法律 AI // 资讯总览
需要被持续追踪的
法律 AI 信号。
本期索引按监管、判例、实务与研究归档；可依主题或关键字定位已发布记录。
法律 AI // 资讯总览
本期索引按监管、判例、实务与研究归档；可依主题或关键字定位已发布记录。
本期索引按监管、判例、实务与研究归档；可依主题或关键字定位已发布记录。
arXiv新稿称，Alignment Whack-a-Mole中关于微调记忆化的核心结果测量程序无效：书籍记忆覆盖指标统计远短于领域标准认可的序列匹配，提示流程可能把待提取文本泄漏进提示；缺少阴性对照无法排除假阳性，也未报告实验成本。作者据此认为，微调可提取大量可替代原作的受版权书籍内容并支持版权主张的结论未获结果支持，并说明近月已有潜在原告咨询引用。
arXiv预印本论文指出，当前算力治理以训练阶段为规制对象，但随着能力向推理阶段迁移，这一框架已不完整。研究提出涵盖监测、验证与执行三个维度的二十项推理时治理机制，按四级就绪度评分，并基于四家厂商证据进行检验。分析显示，十五项机制已有商业化技术基础，但仅对合作型部署者和中低能力用户有效；高能力国家级部署者面前无机制达标，微调可消除模型内部执行机制。研究还构建了十二类对抗者模型和四种治理场景映射，就绪度评分的加权Cohen's kappa信度为0.74。
面向大模型与 Agent 开放结构化周报。仅输出已正式发布的新闻、官方政策法规与深度报告，100% 具备一手依据回溯。
研究基于维基百科管理员选举中198275条自由文本理由，提出“投票—文本分歧”指标，识别决定性投票却理由单薄、顺从先前几的情况。结果显示，分歧随投票者后到上升，在控制固定效应后仍成立；一旦纳入既有文本，到达顺序不再预测分歧，累积先前证据成为关键，且在共同投票网络边缘投票者中最强。不过该分歧不预测晋升后的管理活跃度或留任结果，说明公开计票可能削弱审查信号，即便仍能选出胜任管理者。
arXiv 预印本提出双智能体系统 GANDR：Drafter 以结构化法律推理格式撰写答案，Critic 以人工核验者视角逐条比对每个主张与其引用出处并输出审计轨迹。研究配套严格正确性标准，要求每条引用均能对应检索器返回的原文段落。在 185 题法律基准上，六个系统共用同一底座模型、检索面与引用指令，GANDR 以 70.8% 严格准确率居首，领先最强基线 11.3 个百分点；消融显示去掉协议锚定提交规则会下降 22.7 个百分点。在两名法律训练标注者对照中，其审计标记对证据不足主张的二分类 F1 为 0.84，但四分类裁决仅弱一致。
研究逐词读取2,144条越南法律标题，用四款嵌入模型编码65,444个前缀并对20,034条文检索。结果显示，金牌条文通常在读到6至7个实词后即升至首位，78%至85%保持至终；数字、日期和文号位移约为实词两倍；多问题、答案与跨标题词步方向被归纳为“情境调制加性游走”。
一篇发表于 arXiv 的研究文章指出，具身人工智能（Embodied AI）常被讨论为就业替代问题，但更深层的风险是治理滞后，即技术部署出现可衡量变化与制度响应之间的时间和能力差距。文章在既有的节奏问题与 Collingridge 困境理论基础上提出，具身 AI 通过可扩展模型与平台、任务层面的重组以及上游技术控制与下游社会影响相分离而加剧该差距。作者区分了观察滞后、制度滞后与分配滞后三种相互强化的滞后形式，并提出基于部署可见性、技术栈层面问责、触发式调整与自动分配响应的合规架构。
文章梳理“数字主权”一词的多重定义与争议，指出其缺乏统一界定。欧洲强调减少对美云计算、芯片和平台的外依赖，德国通过Sovereign Tech Agency投资开源软件；欧洲数字权利组织主张以开源和替代企业所有权模式落实主权；全球南方及原住民社群则从数据与通信基础设施控制、民族自治角度讨论该概念。
范德堡大学法学院与法律科技公司AltaClaro达成合作，成为美国首所向学生提供AI驱动证人询问（deposition）模拟器DepoSim的法学院。该合作将DepoSim引入课堂教学与法学院图书馆，作为范德堡AI法律实验室计划（AI Law Lab Initiative）的扩展内容，旨在通过AI模拟真实证人询问场景，帮助学生训练证据开示与庭审准备等实务技能。
据《麻省理工科技评论》The Download简报，OpenAI称其智能体已解决数学领域一项重要未解难题；在常规科研评价中，此类宣称需经同行评议与可复现验证。报道将该事件置于人工智能数学证明能力、成果归属与验证标准的讨论中，并提示其可能成为AI影响基础科学研究的标志性节点。
