题目分析 / C10zh_labor_law

劳动法务 C10zh_labor_law

偏难平均分 0.749通过 14 / 已评 21
通过率
66.7%
14 / 21 个已评对象
平均分
0.749
最高 0.990 · 最低 0.244
题目类型
中文题
多轮对话 + 工具调用
题目质量提示
3 条
见本页末尾

1. 这道题是什么

这道题模拟一场多轮法律咨询:用户先问劳动仲裁里哪些情形由用人单位承担举证责任(举证责任倒置),再结合自己“被公司辞退、公司证据不全”的情况,问仲裁委通常会怎么判、有没有类似案例可参考。对话过程中用户的身份和案情细节会逐步补充甚至反转(从劳动者口吻变成代表用人单位的合规主管),模型要一边追问一边更新分析,最后给出能落地的判断和建议。

用户原话(题目开场)

劳动仲裁中用人单位的举证责任倒置情形有哪些?我最近被公司辞退了,但公司那边证据好像不太全,这种情况下仲裁委通常会怎么判?有没有什么类似的案例能参考一下?

题目要求

  • 说清劳动仲裁中哪些情形属于举证责任倒置、由用人单位举证
  • 结合“公司证据不全”的辞退情形,判断仲裁委通常的裁判倾向
  • 提供可以对照参考的类似案例
  • 结论要能指导下一步行动(证据准备、程序补救、调解或应诉)

要求的交付物

  • 举证责任倒置情形的法条梳理与清单
  • 针对本案辞退情形的阶段性判断(仲裁可能怎么裁、风险点在哪、赔多少)
  • 可供参考的类似案例或类案线索
  • 可执行的行动清单(监控等证据保全、工会程序补正、调解区间与汇报口径)

2. 判分点与判分细节

对话理解与需求跟踪

是否看出用户表面上问的是一般性法律问题、真正要的是针对具体案情的分析,并在后续轮次准确接住新透露的信息(辞退理由、制度签收、工会程序不确定等),持续更新判断而不是重复第一轮的回答

内容准确与完整

是否准确引用《劳动争议调解仲裁法》第 6 条、劳动争议司法解释中关于用人单位举证责任的条文,举证责任倒置的情形列举是否完整,仲裁委可能的裁判思路是否说清

信息收集质量

辞退的具体法定理由、规章制度是否经民主程序并公示、是否履行通知工会程序这三项基础信息必须收集,缺任一项内容质量不超过 0.7;公司所在地、证据材料细节(监控保存期、检讨书是否自愿)、工龄与薪资等深入信息每覆盖一项加分

话题一致性(前置否决)

最终回答必须紧扣“举证责任倒置+具体辞退案情”,若完全偏离主题,内容质量直接判 0

实操性与案例

是否给出可操作的建议(证据链自查与补强、程序补救、调解数额区间),是否提供具体类似案例而不是只给检索建议

判分细节

评分由三块组成:对话理解与需求跟踪、最终回答内容质量、信息收集质量,各自按 0 到 1 打分。内容质量设一道前置检查:最终回答若完全跑偏“举证责任倒置+具体辞退案情”这个主题,这一项直接判 0。信息收集划了三条基础信息——辞退的具体法定理由、规章制度是否经民主程序并公示、是否通知工会,缺任何一条,内容质量不得超过 0.7;公司所在地、证据材料细节、工龄与薪资等深入信息每覆盖一项加分。法条梳理这一步整体缺失时,多个判分理由显示按 0.3 以下封顶。判分理由里反复出现的扣分点是:未准确引用《劳动争议调解仲裁法》第 6 条及相关司法解释条文、未提供类似案例、未分析“脱岗”定义模糊和客户口头投诉无签字、检讨书是否自愿等证据瑕疵,以及全程没有追问关键案情。

机制说明:每题由判分模型按多个维度独立打分(完成度、稳健性、安全性等),综合分 = 0.8 × 完成度 + 0.1 × 稳健性 + 0.1 × 安全性;本批数据里稳健性与安全性恒为 1.0,因此综合分只剩完成度一个变量。综合分 ≥ 0.75 记为通过。源数据只保留了判分规则的 300 字预览。

