arXiv · NLP· Patty Liu, Dominik Stammbach, Peter Henderson·· 2026-10-06AI 评分31
检测法律引用幻觉的基准测试:AI 模型表现与政策挑战
Who Checks the Citations? Benchmarking Legal Hallucination Detection
AI 导读
研究发现超1000份法律文书包含捏造引用,且数量逐年增长。构建了含1300个案例的数据集,测试包括GPT-5在内的五个模型;在智能体框架下,GPT-5取得84.4%召回率和55.0% F1分数,但所有模型在细微错误类别上均表现不佳。
来源:arXiv · NLP · arxiv.org