DLawBench：通过多轮法律咨询评估LLM

律师与委托人咨询是法律服务的重要起点。有效的法律援助取决于从客户那里获取充分和真实的信息，以便制定最能保护其利益的策略。这项任务要求大语言模型（LLM）不仅能够进行稳健的法律推理，还需要通过多轮交互有策略地引出重要事实，并有效引导不同性格的客户。然而现有的法律基准忽视了这种互动能力。为了填补这一空白，我们推出了 DLawBench，一个用于现实世界法律咨询的诊断基准。根据现实的客户行为，我们将律师与客户的互动分为四种类型：合作型、依赖型、退缩型和对抗型。 DLawBench通过基于真实案例的对话，评估LLM能否在现实条件下有效开展法律咨询。 DLawBench包含461个中国和美国法律案例、5,532个配对事实条目、3,411个查询量规和3,348个问题解决量规，并评估了26个有代表性的LLM。系统实验显示出巨大的空间：表现最好的模型 GPT-5.5 在基于咨询的法律推理上仅达到 0.562。更重要的是，DLawBench 暴露了法律咨询中的阿谀奉承和悖论：当客户最需要指导时，模型表现更差。