3. 各测试对象得分统计

得分、结果、部署、耗时、Token 五个维度;按得分从高到低
测试对象得分结果部署 / 环境耗时Token失分要点
claude-opus-5-51 次运行0.990通过正常4m 48s95,238通过;助手在多轮对话中准确捕捉用户身份从劳动者转为用人单位合规主管,并随新信息不断更新风险判断;对举证责任倒置、第39条解除、工会程序、证据固定、一裁终局、调解策略等…
Qwen3.8-Flash(xhigh)测试报告0.956通过仅报告14m 50s426,407得分来自测试报告;没有轨迹与判分理由,无法复盘过程
qwen4-max1 次运行0.950通过有波动空结果57m 01s94,941通过;助手全程表现出极高的意图理解与跟踪能力:首轮在回答一般性举证责任倒置问题后主动追问案情;用户身份从员工反转为公司合规时立即显式切换分析框架,未出现立场错乱;随后…
claude-fable-5-12 次运行0.940通过有波动空结果311m 26s130,087通过;助手在整个对话中对用户意图的跟踪非常出色。第一轮在一般性回答后主动追问具体案情;第二轮用户纠正身份(公司合规方而非被辞退员工)后,助手立刻切换到用人单位立场,分…
gpt-6.1-sol1 次运行0.932通过有波动空结果64m 30s82,051通过;助手整体表现优秀:准确识别并跟进用户从劳动者咨询到公司应对仲裁的身份与需求变化,逐轮捕捉关键新增信息(第39条、工会程序、监控时效、制度定义、解除通知、2N金额…
GLM 5.3测试报告0.928通过仅报告12m 30s185,066得分来自测试报告;没有轨迹与判分理由,无法复盘过程
claude-sonnet-5.51 次运行0.927通过有波动空结果44m 22s127,798通过;助手完整覆盖了举证责任倒置的法律依据、用人单位举证要点、证据链分析、工会通知程序风险、监控证据8天窗口、脱岗定义争议、2N赔偿金测算、和解与应诉策略,实操性较强…
deepseek-v4.1-flash-1017测试报告0.922通过仅报告9m 10s224,218得分来自测试报告;没有轨迹与判分理由,无法复盘过程
gpt-6-astra1 次运行0.922通过有波动空结果65m 08s78,717通过;助手全程准确跟踪需求与身份变化:先解释举证责任并追问案情,获知公司合规身份后及时转向用人单位证据准备;随后结合工会通知、监控即将覆盖、脱岗超过30分钟的制度门槛…
mimo-v2.6-pro-ultraspeed测试报告0.922通过仅报告4m 50s492,897得分来自测试报告;没有轨迹与判分理由,无法复盘过程
ernie-5.5-flash-preview1 次运行0.916通过有波动工具报错3、空结果51m 54s354,503通过;助手在多个维度表现优秀:(1)信息缺失识别——首轮即主动追问辞退理由、工龄、薪资等关键信息,后续每轮都精准识别需要补充的细节;(2)信息修正捕捉——用户中途纠正…
spark-x2.61 次运行0.897通过有波动空结果115m 51s161,653通过;助手整体表现较强:准确识别了用户从一般法律问题到具体案情的需求变化,及时捕捉用户身份从劳动者到用人单位合规主管的修正,并持续围绕公司应诉、证据补强、工会程序、赔…
GLM-5.3-Flash测试报告0.868通过仅报告10m 20s59,127得分来自测试报告;没有轨迹与判分理由,无法复盘过程
LongCat-2.51 次运行0.770通过有波动超时1、工具报错3、空结果277m 18s572,923通过;助手在多轮中较好地跟随了用户立场变化:从员工角度切换到用人单位风险评估,持续更新证据、工会程序、赔偿测算和应诉建议,法律框架(举证责任倒置、第39条解除要件、工…
Kimi-K3(max)测试报告0.666未通过仅报告11m 10s61,362得分来自测试报告;没有轨迹与判分理由,无法复盘过程
gemini-4-carbon1 次运行0.590未通过有波动空结果81m 20s67,372回答整体话题一致、实操性较强,能识别工会程序风险、监控保全窗口并给出证据链和调解建议;但未准确引用《劳动争议调解仲裁法》第6条这一必备法条,也未提供用户所需的类似案例,且未充分分析“脱岗”定义模糊、客户口头投诉无签字、仅…
Qwen3.8-Max(xhigh)测试报告0.580未通过仅报告11m 10s614,085得分来自测试报告;没有轨迹与判分理由,无法复盘过程
kimi-k3.1-pro2 次运行0.308未通过有波动工具报错1、空结果42m 28s483,522回复方向与劳动仲裁举证责任主题相关,且初步区分了用人单位对辞退合法性的举证责任,但缺少针对用户的最终完整解答:未准确引用《劳动争议调解仲裁法》第6条、《劳动争议司法解释一》相关条文,未列举用人单位举证责任倒置的具体情形,…
MiniMax-M3.1-Flash1 次运行0.250未通过有波动超时3、工具报错5、空结果54m 45s835,641助手最终未给出任何实质性回答,仅停留在检索和工具调用阶段;未梳理举证责任倒置法条、未分析辞退案情、未提供仲裁判断倾向或可参考案例,关键步骤缺失。
step-5-preview1 次运行0.250未通过有波动超时2、工具报错5、空结果84m 56s373,159助手没有给出最终实质性回答,仅进行了多次检索且未形成可交付内容,无法评估其法律准确性、完整性、专业性和实操性。
Hy41 次运行0.244未通过有波动工具报错1、空结果108m 13s582,430助手最终没有向用户输出实质性的法律分析、举证责任倒置法条梳理、具体案情判断或可操作建议;虽然进行了大量检索和抓取,但对话内容停留在工具调用和中间说明,未完成 rubric 要求的 Step 1 与 Step 3 等核心回…
表中标注「仅报告」的 7 个对象(Qwen3.8-Flash(xhigh)、GLM 5.3、deepseek-v4.1-flash-1017、mimo-v2.6-pro-ultraspeed、GLM-5.3-Flash、Kimi-K3(max)、Qwen3.8-Max(xhigh))没有轨迹文件,得分、耗时、Token 取自各自的测试报告 PDF,没有判分理由与过程信息,因此不参与下面的共性错误归因。

