法律交付标准通过率

任务由法律科技与执业专家围绕备忘录、合同审阅、披露清单等真实交付物设计，并以原子化实质标准逐项检查结果。

当前榜单记录采用统一材料、隔离环境和一致评分口径；正式任务不公开，公开示例只用于说明任务形态。

每项任务给出合伙人式指令与案件文档，要求智能体制作备忘录、披露清单、证词摘要、修订稿等完整法律成果，而非回答孤立法律问题。

正式结果来自横跨 24 个法律执业领域的 120 个私有任务；五个公开任务仅用于展示任务、资料与成果形态。

• 跨合同、协议、备忘录和证词材料进行法律分析
• 按精确文件名生成可用的专业法律交付物
• 逐项满足任务特定、原子化的实质性标准

• 每项任务在无网络的隔离 Linux 沙箱中运行，输入文档只读。
• 环境预装办公文档、PDF 与电子表格处理工具；支持视觉的模型可额外查看图片。
• 智能体获得任务说明、输入文件和精确交付文件名，不提供执行期间的实时反馈。

• 智能体把只读案件材料复制到工作区，读取并处理后在最多 200 轮内生成指定文件。
• 交付物必须使用任务指定的精确文件名；若某条标准声明的交付物全部缺失，该标准直接失败；若只缺少部分文件，其余内容仍参与评审，并将缺失文件标记为缺失。
• 从交付物中提取文本，与任务说明和每条匹配标准一起交给单一评审逐项判定。

• 每条标准等权且只能通过或失败，不提供部分分。
• 全通过率是所有标准均通过的任务比例；任一标准失败则该任务不计成功。
• 标准通过率是全部原子标准中通过项目的平均比例，用作更细粒度指标。

• 报告全通过率、标准通过率及其随发布日期的变化。
• 展示每任务成本、输出 token、估算时间与平均轮数。
• 公开示例展示输入材料、预期文件和模型交付物。

• 正式 120 项任务不公开，外部只能通过五个示例理解任务结构。
• 评分只读取交付物提取出的文本，视觉排版质量不会被完整捕捉。
• 精确文件名和全通过规则较严格，近似文件名或单项遗漏都会显著降低成绩。