斯坦福合同法盲測：75% 對決中，法學教授更認可 AI 的回答

過去大家普遍覺得，AI 在法律領域刷刷司法考試的選擇題還行，一旦碰上沒有標準答案、需要權衡利弊和主觀判斷的真實法律探討，大模型肯定要露餡。

但斯坦福大學法學院最近的一項嚴肅盲測，把這個固有印象打得粉碎。

由斯坦福大學 liftlab 實驗室負責人 Julian Nyarko 教授牽頭，聯合耶魯大學、紐約大學和芝加哥大學學者共同公佈了一項重磅研究。他們找來全美 14 所法學院的 16 位合同法教授，針對近 3000 次答疑做了一場徹頭徹尾的匿名對決。

結果令人啼笑皆非：法學教授們在 75% 的對決中，更喜歡 AI 給出的答案，而不是自己人類同行寫出來的版本。

2918 場盲測，人類同行輸得很徹底

這項研究名為《法學教授偏好 AI 甚於同行回答》。研究團隊專門挑了合同法的課後答疑場景，由 16 位教授撰寫了 40 個具有代表性的典型問題。

這類問題絕非單純考核法條記憶，而是需要嚴密的批判性思維和細膩的邏輯裁量。面對一個案件爭議，正反兩方的觀點往往各有道理。

教授們為這些問題寫下自己的參考答案，研究團隊則同步呼叫 Google 的 Gemini 2.5 Pro 和 NotebookLM 生成回答。為了防止排版或篇幅露出破綻，團隊還特意校準了 AI 答案的長度與結構。

隨後，這 16 位教授在完全不知道作者是誰的情況下，對 2918 對答案進行了互評打分。

在絕大多數對比中，AI 均輕鬆勝出。全場僅有一位極其頂尖的人類教授，其平均得分能夠勉強與大模型打成平手。

更尷尬的還在於教學危害性的判定。教授們把自己同行撰寫的回答標記為「對學生有害或有誤導性」的比例高達 12%，而 AI 的回答被標記為有害的機率只有 3.5%。也就是說，AI 給出的解釋不僅更有說服力，在嚴謹度上甚至還顯著優於大多數同行。

就算限制上下文，AI 依然在講道理

耶魯大學法學院的共同作者 Sarath Sanga 指出，大部分 AI 基準測試都有唯一正確答案，但法律世界往往沒有。法律人更看重的是某種內化的專業論證水準，而測試證明大模型已經完全達標。

即便有時因為上下文視窗限制影響了發揮，教授們依然高頻選擇 AI 的解答。

為了進一步摸底，團隊還引入 AI 輔助裁判，把測試範圍擴充套件到了更多商用模型。在測試的全部模型中，Claude Opus 4.7 拔得頭籌，而且所有參測模型的綜合評分全部跨過了人類教授的水平線。

論文第一作者 Alejandro Salinas 表示，這意味著在充滿主觀裁量的複雜領域，AI 輔導系統完全能夠勝任高水準的按需答疑，極大拓寬學生獲得專業指導的渠道。

為什麼重要

這項研究最核心的價值，是把 AI 輔導從「死記硬背」的爭議區拉進了「價值判斷」的深水區。對於法學院學生或初入職場的年輕法律人來說，隨時隨地獲取接近頂尖教授水準的邏輯拆解不再是奢望。

對整個專業服務行業而言，那句「AI 只能幹初級重複勞動、做不了專業決策」的說辭正變得站不住腳。如果 AI 能在合同法思辨中博得權威學者青睞，那麼律所和企業法務在風險評估、爭議分析上的工作流程勢必面臨徹底重構。

我們認為這項研究聰明的地方，在於它放棄了冰冷的客觀題庫，直接用業內同行的主觀同行評審作為標尺。不過正如 Julian Nyarko 所提醒的，回答質量高不等於教學方法成熟，全面讓 AI 接管教育為時尚早。但面對這樣的盲測結果，全盤否定和過度防禦顯然已經站不住腳，如何安全、務實地把模型能力嵌入教學輔助，才是當下法學界真正該面對的課題。