Dec, 2023

利用 GPT 编织司法之路：基于 LLM 的交互式法律应用自动起草

PDF
TL;DR通过使用生成性人工智能，本研究论文描述了三种自动化完成法庭表格的方法：一种使用 GPT-3 通过迭代询问用户问题的生成性人工智能方法，一种使用 GPT-4 Turbo 生成受人工审核的问题草稿的受限模板驱动方法，以及一种混合方法。我们在所有三个实验中使用开源的 Docassemble 平台和由 Suffolk 大学法学院创建的 Assembly Line Weaver 工具。我们得出结论，混合模型中的受限自动起草和人工审核最适合编写引导性访谈的任务。
发现论文，激发创造
  • GPT 生成文本中对知识的浅层综合：自动关联工作组成的案例研究

    通过分析引文图，我们评估了人工智能辅助学术写作，并发现 GPT-4 在支持人类用户的构思方面能够生成合理的粗粒度引文组合，但在没有人为干预的情况下无法进行详细的相关工作综合。因此，我们建议未来的写作助手工具不应独立撰写文本。

    Feb, 2024

  • 基于 LLM 的内容生成交互：IT 部门员工感知的案例研究

    本研究通过问卷调查测量了 IT 公司员工使用生成工具的意愿，结果表明虽然其可接受性一般，但使用意愿随工具实用性感知程度提高而增加，并且使用频率是理解员工在工作中如何看待这些工具的关键因素。

    Apr, 2023

  • LawGPT 1.0 简介：基于 GPT-3 的虚拟法律助手

    本研究介绍了基于 GPT-3 的虚拟法律助理 LawGPT 1.0，可进行智能答疑、法律咨询和文书生成等工作，并获得了良好的在法律基准测试中的表现。

    Feb, 2023

  • AI 辅助编码：GPT-4 实验

    本文使用 GPT-4 进行了多项实验来生成计算机代码，发现 AI 编码工具需要人类的验证才能确保准确性和可靠性。同时，使用 GPT-4 进行代码改进可以显著提高代码质量，但生成的测试仍需要人类验证。

    Apr, 2023

  • 评估法律领域人工智能：借助开源解决方案弥合差距

    本研究评估了通用人工智能在法律问答任务中的表现，突出了对法律专业人员和客户存在的重大风险。研究建议利用基础模型并加强领域专业知识以克服这些问题，并提倡创建开源法律人工智能系统以提高准确性、透明度和叙述多样性，从而解决通用人工智能在法律背景下的缺点。

    Apr, 2024

  • 从文本到结构：利用大型语言模型支持法律专家系统的发展

    利用大型语言模型自动提取立法文件的结构化表示，为发展透明且可解释的基于符号方法的系统提供了一条有前景的途径。

    Nov, 2023

  • 搜索提示：从合同生成结构化答案

    通过使用 OpenAI 的 GPT-3.5-Turbo，我们提出了一种基于模板的法律问题回答方法，采用探索方法论，并通过定性实验结果比较我们的方法与常见的语义匹配方法，发现尽管准确性较低，但我们的模板提示更加准确。通过对提示的进一步调整和上下文学习的使用，我们能够进一步提高我们的方法的性能和可靠性。

    Oct, 2023

  • 打造计算机律师

    本文提出 “晴空想法”，阐述了数据挖掘和机器学习领域制造计算法律代理以帮助人类律师处理复杂高级法律任务的机遇和挑战，详细探讨了类似 ChatGPT 的大型法律语言模型（L$^3$M）当今的能力和局限性，为研究人员提供有前途的短期和长期研究目标。

    Mar, 2023

  • 利用 LLM 在课程设计中：使用 GPT-4 支持学习目标的编写

    通过评估 GPT-4 在人工智能实践课程中生成高质量学习目标的能力，本研究结果显示，自动生成的学习目标大多合理，表达准确，符合 Bloom 分类法的不同层次，可以用于支持课程和课程设计的工作。

    Jun, 2023

  • 基于软件工程方法的 AI 驱动的法定推理

    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