跳到正文
arXiv · NLP· M. Mikail Demir, M. Abdullah Canbaz·· 2026-10-09AI 评分38

PARCEL 基准测试了大语言模型在法律检索场景中识别引用幻觉的能力。

When Citations Mislead? A Claim-Level Benchmark for Legal Hallucination Detection

AI 导读

该测试集包含 3396 条基于纽约州上诉法院判决的断言,零样本评估显示模型在检测直接矛盾时优于缺失支持,但面对看似合理的伪造引用时表现最差,最高准确率仅 0.97。 该基准为法律 RAG 系统的断言级事实核查提供了实用评估工具。

来源:arXiv · NLP · arxiv.org