斯坦福法学院研究中，AI 的表现优于法学教授

原文 ↗ Hacker News 讨论 ↗

研究范围与方法

  • 许多人认为标题夸大了实际结论：法学教授更偏好 AI 导师对一年级合同法问题给出的答案，而不是 AI 在法律实践中“击败”了教授。
  • 评论者质疑样本量（16 位教师）、教师之间差异很大，以及统计功效不足。
  • 对偏见的担忧：所用模型来自 Google（Gemini、NotebookLM）；斯坦福与 AI 的关联以及来自大型科技公司的资助，使人认为存在利益冲突。
  • 评估者很可能只是快速、表面地打分；偏好测试可能奖励风格和自信，而不是严谨性或正确性。
  • 一些人指出，这些问题是开卷的、概念性的，并没有唯一“正确”答案，因此偏好只是一个较软的指标。

AI 作为导师 vs. 律师

  • 很多人支持把 AI 用作导师或“超级法律助理”：解释概念、生成例子、提出反驳观点、帮助学生提出更好的问题。
  • 许多人认为，这项研究并不能证明 AI 适合直接提供法律咨询或处理高风险文件。

可靠性、幻觉与核查

  • 反复有人提到 AI 会虚构或误用判例法和成文法，即使引用看起来也很可信。
  • 知识截止时间和司法辖区差异会让模型错过最新或本地判例。
  • 一些人通过 RAG 和法律数据库（Westlaw、Lexis、法院 API）以及人工核查来减少错误。
  • 还有人强调，在法律领域不同于代码，没有测试、日志，也没有简单的回滚；错误可能几年后才暴露，而且往往不可逆。

领域专长与人在回路中

  • 共识是：AI 在专家手中很强大，但对天真用户，尤其是自行诉讼者，可能很危险。
  • 专家能够识别细微错误，并利用 AI 加速研究和起草；初级律师和非律师则可能被润色得很漂亮但其实错误的答案误导。

实际用途与风险

  • 建议用途包括：合同初稿、研究、风格/结构润色、生成供律师审查的问题清单。
  • 对于 AI 在没有专家审查的情况下撰写遗嘱、核心合同或诉状，存在很大担忧，因为有“法律脚枪”风险。

司法可及性、经济与工作

  • 一些人希望 AI 降低法律知识门槛并降低成本，从而改善司法可及性。
  • 另一些人指出，法律具有社会性和关系性的一面（认识法官、当地执业规范），这是 AI 很难轻易捕捉的。
  • 争论还涉及 AI 会在多大程度上威胁法律岗位，还是主要重塑工作流程，并将价值转向监督、信任和问责。