Large Language Models (LLMs) 在法律领域的应用日益广泛，但在面对非专业用户的模糊咨询时，现有模型往往给出缺乏责任感且实用性低的回答，因为案件细节不足以得出明确结论。为帮助普通人，法律LLM需要主动识别争议焦点并向用户索取关键信息。现有数据集多关注交互质量，未能揭示主动交互对下游判决预测的影响。为填补这一空白，本文提出 LexPilot 基准，关联主动法律交互与基于真实中文民事判决的索赔级判决预测。LexPilot 由 432 份真实判决、覆盖 36 类常见诉因构成，提供专家审校的完整咨询与省略细节的咨询对，以及对应的法院裁判。实验表明，在省略细节的咨询情境下，当前 LLM 在主动交互方面表现不佳，导致下游判决预测下降约 23.84%。进一步分析指出了关键瓶颈。工作强调了面向用户的法律 AI 的迫切需求。
点评