PARCEL：用于法律模型幻觉检测的断言级评测基准

研究团队推出法律模型幻觉评测基准 PARCEL，基于纽约州上诉法院判决构建了包含 3,396 个断言的数据集，用于检测断言是否得到引证支持。零样本评测显示最强 LLM 准确率可达 0.97，但即使提供裁判全文，模型仍会将无依据的断言误判为有支持。测试表明，虚构但看似合理的引用会导致模型性能出现最大降幅。