斯坦福合同法盲测：75% 对决中，法学教授更认可 AI 的回答

过去大家普遍觉得，AI 在法律领域刷刷司法考试的选择题还行，一旦碰上没有标准答案、需要权衡利弊和主观判断的真实法律探讨，大模型肯定要露馅。

但斯坦福大学法学院最近的一项严肃盲测，把这个固有印象打得粉碎。

由斯坦福大学 liftlab 实验室负责人 Julian Nyarko 教授牵头，联合耶鲁大学、纽约大学和芝加哥大学学者共同公布了一项重磅研究。他们找来全美 14 所法学院的 16 位合同法教授，针对近 3000 次答疑做了一场彻头彻尾的匿名对决。

结果令人啼笑皆非：法学教授们在 75% 的对决中，更喜欢 AI 给出的答案，而不是自己人类同行写出来的版本。

2918 场盲测，人类同行输得很彻底

这项研究名为《法学教授偏好 AI 甚于同行回答》。研究团队专门挑了合同法的课后答疑场景，由 16 位教授撰写了 40 个具有代表性的典型问题。

这类问题绝非单纯考核法条记忆，而是需要严密的批判性思维和细腻的逻辑裁量。面对一个案件争议，正反两方的观点往往各有道理。

教授们为这些问题写下自己的参考答案，研究团队则同步调用 Google 的 Gemini 2.5 Pro 和 NotebookLM 生成回答。为了防止排版或篇幅露出破绽，团队还特意校准了 AI 答案的长度与结构。

随后，这 16 位教授在完全不知道作者是谁的情况下，对 2918 对答案进行了互评打分。

在绝大多数对比中，AI 均轻松胜出。全场仅有一位极其顶尖的人类教授，其平均得分能够勉强与大模型打成平手。

更尴尬的还在于教学危害性的判定。教授们把自己同行撰写的回答标记为「对学生有害或有误导性」的比例高达 12%，而 AI 的回答被标记为有害的几率只有 3.5%。也就是说，AI 给出的解释不仅更有说服力，在严谨度上甚至还显著优于大多数同行。

就算限制上下文，AI 依然在讲道理

耶鲁大学法学院的共同作者 Sarath Sanga 指出，大部分 AI 基准测试都有唯一正确答案，但法律世界往往没有。法律人更看重的是某种内化的专业论证水准，而测试证明大模型已经完全达标。

即便有时因为上下文窗口限制影响了发挥，教授们依然高频选择 AI 的解答。

为了进一步摸底，团队还引入 AI 辅助裁判，把测试范围扩展到了更多商用模型。在测试的全部模型中，Claude Opus 4.7 拔得头筹，而且所有参测模型的综合评分全部跨过了人类教授的水平线。

论文第一作者 Alejandro Salinas 表示，这意味着在充满主观裁量的复杂领域，AI 辅导系统完全能够胜任高水准的按需答疑，极大拓宽学生获得专业指导的渠道。

为什么重要

这项研究最核心的价值，是把 AI 辅导从「死记硬背」的争议区拉进了「价值判断」的深水区。对于法学院学生或初入职场的年轻法律人来说，随时随地获取接近顶尖教授水准的逻辑拆解不再是奢望。

对整个专业服务行业而言，那句「AI 只能干初级重复劳动、做不了专业决策」的说辞正变得站不住脚。如果 AI 能在合同法思辨中博得权威学者青睐，那么律所和企业法务在风险评估、争议分析上的工作流程势必面临彻底重构。

我们认为这项研究聪明的地方，在于它放弃了冰冷的客观题库，直接用业内同行的主观同行评审作为标尺。不过正如 Julian Nyarko 所提醒的，回答质量高不等于教学方法成熟，全面让 AI 接管教育为时尚早。但面对这样的盲测结果，全盘否定和过度防御显然已经站不住脚，如何安全、务实地把模型能力嵌入教学辅助，才是当下法学界真正该面对的课题。