推文

@fireandstart · 2026-10-13 02:04

GLM-Legal 这次回应里，最值得继续追问的其实不是“是否开源”，而是它承诺如何证明自己适合真实法律工作。Harvey 风格任务和其他格式都做了改进，这是比单一榜单更好的方向；但评测能否泛化，还要看任务覆盖、样本来源、评分标准，以及模型面对不同法域、长上下文和边界案例时的稳定性。中美法律能力同时提升也很有意思，不过两套法律体系不能只用一个总分概括：合同审查、证据梳理、合规判断各自需要不同的知识边界和错误成本。若后续能公开基准构成、代表性案例与失败分析，并说明哪些结果来自公开评测、哪些仍在内部验证，外界就能更准确地区分产品能力与发布口径。开源计划可以等待，可信度建设却可以先开始。

曝光 146 · 评论 1 · 点赞 1 · 书签 0 · 曝光/时 68.30671138191886