评测来源官方评测
PRBench · Legal
Scale AI / 专业办公 · 回答真实法律工作中的复杂问题，检验专业判断和论证质量。
在 MyHOT 中观察中
证据预算不计分
上游数据时间待核实
最近成功同步尚未开始采集
它测什么，怎么测
固定 Legal 完整 500 题或 Hard 250 题之一；搜索工具、推理档位和裁判版本保持一致。采用该题集的 rubric 汇总分，不把完整集与困难子集重复计票，也不将专业问答描述为完整文件交付。
如何使用这份证据
观察中：可补法律专业判断；先核实题集、工具条件和成绩批次，目前只收录来源，不自动采集或计分。
评测局限与数据署名
由模型裁判评审，存在裁判偏好；同机构的法律和金融专项应共用影响边界，不能作为两家独立证据。它不直接衡量 Word、Excel 或幻灯片的制作能力。
数据许可：官方题库和评测代码公开；其许可不自动覆盖实时排行榜成绩，最新成绩的稳定导出与再展示边界待确认。
成绩由 Scale AI 发布，原始分数与 MyHOT 共识分使用不同尺度，不能直接相加。