2025_NIPS_LegalBench: A Collaboratively Built Benchmark for Measuring Legal Reasoning in Large La...

LEGALBENCH 论文核心总结与翻译

主要内容

LEGALBENCH 是一个协作构建的法律推理基准数据集，包含 162 个任务，覆盖六大类法律推理类型（问题识别、规则回忆、规则应用、规则结论、解释、修辞理解），由法律专业人士主导设计，确保任务贴近实际法律应用场景或具有学术研究价值。该基准通过跨学科协作构建，建立了法律专业框架与 LLM 评估任务的对应关系，为法律界和 LLM 开发者提供了通用交流词汇。论文还对 20 个开源和商业 LLM 进行了实证评估，探索了提示工程策略，验证了基准在法律推理评估中的有效性，同时指出了当前版本在长文档处理、多司法管辖区覆盖、多语言支持等方面的局限性。

创新点

1. 首次构建了由法律专业人士深度参与的跨学科协作法律推理基准，任务设计贴合实际法律需求，而非单纯基于技术逻辑。
2. 基于法律界熟悉的 IRAC 等框架，划分六大法律推理类型，建立了符合法律专业认知的评估体系，解决了现有基准与法律界对“法律推理”定义不一致的问题。
3. 支持少样本提示评估范式，提供详细的任务文档和基准提示，降低了非法律背景研究者的使用门槛，同时支持进一步的研究扩展。
4. 对多种规模和类型的 LLM 进行全面评估，揭示了不同模型在各类法律推理任务中的表现差异，为法律领域 LLM 选型和优化提供了实证依据。

---

翻译部分（Markdown 格式）

Abstract