ARTICLE · 1087281
法律 AI 情报|2026年9月27日
法律 AI 情报｜2026年9月27日
导语：B-SDD 把法律 AI 的硬约束写成了代码：双时不可变账本 + SHA-256 证据哈希 + 零依赖推理核，5 条不变式直接对标「文件不出所、结论可溯源」的私有化底座。今天 8 条情报里这个信号最硬——法律 AI 的竞争，正从「模型多强」转向「证据链多可审计」。
头条 · B-SDD Legal Advocate Cockpit：把法律 AI 的「证据链」写成开源架构
GitHub 上开源的 B-SDD Legal Advocate Cockpit（MIT 协议）给出一套「主权法律 AI」工作台：一个 MCP 网关把「双时不可变 WORM 账本 + SHA-256 证据哈希 + 纯 Python 零依赖推理核」列为 5 条法律 AI 不变式，让可审计证据链成为底座级原语（来源）。
它的信号不止「又一个开源项目」：
把「证据哈希 + 只追加账本 + 零外部依赖」作为法律 AI 的硬不变式，而非事后补丁——凡是进入系统的结论都要有可追溯的哈希与写入记录； 24 个主权 MCP 工具网关，可对接卷宗系统、期限管理等内部系统，思路能被任何做私有化部署的团队借鉴； 协议选 MIT，意味着可被律所、厂商直接拿去改造，门槛极低。
一句话：当「本地取证 / 审计轨迹」被当成架构级原语，所谓「数据不出内网」才第一次有了可自证的技术载体，而不只是口头承诺。
开源 & 工具
K-Decision：4B 韩语法条数值决策模型，把「算得准」做成能力
HuggingFace 上的 kd-4b-ko-v0（Apache-2.0 底座）用 6000 组「代码算出的对比对」训练法条数值决策，把封顶 / 利率 / 单位换算类推理准确率提升 13.8 个百分点，可本地部署（来源）。
最值得借鉴的是它的训练范式：用「代码计算的 gold 对比对」来教模型做数值条款推理。违约金阈值、责任上限、利率换算这类合同审查最易出错的数值判断，正适合用同样方法做成中文对比对、喂给本地小模型微调——这给私有化底座补上了长期缺位的「数值精确」能力。
Sullivan & Cromwell × OpenAI：顶所把自有先例库喂进合同审阅器
Agreement Analyzer 由世达律师行（S&C）联合 OpenAI 发布，内嵌所内先例与谈判 playbook，做条款识别、批注起草与谈判支持（来源）。
它印证了「所内数据 + 知识 + 受治理平台」的范式：大所把自有先例库与谈判手册作为差异化壁垒，而非简单调用通用模型。对做律所私有化方案的团队，路径是对标的——只是部署形态要换成本地 / 私有化，把「文件不出内网」作为前提，而非走云端 Enterprise。
Koreshield：给 AI 代理加一层「行动前筛查 + 全程留痕」
Product Hunt 上的 Koreshield 为 AI 支持代理在行动前筛查三类不可信源——客户输入、检索文档、工具调用——并全程记录决策留痕（来源）。
它点出了一个正被反复验证的产品卖点：可信 Agent 不等于「更聪明」，而是在动手前先做来源可信度核验与策略漂移检测，并把每次决策写进可审计记录。对做法律 AI 情报 / 工具类产品的人，「AI 代理治理」本身就能沉淀成一套可对外交付的方法论。
论文 & 行业
欧洲人权法院研究：LLM 能否「以具法律意义的方式」推理？
arXiv 2608.17168 由哥本哈根大学做小规模测试，检验 LLM 能否以具法律意义的方式推理欧洲人权法院案件，揭示模型在法条解释结构上的系统性短板（来源）。
它的锋利处在于：法律 AI 评测必须超越「答案对错」，去检验「推理是否具法律意义」。即便高准确率，也可能只是表象——这对任何做合同 / 案件审查评测的团队都是提醒：评测基准要下沉到「解释方法是否站得住」，而不只是比对结论。
DGF-Bench：把治理审查门禁变成「可执行契约」
arXiv 2609.29345 将企业治理的每个审查门禁建模为可执行契约，用 300 个合成项目、899 次运行测代理，提出「残差工作量阈值」量化自动化边界（来源）。
它的架构可直接借鉴到律所私有化评测门禁：把双轴严重度门禁形式化为「可执行契约」，用确定性控制比对代理执行质量，并以「残差工作量阈值」判断是否值得自动化——这把「人审兜底」从口号变成了可验证的工作流。
Deloitte 2.5 万人调研：多数岗位 AI 增益有限，法律是否例外？
Artificial Lawyer 报道 引述 Deloitte 调研 2.5 万员工，仅 10% 每周省时超 5 小时；该媒体主张法律因高度文本化确能显著受益（来源）。
市场采用率信号很清晰：多数企业仍停留在「浅层 sprinkling」（搜网页 / 写邮件），增益有限；法律因高度文本化、流程化而真正能吃满增益。这提示对外讲「法律 AI ROI」时，话术要用「流程重构」而非「工具叠加」。
康达「法智同行」：国内大所把脱敏 + 真实卷宗 AI 处理作为落地主线
中国经济网报道，康达全国巡回研讨杭州站演示案件材料脱敏与真实卷宗 AI 处理，分享 AI 获客与「一月办百案」产能经验（来源）。
国内大所已把「脱敏 + 真实卷宗 AI 处理 + 获客」作为落地主线，与「脱敏前置 + 审查闭环」的同构路径一致；其「安全合规框架下释放实务效率」说明大所已在抢 C 端外溢流量，私有化部署团队应同时盯「所内私有化 + 所内获客」双场景。
今天的三个判断
- 法律 AI 的护城河，正从「模型多强」转向「证据链多可审计」。
B-SDD 把「不可变账本 + 证据哈希 + 零依赖推理」写成开源不变式，Koreshield 把「行动前筛查 + 全程留痕」做成产品——两条线都证明，客户愿意付费的是「每处结论可溯源、过程可审计」的确定性，而不是更聪明的参数。
- 「可复核、可拒答」正从流程话术变成架构原语。
DGF-Bench 把治理门禁形式化为「可执行契约 + 残差工作量阈值」，ECHR 研究逼问「推理是否具法律意义」——评测与门禁的下一层，是让没有来源、没有边界的结论无法通过，而非反复强调「仅供参考」。
- 国内大所已把「脱敏 + 卷宗 AI + 获客」跑成主线，窗口期在收紧。
康达的落地路径与 Deloitte 调研形成反差：海外多数岗位增益有限，国内法律实务却因文本化能吃满增益；做私有化方案的团队若只盯「所内合规」而放过「所内获客」场景，可能错过这一波流量红利。