Legora CTO Jacob Lauritzen 谈如何为律师构建 AI
Latent Space 播客访谈 Legora CTO Jacob Lauritzen，聊为律师构建 AI 智能体的具体做法。Legora 已实现超过 1 亿美元 ARR、拥有 1800 多家客户，今年 10 月以 88 亿美元估值完成 5.5 亿美元融资。由于客户数据高度保密，其评测团队由 3 名工程师与 3 名律师搭建 RL 环境模拟真实工作，并把失败归类为 10 到 20 种已知故障模式。
#评测/基准
Latent SpaceAI 评分5555 OpenAI NewsAI 评分5252 OpenAI 推出 LifeVal 基准，衡量 AI 协助完成日常事务的能力
OpenAI 推出 LifeVal 基准，用来衡量 AI 帮助人们完成日常任务的效果。该基准覆盖的范围包括寻找托育服务、管理财务和处理政府文书等生活事务。
Latent SpaceAI 评分4949 Elorian 发布视觉推理模型 Glimpse 与 DecoyCount 基准，前沿模型准确率不足 50%
Elorian 推出视觉推理模型 Glimpse，并联合 Mercor 发布 DecoyCount 基准，测试模型是真计数还是依赖视觉捷径。论文中前沿模型准确率均低于 50%，最高的 GPT-6 Astra 为 43.17%，Glimpse 内部测试得分 50.48%，是唯一超过 50% 的模型。
Latent Space精选AI 评分8282 Latent Space 速览：Gemini 4 Carbon 登顶多项榜单，仅向网络安全防御方开放
Google DeepMind 发布 Gemini 4 Carbon，距上一代 Argon 仅两周，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并称其在网络安全与长周期任务上达到 SOTA。
推荐理由：围绕 Gemini 4 Carbon 发布的一期行业速览，把独立榜单、定价、可用范围与争议放在一起，便于横向比较各家模型的位置。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon，称其在网络安全与长程任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，在 SEC-bench Pro 得分 88.2%、ExploitGym 得分 54.8%、CWE-bench 得分 71.0%。
推荐理由：Gemini 4 Carbon 在网络安全与长程智能体任务上的基准表现，以及分阶段开放的策略，都是观察前沿模型能力与部署节奏的一个样本。
Microsoft ResearchAI 评分4949 微软 StudentSim：用个性化 AI 学生模拟器评估和改进 AI 辅导系统
微软研究院提出 StudentSim，从公开的去标识学习者记录训练个性化 AI 学生模拟器，用于在接触真实学生前评估和改进 AI 辅导系统。研究同时发布 StudentSimEval 基准，从"像不像该学生"和"能否随辅导提示更新作答"两个维度评估模拟器表现。在国际象棋、英语二语写作和数学三个场景中，StudentSim 优于领先基线，可为 AI 辅导训练提供反馈信号。
GitHub Blog · AI & ML精选AI 评分6565 GitHub 发布 AI 代码审查基准 ReviewBench
GitHub 发布开源代码审查基准 ReviewBench，基于 103.9M 条 pull request 的分布构建，包含 219 条来自 187 个公开仓库、覆盖 19 种语言的 pull request。
推荐理由：GitHub 公开了 ReviewBench 的语料构建、标注流程和评测口径，可用于比较不同代码审查智能体。