LegalBench (法務推論ベンチ)
読み: りーがるべんち（ほうむすいろんべんち）
最終更新: 2026-07-31・AI PICKS編集部
定義
LegalBenchとは、契約解釈や規則適用など162種の法務推論タスクで構成された、大規模言語モデルの法的推論能力を測るオープンベンチマークのことである。
LegalBench (法務推論ベンチ)とは — 詳しく解説
LegalBenchは、スタンフォード大学の研究者らと法律専門家が共同構築した、大規模言語モデルの法務推論能力を測るオープンなベンチマークである。契約解釈や規則適用、法的議論の構造分析など多岐にわたるタスクで構成され、条文の暗記でなく実際の法的推論力を測る評価軸として業界標準的に参照される。もっとも2026年時点の実運用では注意が要る。スコアが高くても英米法圏のタスクが中心で、日本法や自社固有の契約書式への対応力は測れないため、そのまま採用判断の根拠にするのは危険とされる。加えてタスク群を網羅的に回すにはAPI呼び出しのコストがかかり、モデル比較を重ねるほど相場感としての費用がかさむ点も現場で見落とされがちだ。現場での選び方としては、スコアを鵜呑みにせず自社が扱う契約類型に近いタスクだけを抽出し、社内データでの追加検証と組み合わせて判断するのが現実的とされる。
LegalBench (法務推論ベンチ)の使用例
- 契約審査AIの導入検討時に、LegalBenchの契約解釈タスクのスコアを比較材料の一つとして参照する。
- 自社の日本語契約書レビューに使う前に、LegalBenchの評価環境で近いタスク類型だけを抽出して追加検証する。
LegalBench (法務推論ベンチ)に関連するAIツール
関連用語
「評価指標」の他の用語
Massive Multitask Language Understanding。 57 分野・1.5 万問の LLM 知識評価ベンチマーク。
OpenAI 発の Python コーディング能力ベンチマーク。 164 問の関数実装タスク。
ユーザー投票による LLM の人間評価ランキング。 Elo レーティングで モデルを順位付け。
ベンチマークとは、AIモデルの性能を標準化されたテスト課題で数値化し、異なるモデル間を公平に比較するための評価基準セットのこと。MMLUやHumanEval等、用途別に数十種類が存在する。
SWE-benchとはGitHubの実際のIssueをAIが自動修正できるかを測る、コーディングAI評価の業界標準ベンチマークのこと。
GPQAとは、生物・物理・化学の大学院レベルの難問でAIの推論力を測る評価ベンチマークのこと。Googleで検索しても解けない設計が特徴。
AI用語辞典をすべて見てみませんか
12カテゴリ・1263語以上を体系的に整理しています
辞典トップへ