LLM 如何理解法哲学？诊断大语言模型的法哲学推理能力

研究人员推出评测基准 LePhilBench，用于评估大语言模型（LLM）对法哲学的理解以及在法律推理中的应用能力。该基准包含两项评测任务，其测试集涵盖 220 份美国最高法院判决意见。由法学教授设计 14 个法哲学标注问题，并由 3 名受过法理学专业训练的人员完成标注，共产生 9,240 个法哲学标签。