法律引证、蕴涵与效力核查

五个不同的核查问题

法律引证要分别回答：来源是否存在、原文是否支持该主张、适用法域和约束力是否正确、时间上是否有效，以及是否有重要后续处理或反例。链接可打开只回答一小部分；一个真实判例也可能被引用成它从未支持的结论。把这些层分别建字段和结果，避免总分掩盖严重错误。

先用确定性检查定位来源

核案件名称、案号、法院、日期、法条编号、生效失效日、版本和原文片段。合同任务还检查交叉引用、定义、附件、金额、期限和通知计算。每条claim连接evidence_span和source_version，报告绑定产物hash与法律截止日。网页更新、合同改写或数据版本变化后重新验证，不沿用旧passed。

蕴涵与适用需要语境

判断判决中的holding、dicta、事实差异、例外与裁判范围，不能只做关键词命中。语义judge应拿到任务和完整必要证据，输出支持、反对、证据不足或无法判定；专家rubric核关键风险与严重漏项。多个模型一致仍可能共享误解，尤其在复杂法域和事实类比上，不能当成独立法律权威。

效力核查需要合格工具

最新有效性、负面处理、被区分或推翻等，通常需有资格数据库、citator或专业复核。若只有普通网页搜索，系统应明确哪些层已查、哪些未查，不能自动写“该判例仍有效”。官方或商业服务返回结果也要记录查询时间、范围和限制；服务暂不可用时将结论标不确定或进入复核，而非凭模型常识补齐。

数据集与错误等级

按matter、客户、合同模板家族、法院、法律主题和时间划分；同合同原版与红线不能落在训练和test两边。设置伪造判例、错误法域、失效法规和严重风险遗漏的硬阻断，语句清晰不得抵消。分别统计citation existence、entailment、适用法正确、风险召回、合理拒绝和人工审阅时间。

使用研究时保留日期

Stanford的法律RAG研究揭示当时特定产品和任务仍会出现幻觉，支持分层验证的必要性，但旧错误率不能直接描述今天所有产品。上线验收应使用选定工具、当前材料与代表性任务。验证报告应清楚列原文、范围、证据和未知，而不是让用户把“有来源”误读为“所有法律命题都已经确认”。