诡计语义：根据通用领域最先进技术对法律欺骗检测进行基准测试

欺骗检测对法律程序、执法和在线安全具有重要影响。尽管人类判断的准确性和可扩展性有限，但自然语言处理 (NLP) 提供了数据驱动的替代方案。我们对基于 NLP 的自动欺骗检测 (ADD) 进行了调查和比较分析，重点关注法律领域，回顾了从基于特征的机器学习到 大语言模型 (LLM) 方法的演变。我们对七个数据集（两个合法的，五个一般领域的）进行了统一的实证评估，比较了四种提示策略下的六个微调 Transformer 模型和七个 LLM。结果显示出很强的领域敏感性，经过微调的模型在数据丰富的一般领域表现出色，而少量样本 LLM 在资源匮乏的法律环境中仍然具有竞争力。思维链提示通常不如直接分类。这些发现强调了在高风险法律背景下对领域适应和可解释系统的需求。