读者如何验证 GLM-Legal 在 Harvey LAB 上的 19.2% 全过率是否真实有效？
读者可通过独立验证 Harvey LAB 的评测标准与数据来源，判断 GLM-Legal 的 19.2% 全过率是否真实反映其能力。
理解 Harvey LAB 的评测机制
据 OSCHINA 报道，Harvey LAB 是一个模拟真实律所工作流的评测平台，要求模型在 24 个执业领域内完成端到端任务。读者可查阅 Harvey LAB 官方文档，确认其评测标准是否公开透明，是否包含任务链路的完整评分机制。若评测规则未明确，可能影响结果的可信度。
核查评测数据的来源与独立性
文中提到 Harvey LAB 的评测由 Vals AI 独立运行。读者可查找 Vals AI 的公开资料，确认其是否具备专业评测能力，是否有过往评测案例可供参考。若 Vals AI 与智谱存在合作关系，可能影响评测结果的中立性。此外，读者可尝试联系 Harvey LAB 获取原始评测数据，以验证 19.2% 的全过率是否真实。
对比基座模型的性能提升
文中提到 GLM-Legal 在 Harvey LAB 上的全过率比基座模型提升了 12.5 个百分点。读者可查找 GLM-5.3-Flash 的评测数据，确认其在相同任务下的表现是否与文中描述一致。若基座模型的评测结果无法验证，可能影响对 GLM-Legal 提升幅度的判断。
关注评测结果的实际应用场景
Harvey LAB 强调模拟真实法律工作流，而非单纯背诵知识点。读者可参考律所或法律科技公司的实际需求，判断 19.2% 的全过率是否足以满足实际业务场景。若评测结果与实际应用存在较大差距，可能影响模型的实际价值评估。此外，读者可尝试寻找第三方机构或法律从业者对 GLM-Legal 的使用反馈，以补充评测数据的不足。
资料与延伸阅读
你可以通过以下原始资料核对文中概念，并继续深入阅读。