Acompanhamento de artigos

Grandes modelos de linguagem justificam cada vez mais decisões jurídicas citando a lei ou o precedente por trás de uma decisão, o que é tratado como evidência de que a decisão decorre dele. Testamos isso diretamente: mantendo fixos os fatos do caso, substituímos a fonte jurídica citada por outra sem relação e decodificamos a decisão em formação do modelo a partir de seus estados ocultos. Em sete modelos de pesos abertos (8B-70B) e quatro benchmarks de raciocínio judicial e contratual, quando explicitamente obrigados a justificar uma decisão citando a fonte aplicável, os modelos citam a correta em 66,7%-100% das gerações, enquanto a mudança de decisão quando a fonte muda é bem menos consistente: 0,0%-21,7% no CaseHOLD, 30,0%-76,7% no ECHR e no SCOTUS e 43,3%-50,0% no ContractNLI. Nem a escala nem um modelo criado especificamente para raciocínio jurídico (uma reprodução LoRA feita com o melhor esforço possível; seção 6) fecham essa lacuna. Uma avaliação de red teaming em cinco modelos principais mostra que a obediência a uma instrução maliciosa escondida nos fatos do caso (73,3%-96,4%) supera com folga a sensibilidade à troca de decisão, sem exceção em todos os rankings de modelos. Citar uma fonte jurídica é, portanto, um indicador fraco da dependência da decisão em relação a ela, e essa mesma decisão continua, separadamente, vulnerável à manipulação maliciosa. Os dois resultados se replicam em verificações que descartam ruído de formulação do prompt e amostragem com fatores de confusão, e afetam diretamente o uso de explicações jurídicas geradas como evidência de compliance ou auditoria. (Tradução de Tokenization Architect; prevalece o original em inglês.)

Grandes modelos de linguagem são cada vez mais usados em pesquisa e redação jurídicas, mas ainda podem produzir afirmações que soam convincentes sem serem sustentadas pela fonte citada. Apresentamos o PARCEL, um benchmark para verificar se uma afirmação jurídica é sustentada pela fonte subjacente. A partir de decisões recentes do Tribunal de Apelações do Estado de Nova York, construímos um conjunto de dados de 3.396 afirmações no estilo parentético, rotuladas como Sustentada, Refutada ou Não encontrada. Formulamos a tarefa como um problema de inferência em linguagem natural de três classes e avaliamos vários LLMs de ponta sem exemplos prévios (zero-shot). Embora os modelos mais fortes cheguem a até 0,97 de acurácia, os resultados também mostram uma fraqueza importante: os modelos ainda marcam incorretamente como sustentadas afirmações que não são, mesmo quando recebem o texto completo da decisão. Em todos os modelos, a falta de sustentação é mais difícil de detectar do que a contradição direta, e citações inventadas, mas plausíveis, causam a maior queda de desempenho. No geral, o PARCEL oferece um benchmark prático para testar a fundamentação por afirmação em sistemas de RAG jurídico. (Tradução de Tokenization Architect; prevalece o original em inglês.)

O volume de transferências on-chain é frequentemente usado para descrever a atividade em ativos do mundo real (RWA) tokenizados, embora as transferências registradas possam refletir funções econômicas muito diferentes, incluindo criação e destruição de tokens, operações ligadas ao emissor e movimentações entre outros endereços. As medidas de propriedade enfrentam um problema semelhante, porque o saldo elevado de um endereço pode pertencer a um pool ou intermediário que representa vários investidores. Tratamos esses dois problemas de medição decompondo a atividade de transferências e tornando explícita a cobertura da propriedade. O giro de transferências é calculado antes e depois da separação das categorias de eventos observáveis, com o mesmo ativo, a mesma janela de observação e o mesmo denominador de oferta. Para a propriedade, comparamos a concentração medida sobre a oferta total com a concentração entre os endereços que restam após a exclusão dos intermediários identificados. Usando fundos tokenizados baseados em Ethereum de dezembro de 2025 a agosto de 2026, constatamos que a classificação das transferências pode alterar de forma relevante o giro medido. Mostramos também que remover um intermediário pode reduzir a concentração medida sobre a oferta total enquanto a concentração entre os endereços restantes aumenta. A atividade de transferências e a concentração por endereço precisam ser interpretadas considerando as funções das transações subjacentes e a cobertura da propriedade. Essas medidas fornecem indícios sobre a atividade relacionada à liquidez, mas não medem diretamente a liquidez de mercado. O código e os dados da análise estão disponíveis nesta URL https. (Tradução de Tokenization Architect; prevalece o original em inglês.)