等实际应用场景。LawBench还设立了“弃权率”作为独立评估指标，以衡量模型在法律问询下的回应情况。通过注重实际应用，LawBench为用户提供了可靠的大语言模型法律能力评估工具。
LawBench 项目介绍
项目背景
在人工智能领域中，大语言模型（Large Language Models，LLMs）以其强大的能力赢得了广泛的关注。虽然它们在通用领域表现优秀，但是在高度专业化的领域，比如法律领域，它们的表现如何却仍存在疑问。法律作为一个对安全和准确性要求极高的领域，迫切需要一个专门的评估工具来考察这些AI模型在法律知识上的掌握程度和应用能力。因此，LawBench应运而生，旨在成为一个综合评估大语言模型法律能力的基准测试。
介绍
LawBench是一个经过精心设计的评估基准，专门用于准确评估大语言模型在法律领域的能力。为了确保评估的全面性，我们模拟了司法认知的三个维度来设计测试任务，并选择了20个任务来评估模型的表现。这些任务类型包含了法律实体识别、阅读理解、犯罪金额计算和法律咨询等，与现实生活中的法律应用密切相关。
目前的大语言模型可能因安全性策略而拒绝回应某些法律询问，或在理解指令方面遇到困难。因此，LawBench还开发了一个名为“弃权率”的评估指标，用于衡量模型拒绝提供答案或未正确理解指令的频率。项目中评估了51种大语言模型的表现，包括多语言模型、中文模型及法律专用模型。
数据集
LawBench的数据集涵盖20个法律相关的任务，分布在三个认知水平上：
- 法律知识记忆：评估模型是否能记住法律概念、术语、法条和事实。
- 法律知识理解：评估模型理解法律文本中实体、事件和关系的能力。
- 法律知识应用：评估模型在实际法律任务中的应用知识和推理能力。
这些任务为模型提供了合计500个示例，以便详细测试其性能和能力。
数据格式
数据 文件以JSON格式存储，每个任务用一个JSON文件表示。模型输出也采用类似的格式，帮助研究人员更轻松地加载和分析结果。
模型列表
我们对51种广泛使用的大语言模型进行了全面测试，涵盖多语言模型、中文模型和法律专用模型。从MPT、LLaMA到GPT-4等不同的模型架构，我们都进行了全面的覆盖，以全面了解这些模型在法律领域的表现。
模型性能
在性能评估中，我们将模型分为两种情况进行测试：零样本（zero-shot）和单一样本（one-shot）。通过对比模型在提示给出仅有指令的情况下和给出指令及样例的情况下进行的表现分析，我们发现GPT-4等模型在法律相关任务中表现相对较优。
总结
LawBench不仅弥补了大语言模型在法律领域评估上的空白，还为业界提供了一个强大的工具来改善并优化这些模型在法律专业领域的应用能力。通过这一基准，研究人员和开发者可以更深入地了解其模型在法律任务中的表现，进而不断提升AI在法律行业中的实际应用能力。
编辑推荐精选
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号