Harvey LAB-AA v1.1

HarveyのLegal Agent Benchmark（LAB）の実装。24の法務実務領域にわたる120の非公開タスクからなるHarveyのデータセットを用いて、現実の法務業務でAIエージェントをテストする。Harveyとの協力で構築されたv1.1では、すべての成果物をタスクの原資料と照合してハルシネーションを検査するため、すべてのルーブリック基準を満たしていても重大なハルシネーションを含む成果物には得点が与えられない。3名の審査員によるパネルが各成果物を基準ごとに採点する。