基准Supreme Court of the United States
SCOTUS
可能指美国最高法院相关法律推理基准测试，用于评估模型在最高法院判例推理任务中的表现。
时间轴 (近 90 天)
10月13日
该反事实审计覆盖了七个开放权重模型（8B 到 70B 参数规模）以及四个横跨司法推理与合同推理的基准测试。
待验证50%
10月13日
当模型援引的法律依据被替换为无关权威来源后，裁决发生改变的比率在CaseHOLD上仅为0.0%–21.7%，在ECHR和SCOTUS上为30.0%–76.7%，在ContractNLI上为43.3%–50.0%。
待验证50%