港科大发布 LexAgentHallu 基准，追踪法律智能体的隐性幻觉
港科大发布 LexAgentHallu，把法律智能体的幻觉评测从最终答案扩展到完整执行轨迹；最好配置仍有 89% 的轨迹出错。
香港科技大学提出 LexAgentHallu（法律智能体幻觉评测基准），不再只看最终答案对不对，而是沿整条执行轨迹逐步核对：智能体引用了哪条法源、调了什么工具、如何理解返回结果。在 3414 个实例上，表现最好的配置仍有 89% 的轨迹至少出现一次幻觉。
正文摘录
.jpg)  让智能体分析一起法律案件，它可能检索法规、整理事实、列出理由，最后给出一个看起来完全正确的答案。 问题可能出在更早的一步：它引用了错误法源，算错了程序期限，或者误解了工具返回的内容。后面的推理越流畅，这个错误反而越容易被最终答案遮住。 如今，法律大模型正在从单轮问答走向智能体。系统不再只是生成一段文字，而是会规划任务、调用检索工具、读取材料，并依据中间结果继续行动。人们把更多步骤交给模型，也就更难逐项确认它究竟看到了什么、为什么作出当前判断。 一次幻觉，开始有了跨步骤的后果。 香港科技大学的研究团队将目光放在了这条执行链上。他们提出智能体幻觉评测基准 LexAgentHallu，把观察对象从最终答案扩展到完整轨迹，并将错误定位到具体步骤。 这项工作的出发点很直接：当一个智能体说“依据已经找到”“规则适用于当前事实”时，评测不能只看结论对不对， 还要检查支撑结论的理由是否真实、准确并且前后一致。