研究：大模型能识别引错案件，却难判断引文是否支持所引命题

事件综述根据 1 篇报道整理，10月27日更新

Apurv Verma 发布的一项 arXiv 预印本研究用真实法律引文的受控扰动测试了 14 个前沿模型配置，发现模型能识别 93–100% 的错案替换，但只识别 37–61%（法院判决书）和 52–83%（法律书状）的同案错页码。 研究称，GPT-5.4 在高推理强度下仍漏掉法院判决书中 40% 的页码不匹配、书状中 18%；提示模型核查被引页面是否支持所引命题可提高召回，但也会推高误报率。作者据此指出，模型常把主题重叠当作支持依据，引文核查不能止于确认案件存在，还需验证被引页面是否支持所引命题。

综述由模型根据报道生成，细节以各篇原文为准。