RedlineBench 是由 Crosby 于 2026 年发布的法律合同谈判评估基准数据集，旨在衡量 AI 智能体在真实商业交易场景下的红笔批注与谈判决策能力，广泛应用于法律智能体评测、合同自动化红线修改、多轮谈判决策建模以及大语言模型在真实商业工作流中的能力评估。 该数据集包含 140 个可运行的 Harbor 任务，覆盖 3 个多轮谈判场景（两个 SaaS MSA 场景和一个专业服务 MSA 场景），每个场景分为 4 个交替回合。 三个场景围绕一家 A 轮人力资源科技公司 AgentCo 展开，谈判内容为一份 SaaS 主服务协议。每一轮交替变换立场；每个场景共享同一页商业背景信息，而各方的特定背景信息、谈判手册（策略指引）、发起文件、谈判姿态及利害关系则各有不同。