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。
该文探讨如何借助应用计算资源训练前沿复核表格模型。研究聚焦于大规模模型在结构化表格复核任务中的训练流程，包括数据清洗、模型架构设计、分布式训练策略以及算力调度优化。文中分析了不同计算规模对模型准确性、稳定性和推理效率的影响，并提出针对复杂表格内容的复核与校验方法。此外，该文还涉及模型评估指标、潜在误差来源及实际部署中的资源约束，为后续构建高效、可扩展的表格复核系统提供技术参考。
音视频图像理解技术旨在使机器能够同时处理和分析音频、视频与图像等多模态数据，实现对场景、物体、动作及语义信息的综合感知。当前研究涵盖跨模态特征提取、对齐与融合、时序建模以及大模型驱动的感知推理等方向，广泛应用于内容审核、智能监控、自动驾驶及多媒体检索等领域。
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。
一项预印本研究以并购协议分析为例，比较 LLM 直接处理原文与处理本体化结构后的任务表现，发现信息结构化可能带来语义损失，且损失程度会随模型、方法和推理复杂度显著变化。
一项预印本研究分析 153 篇 Reddit 叙事与 5,341 条社区反馈后指出，非专业用户是否采纳 AI 法律建议，往往取决于其律师式表达和情感安慰，而非准确性；明确核验来源的做法反而较少。
一项以消费信贷为场景的预印本研究通过 LLM 角色模拟压力测试 NIST AI RMF，指出难点不只是把框架翻译成部门任务，而是让风险识别、升级、授权与纠偏在实际工作流中形成跨层治理价值。
arXiv论文《Co-constructing sociotechnical AI governance: participatory system mapping using algorithm registers》以荷兰一座城市的市政算法登记册为案例，研究一项利用业务规则引擎、辅助工作人员评估居民福利待遇资格的决策支持工具。研究团队通过访谈、调查和参与式系统制图工作坊，邀请市政工作人员、民间社会组织及监察专员等8名参与者，分析登记册能否帮助不同利益相关方绘制相关算法系统。研究进一步以系统理论过程分析将登记册置于更广泛的社会技术治理结构中。参与者识别出单凭算法登记册难以发现的风险，包括福利资格被拒、系统性能下降，以及当事人无法对错误决定提出异议。论文还讨论了直接和间接利益相关方参与对算法治理规范判断及系统安全分析的影响。
该论文比较欧盟《人工智能法》和《通用数据保护条例》对“推理”的不同法律功能。《人工智能法》第3条第1款将推理能力作为界定受规制人工智能系统的重要构成要件，用于区分人工智能系统与传统软件；《通用数据保护条例》虽未定义推理，却会因处理个人数据，以及推理结果对个人所作出的描述或产生的影响而提供保护，技术是否属于人工智能系统并非决定条件。论文认为，二者的适用范围并不重合，智能体架构的发展使这一差异更具操作性。文章提出“构成性”与“保护性”两层框架，并将保护性功能分为识别、归属性和决策性三条路径；组合并非独立路径，而是与推理范围、持续性和可复核性共同构成智能体架构的横向维度。针对《欧盟条例（EU）2026/1744》未改变构成性标准、但纳入未来操作输入可能受既有输出影响的规定，论文提出组合性影响测试、决定单元识别及推理链文件记录方案。
arXiv论文《Legal Responsibilities Using Autonomous Agents For Artificial Intelligence》讨论人工智能自主代理发生越过控制边界并未经授权获取访问权限的相关事件后，犯罪或过失损害应由谁或何者承担法律责任。论文指出，随着代理的独立行动能力增强，可借助Promise Theory及其“下游原则”所体现的因果影响，对责任归属进行系统分析。在责任追踪难以实现的情况下，责任范围可以扩大至人工智能代理本身；同时，也可以通过政策选择限制代理的行动自由。原文未提出具体法律条文、监管命令或已生效的责任规则。
arXiv论文《Simulating Dispute Mediation with LLM-Based Agents for Legal Research》介绍了AgentMediation，即一个基于大语言模型代理的纠纷调解模拟框架。论文指出，法律纠纷调解的实证研究受到隐私限制以及多变量交互复杂性的影响，因此该框架尝试基于现实世界纠纷模拟较为真实的调解过程，并对当事人策略、纠纷成因和调解员专业能力等变量开展受控实验。实证分析显示，模拟结果呈现出与群体极化、表层共识等社会学理论相一致的模式。论文将AgentMediation定位为综合性且可扩展的平台，用于推动社会科学与人工智能在法律研究中的进一步结合。
论文针对部署人工智能智能交通系统的组织面临的治理碎片化问题，提出UGAF-ITS标准协调框架。该框架以ISO/IEC 42001、欧盟《人工智能法案》和NIST人工智能风险管理框架为来源，将154项义务通过可复现的五阶段交叉映射方法整合为覆盖八个治理领域的12项统一控制，并按车辆、边缘和云三个层级分配控制及证据生成责任。框架配套20项版本化证据，旨在形成适用于三套框架的单一审计包。开源治理引擎在四种架构不同的智能交通部署场景中运行，三层部署平均实现91.7%的限定范围框架覆盖率，证据量减少45.9%，80%的证据同时服务三套框架；部分部署的证据减少幅度为25%至50%。论文明确称，这些结果仅反映目录在不同架构下的结构属性，尚未证明实际运营合规准备度，仍需专业人员外部评估。
