其他行业 · AI应用
为法律专业人士定制模型
Harvey为法律专业人士打造了一个安全的生成式AI平台，专注于判例法研究。通过与OpenAI合作，他们开发了一个定制训练的判例法模型，利用100亿个token的数据，增强了推理能力并减少了法律输出中的幻觉。他们的解决方案使律师能够高效起草文件并回答复杂的诉讼问题。
事实性回答提升
83%
来源披露
律师偏好定制模型输出比例
97%
来源披露
01
业务背景
Harvey为法律专业人士打造了一个安全的生成式AI平台，专注于判例法研究。通过与OpenAI合作，他们开发了一个定制训练的判例法模型，利用100亿个token的数据，增强了推理能力并减少了法律输出中的幻觉。他们的解决方案使律师能够高效起草文件并回答复杂的诉讼问题。
02
遇到的问题
法律专业工作（如交易与诉讼）日益复杂，需审阅数十万份合同或数百万封邮件，律师耗费大量时间检索、起草法律文本，且通用基础模型缺乏法律领域知识、检索增强生成难以满足复杂判例法研究需求。
03
AI 解决方案
Harvey与OpenAI合作，由律师讲解判例法研究流程、研究员展示已有工作，共同向基础模型注入新知识与推理方式，先加入特拉华州判例法再扩展至全美判例法，新增约100亿token数据训练定制判例法模型，支持粘贴客户问题并详尽作答且引用来源，用于起草文件、回答复杂诉讼问题、识别合同差异。
- 1律师与研究员向OpenAI说明判例法研究与已有工作
- 2从特拉华州判例法开始注入数据训练定制模型
- 3扩展至全美判例法并加入约100亿token数据
- 4与10家大型律所测试对比定制模型与GPT-4输出
04
实施结果
事实性回答提升：83%（83% increase）
律师偏好定制模型输出比例：97%（97% of the time）
05
风险与边界
仅使用公开API微调或RAG系统在复杂开放判例法场景下存在局限，基础模型推理强但缺法律知识；定制模型前检索只能回答非专家领域的简单问题，对律师找论证弹药用途有限。
““97% of the time, the lawyers preferred the output from the case law model,” Weinberg said. “Usually, it was because it was a longer, more complete answer. It went into the nuance of what the question was asking and covered more relevant case law.””
Winston Weinberg · Harvey联合创始人（律师背景）
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。