写在前面
大家好，我是刘聪NLP。
今天给大家带来一篇《法律行业大模型交流观点》，来自知乎@锦瑟无端（已授权）。本文整理了与媒体朋友对法律大模型进行深入交流后的相关观点。
知乎原文：https://zhuanlan.zhihu.com/p/669509425
观点一：法律领域的大模型本质是复杂决策，而非仅仅是开放式对话模型
- 需要具备丰富的专业知识：法学知识、各案由下的行业知识、审判流程和法律法规制度等；
- 需要推断各类复杂案件场景，如在证据三性认定中进行合法性主体合法性、证据形式和证据流程的认定；
- 需要具备预见未知事物的能力，例如发现新案件的能力；
- 需要具备综合任务的拆解能力，类似于项目经理，将目标分解为每个里程碑，将法律工作划分为各个阶段；
- 需要具备宏观态势的研判能力，案件分析需要从整体考虑，涉及原告证据、被告证据、法律规定等各个方面，以实现风险预判和提醒。
观点二：法律领域的应用方向包括律师行业、司法、法院、检察部门和当事人应用
- 面向核心的内容，例如法院、律师办案等，提供全流程办案辅助、证据交换分析、法官助理等服务，自动化操作审限机器人以及智能统一的门户，以对话模式进行交流；
- 在管理和监督方面，包括审务督察和检查监督等方面的应用；
- 在日常办公方面，包括各类通知的智能应用和各类专业文稿的初步撰写；
- 在智能服务方面，例如自动分析案件事实、分析审查要点等应用，可以协助生成基础律师、基础书记员和法官助理等工作内容，以减轻人力外包的压力。
这个地方比较水，其实探讨的更多的是做产品要充分考虑宏观规划、市场竞争、自己的优势，不要忙的训练个模型。
观点三：法律行业的数据要素价值
- 目前司法行业有结构化的数据标准，初步规定了办案关键数据和交换数据的内容，不过在法律知识方面有缺失。
- 数据标签体系建设：法律数据标签体系包含结构化内容、法律方面内容、分析类的内容。
- 法律行业的数据后期可探讨数据要素化，进入数据要素流程等研究。
观点四：提升大模型在法律行业的行业认知能力的方法
- 设计合理的模型架构，构建大模型、专有模型、小模型的融合智慧模型架构；
- 大模型结合知识图谱技术，应用在大模型的学习阶段和推理阶段；
- 结合外部知识库，适用于一定精确下的应用场景；
- 结合现有应用系统，实现精准类应用场景；
- 研究提示工程，这个是目前较快实现业务的技术手段。
观点五：大模型应用落地对企业的挑战
- 数据层面：有效的数据内容是非常重要的，它可以提供大模型所需的基础知识和信息。在法律领域，结构化的法律数据、案例数据库、法律标准和规范等都可以作为大模型的数据来源，以支持其决策和分析能力的提升，高质量数据的收集是目前挑战性的高问题。
- 技术层面：大模型的是一种新的应用范式需要不断探索和创新，目前技术的迭代速度很快，在推理加速、训练加速、agent、各类技术框架等变化很快，对研究和跟进提出很高要求。
- 人员层面：目前大模型相关的技术人员相对稀缺，这给大模型的应用带来了一定的不确定性。
- 模型应用开发体系建设：建立一个完善的开发体系也是挑战之一。大模型应用的设计、开发、训练、测试和部署流程的规范化，以及合理的模型更新和维护机制，如何解决与传统软件开发流程不同的方式，这些都要探索。
- 应用创新层面：大模型的应用需要找到合适的爆点，结合用户真正的痛点来进行创新。可以探索更多的应用场景，目前大部分在原有应用做加法尚未有爆点应用。
观点六：法律大模型应该具备的特点及能力
- 法律大模型具备语言理解、文书生成、知识问答、逻辑推理这四个方面能力。
- 语言理解能力主要包括法律文书检查、法律要素抽取、文书摘要和法律案例分析。
- 文本生成能力主要包括辅助法律文书和文件的撰写、生成合同/协议和法律文书、个性化定制法律文件、辅助法律研究和文献撰写，以及生成法律报告和分析
- 知识问答能力主要包括高质量的法律条款解释、快速回答法律问题、大规模法律知识库的整合以及持续更新和学习能力。
- 逻辑推理能力主要包括法律风险评估、法律政策分析和法律改革评估、证据链分析、法律论证和案情分析，以及司法决策推理。
观点七：大模型系统项目实施观点
- 经济性原则：大模型的实施应该考虑成本效益，力求在硬件设备上实现高性能和低成本。例如，使用消费级显卡进行推理可以降低成本。
- 构建合理的训练体系：由于涉及私有数据的问题，构建合理的训练体系非常重要。需要遵循数据隐私和安全的原则，确保数据的合法性和保密性，并采取适当的数据脱敏和匿名化措施。
- 应用模式多样性：大模型的应用可以多样化，可以作为工具类软件提供给用户使用，也可以提供特定能力供其他系统接入和调用。通过多样的应用模式，可以满足不同用户和场景的需求。
- 部署方式灵活：大模型可以根据业务类型和需求采取不同的部署方式，如私有化部署或云部署。私有化部署可以保护数据的安全和隐私，而云部署可以提供灵活的计算资源和扩展能力。
观点八：研究内容不等于产品
- 目前做了刑期预测、要素提取、证据分析、案件事实分析、审查要点分析、法律文书检查、文书摘要、法律问答等方面的发模型应用研究，不等于都要用到现有产品中，替换现有产品是有代价的。在产品设计中需要按照产品的理念去做设计，考虑产品用户定位、能够解决问题等，比如在案件事实分析等可以考虑用在服务方面，做做实习或初级书记员/法官助理等方面的工作，而不要一定给法官应用，做到有效使用提高他们的生产力，做到工作效率提升。使用法律大模型应该保持相对谨慎的态度不要一切All In 。
观点九：业务链模式提出
- 在法律大模型应用方面可基于法律业务链模式进行，将法律问题或案件处理过程分解为多个环节或阶段，并按照逻辑顺序将这些环节或阶段连接起来的一种思维模式。在法律业务链中，每个环节或阶段对应着具体的法律任务或功能，其输出将作为下一个环节或阶段的输入，以实现整个法律问题的处理和解决。以案件事实要素分析需要从何事、何时、何地、何情、何故、何物、何人分析来构成了一个完整的案件事实，基于这种模式构建一个业务链，使用Agent来完成业务链应用。（感觉最近Agent研究有点变味呢。）
写在最后
我们对大模型的态度是：研究是认真的负责任的，拥抱实用不迷信。
欢迎多多关注公众号「NLP工作站」，欢迎加入交流群，有问题的朋友也欢迎加我微信「logCong」私聊，交个朋友吧，一起学习，一起进步。我们的口号是“生命不止，学习不停”。
PS：新书已出《ChatGPT原理与实战》，欢迎购买。
往期推荐：