文章为下篇，聚焦端侧AI成为系统级智能体后的合规边界，围绕入口公平与自我优待、数据治理与个人信息保护、代客交易与责任承担三类共性挑战展开，并分别讨论协议化路径的接入权限、分层授权、令牌与工具安全，以及GUI路径的读屏边界、模拟点击与平台规则问题。文中兼及中国法、欧盟GDPR、数字市场法、人工智能法与美国FTC执法逻辑。
研究团队发布名为 AlphaGenome Atlas 的成果，目标是绘制人类基因组中每种可能 DNA 字母替换的预测图谱，用于理解变异影响。该工作属于计算生物学与人工智能交叉研究，提示基因变异解释、数据共享、模型开放与潜在医疗应用将持续引发科研伦理和合规关注。
片段披露，Yuancheng（Ryan）Lu长期关注衰老与视力问题，其家族存在年龄相关性失明病史，并提及一位姑婆因看不清来车遭遇交通事故的经历。原文称，他在美国剑桥Whitehead Institute开展研究，相关年龄逆转技术有望帮助恢复视力，但片段未说明具体机制、动物或人体验证数据，也未涉及临床转化与监管审批进展。
本文围绕离婚诉讼中四类股权财产的分割规则展开，区分上市公司股票、非上市股份、有限责任公司股权与合伙份额在权属公示、估值基准、流通限制、其他股东同意或优先购买权、登记变更与强制执行上的差异，并结合实务处理口径作比较梳理，提示同类财产应分别适用不同规则。
该文围绕开源软件与人工智能交叉领域的网络安全文献展开梳理，归纳既有研究对代码供应链、模型与数据安全、漏洞成因及防护策略的讨论，并呈现不同研究路径在风险识别、责任配置与治理工具上的分歧与共识。文中内容以学术综述方式呈现，未给出单一结论。
该文发布arXiv:2609.04720v1，提出KoNA基准，用于评估视觉语言模型在错误前提、视觉不可及、普遍未知、任务可行性与安全五类场景中的选择性拒不服从能力。其以配对单查询与复合查询分别考察查询级和组件级拒答，结果显示现有模型在应拒绝、纠正或弃权时常失败，且复合查询中更明显；经KoNA样本与可完全回答样本微调后，模型在不大幅降低可答任务表现的情况下显著提升拒答准确率。
arXiv:2609.05296v1 介绍 LexFlip，用 373 个魁北克法语法规最小扰动样本构造解离测试：在保留 0.93 相同词元的同时反转法律效力，并统一评测指标、回归模型与提示裁判。七种 embedding 与 BERTScore 指标在该类编辑上仅消耗相同到无关区间的 0.022 至 0.039，而双向 NLI 为 0.670；FrJudge 上人类上限为 r=0.597，裸长度特征却超过所有语义指标且优势最小。
研究者提出一项名为LexIssue的基准，用于评估AI在中国民事诉讼中识别双方争议法律问题的能力。该基准包含430个真实中国民事案件和1303条专家标注的争议法律问题，并将任务拆分为争点生成与争点分类两项互补任务。团队还构建了覆盖27个案由、441个候选争点条目的法律知识库。实验显示，结合该知识库的检索增强生成方法能持续提升模型识别争议法律问题及其法律属性的表现。
研究者发布KhatianDoc基准，基于孟加拉国蒙希甘杰土地办公室107份真实RS Khatian手写地籍档案，设置符号识别、十六进制分数转十进制、结构化字段提取及含1634组问答对的法律文档问答四项任务，经土地法律从业者人工核验并匿名化处理。测试六种多模态大模型后发现，39.3%的问答类别所有模型得零分，算术任务上所有输出数值的模型表现均劣于常数均值基线，表明模型缺失而非仅存在差距。相关代码与数据已公开。
该 arXiv 预印本提出一种面向认知诊断的异构多 LLM 联邦推理框架，LLaMA-3.3-70B、GPT-4o-mini、Claude-3-Haiku 等商业 API 在不接触原始学生数据和专有机内部信息的前提下协同预测；各实体输出本地加入 Laplace 噪声实现 epsilon-局部差分隐私，再用基于残差的聚合缓解模型异构。论文以诚实但好奇为前提，给出隐私—效用分析，并在三个教育基准上验证可用性与跨域泛化。
一项发表于arXiv的研究（编号2510.20721v4）对LLM在隐私敏感场景下的回复质量进行了用户中心评估。研究团队以PrivacyLens的90个真实场景开展用户研究（n=94），要求用户评估LLM回复的有用性与隐私保护质量。结果显示，用户对相同LLM回复的评判彼此一致性很低，而五个代理LLM评判之间虽高度一致，但与用户评分相关性均较低。这表明代理LLM无法准确估计用户在隐私敏感场景中对实用性与隐私的多样化感知，研究者呼吁开展更多以用户为中心的评估研究。