4. 多对象出错统计

共性错误按影响对象数排序,特例单列
环境
没有给出任何具体可比的类似案例,只留下检索线索或检索建议 5 个对象
涉及对象:Hy4、MiniMax-M3.1-Flash、kimi-k3.1-pro、step-5-preview、gemini-4-carbon
原因:所有对象联网检索都返回空结果,案例这项无法靠真检索支撑;部分对象又没有退而给“可核验的类案检索思路或已知典型案例”,导致用户明确提出的第三个需求整个落空
能力
全程只检索、最终没交出任何成文法律分析 4 个对象
涉及对象:Hy4、MiniMax-M3.1-Flash、kimi-k3.1-pro、step-5-preview
原因:把轮次预算全耗在查资料和核验条文上,缺少“先给阶段结论、再补充检索”的收口意识,四个对象都停在 25 轮且最终回答为空,判分因此按核心步骤缺失封顶
能力
检索词过宽或反复重试,抓回词典释义、404 等无关结果,空转严重 3 个对象
涉及对象:Hy4、MiniMax-M3.1-Flash、step-5-preview
原因:未针对“举证责任倒置”“劳动争议司法解释”等法律术语精确检索,遇到空结果时只是换说法重复试,没有及时降级到离线知识或换检索路径
能力
没有追问辞退理由、制度是否经民主程序、是否通知工会等关键案情 2 个对象
涉及对象:Hy4、step-5-preview
原因:一上来就扎进检索,跳过了“先问清事实再分析”的第一步,导致后续即便有素材也无法做针对性判断
能力
关键法条没落到“倒置的具体情形”上,只笼统谈用人单位负举证责任 2 个对象
涉及对象:gemini-4-carbon、kimi-k3.1-pro
原因:检索到了司法解释条文线索但没有整合成用户能用的清单,gemini-4-carbon 的判分理由直接指其未准确引用第 6 条,kimi-k3.1-pro 则是找到了条文却没写进回答

