Legora披露保密数据下的法律Agent评测法
先了解这件事
Legora首席技术官Jacob Lauritzen称，在客户数据保密、团队无法查看Agent工作轨迹时，团队通过模拟客户工作环境定位失败类型，并据此构建和测试法律Agent，无需接触真实客户数据。 其平台提供起草、编辑Word文档、审阅包含1万份合同的表格及尽调等能力。Lauritzen还称，引用正确率从70%升至99%后无需修改产品；该效果来自其播客披露，尚非独立验证结论。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI HuntLegora CTO 访谈：法律 AI agent 实现 1 亿美元 ARR 与 88 亿美元估值
Legora CTO Jacob Lauritzen 介绍法律 AI agent 的商业化与工程实践。公司上线不到 18 个月，客户超过 1800 家，4 月 ARR 突破 1 亿美元，10 月完成 5.5 亿美元 E 轮融资，估值达到 88 亿美元。
- Latent SpaceLegora CTO Jacob Lauritzen 谈律师 AI 智能体的构建与评测
Legora CTO Jacob Lauritzen 在访谈中介绍其法律 AI 平台的智能体、Tabular Review、Lists 和 Slack intake 等产品，以及在无法查看客户数据时开展评测的方法。
- Latent SpaceLegora CTO Jacob Lauritzen谈无法查看运行轨迹时如何构建法律智能体
Legora CTO Jacob Lauritzen介绍团队如何在无法读取客户数据轨迹的条件下构建和测试法律智能体。律师可用该智能体起草和编辑 Word 文档、审阅包含 10,000 份合同的表格并执行尽调，团队还通过模拟客户工作环境的评测体系定位失败类型。访谈提到其引用正确率从 70% 提升至 99% 后无需修改产品，并讨论模型选择、Azure 部署、智能体协作及计费工时对法律工作的影响。
- AGI HuntLegora CTO 谈法律 Agent 在数据不可见时的构建与评测
Latent Space 播客对话 Legora CTO Jacob Lauritzen，讨论在客户数据完全保密、无法查看 Agent 工作痕迹时如何构建和评测法律 Agent。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。