一段法律意见写得流畅，不等于它真的能交付。比如让 AI 处理一项并购资料室任务，它不仅要读懂文件，还要按指令完成工作，并覆盖评分标准要求的关键点。法律错误可能影响权利、责任或重大决策，通用问答排行榜很难量出这些差别。
Harvey AI 开源的 Legal Agent Benchmark（LAB，法律 Agent 基准评测）因此把考场搬近真实工作。项目包含两部分：一套任务数据，以及一套执行框架。每项任务配有 Agent 指令、文件和 Rubric——预先写明得分条件的评分量表；执行框架则负责运行 Agent、收集结果并完成评价，让不同系统能在相近条件下受测。
目前最具体的入口是一项完整的并购资料室作业演练，流程覆盖环境设置、查看任务、运行 Agent、评分、审阅报告和比较仪表盘。它的意义不在于再造一张总榜，而是提供一把更贴近法律实务的尺子。项目仍在持续增加和修订任务集与执行框架，因此现阶段更适合把它看作正在建设的专业考场，而非定型的能力结论。