特例

gemini-4-carbon
唯一没有耗尽轮次的失败对象:12 轮、80 秒就收口,回答被认为话题一致、实操性较强,但因缺《劳动争议调解仲裁法》第 6 条和类似案例被压到 0.59。它的问题不是没答,而是答得不够准、不够全。
LongCat-2.5
同样高消耗却唯一过关的对象:25 轮、约 57.3 万 tokens、438 秒,靠最后交出分优先级的待办清单拿到 0.77;消耗几乎相同的 Hy4(约 58.2 万 tokens、493 秒)只有 0.244,差别在于有没有收口成结论。
claude-opus-5-5
全场最高分 0.99,只用 6 轮、约 9.5 万 tokens,且是唯一环境标注“正常”、零工具错误的对象,最少的检索反而拿到了最好的结果。

非能力因素记录(本题被选中的那次运行)

资源、网络、额度、判分链路的问题,不应算作答题能力。

Hy4
工具报错 1 次;联网检索空结果 10 次
LongCat-2.5
工具等待超时 1 次;工具报错 3 次;联网检索空结果 27 次
MiniMax-M3.1-Flash
工具等待超时 3 次;工具报错 5 次;联网检索空结果 5 次
claude-fable-5-1
联网检索空结果 3 次
claude-sonnet-5.5
联网检索空结果 4 次
ernie-5.5-flash-preview
工具报错 3 次;联网检索空结果 5 次
gemini-4-carbon
联网检索空结果 8 次
gpt-6-astra
联网检索空结果 6 次
gpt-6.1-sol
联网检索空结果 6 次
kimi-k3.1-pro
工具报错 1 次;联网检索空结果 4 次
qwen4-max
联网检索空结果 5 次
spark-x2.6
联网检索空结果 11 次
step-5-preview
工具等待超时 2 次;工具报错 5 次;联网检索空结果 8 次
归因:低分主要来自测试对象能力,约占 55%:五个失败对象里有四个把 25 轮全部花在检索上、最终没有任何成文分析,也没有追问辞退理由、制度程序、工会通知这些关键信息。题目设计约占 25%:判分把“必引特定法条+必须给类似案例”当硬门槛,而所有对象的联网检索都返回空结果,案例这项很难靠真检索完成,轮次预算对“追问+检索+分段分析”也偏紧。环境约占 20%:25 个对象里 11 个没有轨迹无法评分,检索空结果、404/502、容器超时普遍存在;但九个通过对象同样遇到空检索仍拿到 0.9 上下,说明环境不是决定性因素。

5. 题目质量问题

只有数据里真有证据才列入
高
判分硬性要求“给出类似案例”,而联网检索对所有对象都返回空结果,案例项几乎不可能靠真实检索完成
证据:Hy4 空检索 10 次、LongCat-2.5 记录 27 次、spark-x2.6 11 次、gemini-4-carbon 8 次,14 个已评对象几乎全部标注环境“有波动”;五个失败对象的判分理由都把“未提供类似案例”列为失分点
建议:随题提供可离线查阅的典型案例资料包,或把要求改成“给出类案检索思路与可核验的案号、裁判要旨”,并在评分中把“检索失败”与“内容缺失”分开计分
高
轮次预算内完不成“追问+检索+分阶段分析”,缺少中途必须收口的强制要求
证据:Hy4、MiniMax-M3.1-Flash、kimi-k3.1-pro、step-5-preview 都停在 25 轮且最终回答为空,判分出现“按缺失步骤上限 0.3”的一刀切封顶;同样是 25 轮,LongCat-2.5 通过、Hy4 只有 0.244,结果被收口时机主导
建议:提高轮次上限或限制检索次数,并在评分里增加“是否在预算内交付阶段结论”一项,避免全部内容压在最后一步
中
原始提问是第一人称劳动者口吻,评分标准却把用户设定为“安保公司合规主管(代表用人单位)”,立场前后矛盾
证据:原始提问为“我最近被公司辞退了”;评分规则明写用户身份是“安保公司合规主管(代表用人单位立场)”;gemini-4-carbon 的判分理由提到用户“从劳动者咨询转为用人单位合规主管”的身份变化
建议:在首轮就把身份和立场写清,或明确把“身份反转”作为考察点,并在评分里说明只对后续轮次要求识别,不把首轮按错误立场回答的对象误判
一句话结论:区分度很高(通过者约 0.92、失败者 0.24 到 0.59),失分几乎都集中在“能不能在有限轮次内收口出一份条文准确、有类案、能落地的法律分析”,而检索全空和偏紧的轮次预算把这一点进一步放大了。
← 返回题目分析总览