生成解释
运用法律和经济学领域的不完全契约理论可为理解AI对齐问题提供框架,并提出了一种集中于如何构建能够复制人类认知过程的AI以连接个体不完全合同与外部支持结构的研究议程。
Apr, 2018
本研究提出了一种新的自然语言推理应用——针对合同的“文档级自然语言推理”,解决了合同审查过于耗时和过于昂贵的问题,并标注并发布了目前最大的包括607个合同的语料库。研究还指出,以往的模型在该任务上表现不佳,而研究者引入了一种新的算法,并通过多标签分类和更复杂的上下文分割方法使该任务取得了显著进展,并认为这一领域还有很大的改进空间。
Oct, 2021
本研究旨在建立一个AI理解法律标准更广泛的框架,并通过遵循法律反馈(RLLF)进行强化学习,研究表明,在使用美国法院意见标准的大型语言模式方面,AI在理解受托义务方面的准确性可达到78%,表明AI在解释不确定状态下指令方面具有一定的理解能力,并为该能力的改进奠定基础。
Jan, 2023
本篇论文探讨了大型语言模型(LLMs)在应用税法方面的能力,发现使用少量提示可以显着提高最先进的模型性能,但它们仍不能像专业的税务律师那样进行推理和判断。
Jun, 2023
人工智能和大型语言模型的进步正在给法律领域的自然语言处理任务带来深刻的转变。大型语言模型在法律部门展示出越来越多独特的优势和各种挑战。本调查研究了大型语言模型与法律系统之间的协同作用,例如在法律文本理解、案例检索和分析等任务中的应用。此外,该调查还突出了大型语言模型在法律领域面临的关键挑战,包括偏见、可解释性和道德考虑,以及研究人员如何解决这些问题。调查展示了针对不同法律体系量身定制的最新进展,以及用于各种语言的大型语言模型微调的法律数据集。此外,它提出了未来研究和发展的方向。
Apr, 2024
近年来,生成人工智能(GenAI)技术的普及,如预训练的大规模语言模型(LLMs),在计算法律领域开辟了新的前沿。本文介绍了在将人工智能应用于法规和合同法中自动化的基于规则推理的激动人心的领域,并提出了几个自动化软件测试和程序分析的概念,这些概念在利用人工智能进行法规和合同分析时可能非常有用。
Apr, 2024
通过调查法律专业人士对由大型语言模型生成的法律文件的知觉,本研究发现,尽管大多数参与者希望未来文件能够自动生成,但他们更倾向于认为由人工制作的文件优于由人工智能生成的文件。这些发现可以帮助法律从业人员、政策制定者和立法者负责地实施和采用法律文件生成技术,并推动讨论如何更新法律流程以反映最近的技术进展。
Jul, 2024
本研究通过实证分析探讨了大型语言模型(LLMs),特别是GPT-4,在复杂决策情境中如何解读宪法原则。研究发现,GPT-4更倾向于支持进步的法律解读,忽视了 competing values,提示了在实际决策中部署LLMs时所需考量的数据偏差影响。
Jul, 2024
本研究探讨大型语言模型(LLMs),特别是GPT-4,在复杂决策场景中如何解读宪法原则,填补了对其法律推理能力的实证分析空白。研究发现,GPT-4倾向于支持进步的宪法解读,常常忽视相互竞争的价值观,反映出数据偏见的影响。因此,强调在实际应用中测试一致性的重要性,并考虑LLMs在决策过程中的潜在影响。
Jul, 2024