模型能识别错案引用，却常漏掉页码不匹配的引用。
资讯摘要
论文研究法律引用的命题级支持验证，通过对两个法律语料库中真实引用做受控扰动（替换被引案例或仅改同一案例的 pinpoint 页码）构建测试样本。对十四种模型配置的评估显示，模型能识别 93–100% 的错案扰动，但仅识别 37–61% 的判决书错页码扰动和 52–83% 的诉讼摘要错页码扰动。作者报告 GPT-5.4 高推理努力仍漏掉判决书 40%、摘要 18% 的页码不匹配；提示模型核对所引页码可提升召回但抬高误报率。
要点速读
- 论文用替换案例或改动 pinpoint 页码的方式扰动真实法律引用，评估十四种模型配置。
- 模型识别错案扰动达 93–100%，但错页码扰动仅识别 37–61%（判决书）和 52–83%（诉讼摘要）。
- 作者报告 GPT-5.4 高推理努力仍漏掉判决书 40%、摘要 18% 的页码不匹配；提示核对页码提升召回但增加误报。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。