跳到正文

PRBench · Legal

Scale AI / 專業辦公 · 回答真實法律工作中的複雜問題,檢驗專業判斷和論證質量。

官方評測
在 888news 中觀察中
依據預算不參與排序
上游數據時間待核實
最近成功同步尚未開始採集

它測什麼,怎麼測

固定 Legal 完整 500 題或 Hard 250 題之一;搜尋工具、推理檔位和裁判版本保持一致。採用該題集的 rubric 彙總分,不把完整集與困難子集重複計票,也不將專業問答描述為完整檔案交付。

如何使用這份依據

觀察中:可補法律專業判斷;先核實題集、工具條件和成績批次,目前只收錄來源,不自動採集或計分。

評測局限與數據署名

由模型裁判評審,存在裁判偏好;同機構的法律和金融專項應共用影響邊界,不能作為兩家獨立證據。它不直接衡量 Word、Excel 或幻燈片的製作能力。

數據許可:官方題庫和評測程式碼公開;其許可不自動覆蓋即時排行榜成績,最新成績的穩定匯出與再展示邊界待確認。

成績由 Scale AI 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。