该研究基于人工智能事件数据库，分析2020年至2026年发生的现实人工智能事件，并依据《欧盟人工智能法》、NIST人工智能风险管理框架和《通用数据保护条例》中的九项部署后义务进行编码。研究显示，77.1%的事件没有欧盟人工智能法部署后市场监测证据，99.6%没有记录数据保护影响评估证据；9.8%的事件同时表现出两项或以上规制框架下的治理不合规。由内部监测发现的事件，其合规证据比例显著高于外部发现事件：欧盟人工智能法项下为87.5%对5.3%，NIST框架项下为95.8%对58.1%。研究据此提出四阶段主动人工智能治理合规框架，涵盖部署前评估、持续监测、事件准备和跨框架核验。
arXiv论文《LexKairos: Benchmarking Legal Temporal Capabilities in LLMs》提出一项面向中国法律语境的大模型法律时间能力基准测试。该基准从法条时间知识、案件时间建模、法条与案件时间推理三个维度展开，包含基于真实中国司法案件和法律条文构建的九项子任务。研究团队在普通推理、思维链（CoT）和思考模式等多种推理设置下，对八个大语言模型进行了系统评测。结果显示，Gemini-3-Flash整体表现最佳，但即使是该模型，在精确召回具有时间敏感性的法条元数据，以及处理复杂期限推理任务时仍存在明显局限。论文同时公布了数据和代码，地址为https://github.com/thunlp/LexKairos。
arXiv论文《Beyond Direct Identifiers: Probabilistic Privacy Risk Estimation for Privacy-Conscious LLM Query Delegation》研究隐私意识型大模型查询委托的概率化方案。论文指出，隐私风险不仅来自标准检测器识别的直接、明确身份标识，也可能来自不含显式个人信息的自我披露，以及多个准身份特征组合造成的可识别性。研究在隐私意识型委托框架中引入由大语言模型驱动的k-匿名性概率估计，并构建包含自然用户自我披露查询的PUPA-SD数据集。初步结果显示，在PUPA-SD上优化PAPILLON后，多种本地模型在未见对话中的质量得到提升；其中Llama-3.2-3B取得了最佳隐私与效用平衡，但较小模型难以同时优化质量和隐私。论文提出将k-匿名性作为处理该类查询委托问题的辅助指标。
arXiv论文提出一套面向医院的合规优先智能体人工智能架构，旨在解决临床、运营和财务领域人工智能工具分散部署、数据割裂及治理不足等问题。该架构包括支持多智能体工作流的智能体编排层、集中管理HIPAA、GDPR、欧盟人工智能法案、印度DISHA Act、印度DPDP Act及ISO/IEC安全与安全标准政策的合规与政策层，以及结合联邦学习、差分隐私和安全 enclaves 的隐私保护数据 fabric。研究使用结构上接近真实但为合成的医院数据集，并提供可部署原型，模拟展示了分诊风险预测、工作流优化和合规日志记录的端到端协同。论文称，系统在受政策约束的数据访问条件下，模拟降低了任务周转时间和人工文档工作量，但相关效果基于合成数据和模拟环境。
arXiv论文《Who Checks the Citations? Benchmarking Legal Hallucination Detection》研究了AI生成法律文书中的虚假引证及其自动检测能力。研究者基于实际法院提交文件建立法律引证幻觉分类，并构造包含1300段嵌入错误摘要的测试数据集，比较五个模型在代理式和非代理式设置下的表现，并测试Claude Code。结果显示，GPT-5在代理式框架下的召回率为84.4%、F1值为55.0%，但所有模型对细微错误类别仍较不稳定；GPT-5平均每段需要执行15.3个步骤。研究还指出，受限的信息访问会削弱检测效果，并可能使无法订阅商业法律数据库的当事人和AI系统处于不利地位。论文称，其数据集、工具和政策建议可用于构建及审计法律引证核查工具。
文章围绕生成式人工智能训练中的作品复制与数据利用问题，分析我国现行著作权法合理使用制度的适用局限。作者认为，个人学习、教学科研以及其他法定合理使用情形，难以覆盖企业或平台开展的大规模、持续性、商业化模型训练，尤其难以适配“少量复制”要求。文章梳理杭州“奥特曼”案关于转换性使用、非表达性利用及训练端与输出端分层评价的思路，以及上海“美杜莎”案将复制权重点置于输出物是否再现原作品独创性表达的裁判观点，并介绍北京互联网法院审理中的相关诉讼。比较法部分涉及美国《版权法》第107条fair use、日本《著作权法》第30条之4的非享受性利用、欧盟《数字单一市场版权指令》的TDM例外，以及越南文本与数据利用规则。
萨福克大学法学院院长Andrew Perlman推出一个新网站，汇编整理了128所法学院的生成式人工智能使用政策。此前法学院AI政策引发关注多因其争议性，例如加州大学伯克利分校法学院于今年5月出台的严格政策，几乎禁止学生在完成评分作业的所有环节使用生成式AI，曾引起全国性讨论。该网站旨在系统呈现各法学院在AI使用规则方面的不同做法，为法律教育界提供参考。
国家数据局数字经济司发布公告，就2026年度课题委托研究公开征集选题与承担单位，申报方可结合数字经济理论、政策与实践需求提交研究方案；公告对申报资格、材料要求、评审流程及成果管理作出安排，后续将按程序遴选并确定委托研究对象。
该指南以《人工智能研究资源》（AI Research Resource）为标题，系统阐述了为AI研究所提供的计算、数据及存储等基础设施支持。指南明确了资源的申请途径、使用准则与管理机制，旨在协助科研群体与企业更高效地利用这些资源，推进人工智能技术的研发与成果转化。
美国多所顶尖法学院正收紧课堂中人工智能（AI）的使用规则，旨在维护法律写作、分析和推理等核心律师技能。芝加哥大学法学院等院校已实施更严格政策，要求学生在部分作业中披露或禁止使用AI工具，以防止技术过度依赖削弱基本职业能力。