Harvey 法律 Agent 基准被指评分数据不一致

Harvey 的 Legal Agent Benchmark（法律 Agent 基准）于 2026-09-29 更新，任务覆盖反垄断、并购、破产等数十个法律领域。2026-10-01，有研究者在核对该基准时发现数据不一致：Harvey 自己的报告称 Argon 得分为 19.6%，而第三方榜单 vals.ai 显示 Argon 为 25.42%，同一模型出现两个不同分数。报道同时提到，该基准上 Muse Spark 1.2 等模型表现领先，Astra 等则大幅落后。目前公开报道只呈现了两个来源的数字差异，未说明差异产生的原因，也未提及 Harvey 或 vals.ai 的进一步回应。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。