arXiv 2026年10月6日作者构建 InvestigationWorlds：从 PACER 检索 100 个已决简易判决动议的真实联邦民事案件，用经律师验证的生成流程在原始证据卷宗周围合成带角色标签的文件，使同一语料支持多个自洽但互不相容的事实假说，仅一个与法院采纳的假说一致；在 100 个案件上评估六个前沿智能体，发现它们虽能检索到相关证据，却常锁定错误假说，最高案件解决率仅 33.3%。作者构建 InvestigationWorlds：从 PACER 检索 100 个已决简易判决动议的真实联邦民事案件，用经律师验证的生成流程在原始证据卷宗周围合成带角色标签的文件，使同一语料支持多个自洽但互不相容的事实假说，仅一个与法院采纳的假说一致；在 100 个案件上评估六个前沿智能体，发现它们虽能检索到相关证据，却常锁定错误假说，最高案件解决率仅 33.3%。InvestigationWorlds 用 100 个真实联邦判决构建法律调查环境，最强模型仅解决三分之一案件作者构建 InvestigationWorlds：从 PACER 检索 100 个已决简易判决动议的真实联邦民事案件，用经律师验证的生成流程在原始证据卷宗周围合成带角色标签的文件，使同一语料支持多个自洽但互不相容的事实假说，仅一个与法院采纳的假说一致；在 100 个案件上评估六个前沿智能体，发现它们虽能检索到相关证据，却常锁定错误假说，最高案件解决率仅 33.3%。作者构建 InvestigationWorlds：从 PACER 检索 100 个已决简易判决动议的真实联邦民事案件，用经律师验证的生成流程在原始证据卷宗周围合成带角色标签的文件，使同一语料支持多个自洽但互不相容的事实假说，仅一个与法院采纳的假说一致；在 100 个案件上评估六个前沿智能体，发现它们虽能检索到相关证据，却常锁定错误假说，最高案件解决率仅 33.3%。