評測來源官方評測
PRBench · Legal
Scale AI / 專業辦公 · 回答真實法律工作中的複雜問題，檢驗專業判斷和論證質量。
在 ATech Hot 中觀察中
證據預算不計分
上游數據時間待核實
最近成功同步尚未開始採集
它測什麼，怎麼測
固定 Legal 完整 500 題或 Hard 250 題之一；搜索工具、推理檔位和裁判版本保持一致。採用該題集的 rubric 彙總分，不把完整集與困難子集重複計票，也不將專業問答描述為完整文件交付。
如何使用這份證據
觀察中：可補法律專業判斷；先核實題集、工具條件和成績批次，目前只收錄來源，不自動採集或計分。
評測侷限與數據署名
由模型裁判評審，存在裁判偏好；同機構的法律和金融專項應共用影響邊界，不能作為兩家獨立證據。它不直接衡量 Word、Excel 或幻燈片的製作能力。
數據許可：官方題庫和評測代碼公開；其許可不自動覆蓋實時排行榜成績，最新成績的穩定導出與再展示邊界待確認。
成績由 Scale AI 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。