法考也卷AI了LEXam上线一周爆火登顶榜首

大模型推理能力，正在法律圈引发热议。最近，一项专为评估法律推理能力而设的多语言数据集——LEXam横空出世，由苏黎世联邦理工、瑞士联邦最高法院等机构联合发布。

LEXam集结了近5000道真实法律考试题目，涵盖问答题与选择题两大类，源自瑞士法学院的340场课程，题目以英语和德语撰写，融合大陆法与普通法特色。不止提供标准答案，还详细标注推理路径，比如如何识别问题、回忆法律规则、适用规则等，为评估大模型的法律推理能力提供了前所未有的细粒度维度。

新研究显示，哪怕是GPT-4.1、Claude-3.7这种顶流模型，在多步骤复杂推理场景下仍然力不从心。相比之下，经过专门优化的模型，如Gemini-2.5-Pro和Claude表现最佳。

LEXam另一个创新点是“LLM-as-a-Judge”机制：由模型对模型的推理步骤评分，并与人工评估对比验证，相关性高，具可复用性，极大提高了评估的自动化和可信度。