ウェンティン 発信地 凹非寺
量子位 | 公式アカウントQbitAI
いいや、智谱は垂直モデルを法務界に持ち込んだな！
たった今、智谱は新しい法律専用のオープンソースモデル――GLM-Legalを発表しました。
法律条文について話すだけでなく、契約の審査、証拠の整理、国境を越えたコンプライアンスに関する研究など、一連の具体的な業務も全て担当し、その場で使える成果を提供します。
成績もかなり優秀だ。
Vals AIが最新に発表した法律評価において、GLM-Legalは19.2%のタスク全通過率と86.23%の正確率で、Harvey LABおよびLegalBenchの双方開放重みモデルランキングで首位を獲得した。
いいか、チャットやオフィス業務、コードの作業を終えたばかりなのに、AIは法律契約や案件の細かい部分に目を向け始めた。
情報が出ると、みんなすぐに動けなくなった：
よしよしよし、これからGLM-Legalが私の法務チームになります。
しかし、待ってください。一体どの国の法律を学んでいるのでしょうか？本当に私たちような中間人を助けてくれるのでしょうか？
これを開いてみる必要があります。
契約審査、証拠整理、コンプライアンス対応、GLM-Legalが対応可能
良いニュースは、それは本当に私たちの旧式の法律に適合しているということで、環境に合わないことはない。
中国語の法的実務、英語の法的タスク、または東南アジアの国境を越えたコンプライアンスなどの試験問題であっても、それに対応できます。
しかし、模擬試験は結局のところ一つの側面に過ぎない。
実際の法律業務においては、問題が多すぎて、一歩踏み入れるたびに何も起こらない。
実際に仕事ができるかどうかは、実際の法律業務環境で試してみる必要があります。チームが契約書を審査したり、海外発行前のプライバシー規制事項を確定するのに役立つかどうかを見てみましょう。
まず、3つの公式デモンストレーションを見てみましょう（GLM-5.3-Flash対GLM-Legal、自分自身と戦うこと）：
一、契約を審査し、協力関係が終了した後の引き継ぎ手順を明確にする
ソフトウェアサービス供給業者を変更する必要がある場合、しばしば契約書の終了と引き継ぎ条項を正確に理解する必要があります。
コード、データ、ドキュメントは無事に取り戻せるか？新しいサプライヤーは対応できるか？
そして、これらの雷は、しばしば条項の中に埋め込まれている。
そこで、GLM-Legalは、協力終了通知期間を60日から30日に短縮し、最長90日の移行支援を追加することを提案しました。これにより、コード、ドキュメント、知識の引き継ぎを適切に手配できるようになります。
それに加えて、契約上の既存の成果帰属に関する規定を組み合わせ、未完了または未支払いの部分を含む全ての作業成果の返還を要求している。
GLM-5.3-Flashと比べて、GLM-Legalの利点が明らかになります：
前者は比較的一般的なアドバイスを提供するに過ぎず、GLM-Legalでは時間や引継ぎ範囲などの内容をより明確にし、修正案を契約の既存の定めと対応させている。
さて、この協力関係が終了した後の「別れの手続き」がはっきりと書かれている。非常にまともだ。
それで私は思いました。散乱した証拠を次々と提示したとき、GLM-Legalはどう対処するのでしょうか？
二、証拠を分析し、散在する手がかりをつなげる
これは実際に現実的な問題です。
プロジェクト協力においてトラブルが発生した場合、大量の報告書、文書、チャット記録の中から、相手の言い方に問題があるかどうかをどうやって判断すればよいのでしょうか？
例えば、公式の報告によるとプロジェクトは60％完了したとされていますが、内部記録では約41％だけです。
実測で、GLM-5.3-FlashとGLM-Legalの両方でこの矛盾点が見つかりました。
しかし、違いは、GLM-5.3-Flashがのみ提案を提供するのに対し、GLM-Legalは提案に基づいて、進捗報告をより早いリスク警告や内部コミュニケーションと関連付け、具体的な行動に落とし込むという点です。
この手がかりを整理できたら、元の文書に戻って項目ごとに確認し、どのデータが正しいのかを明らかにして、引き続き使用できるようになります。
三、企業の海外進出におけるコンプライアンスについて、規制要件を実行リストにまとめる
そして、シンガポール、マレーシア、インドネシアなどの海外プラットフォームでウェブサイトを立ち上げる際には、ユーザートラッキング、メールマーケティング、海外クラウドストレージなど、各項目がプライバシーコンプライアンスに関わる問題に直面する可能性があります。
この時点で、オンライン化前に何を準備する必要があるかを理解するためのアシスタントが必要になるかもしれません。
そのため、GLM-Legalは実測において、注意すべきコンプライアンス事項を、チームが実行し、さらに検証できる細かいステップに分けて示しました。具体的には、具体的なプライバシー声明の発表、退訂要求の入力抑制リストの設定などが含まれますが、すべて明確に示されています。
これでずっと便利になった。
ですから、この考え方に沿って振り返ると、Harvey LABの19.2％という全通過率が何が難しく、何が価値があるのかをより直感的に理解できるでしょう。
19.2％が全て合格、この試験はどれほど難しかったのか？
ハーベイ・LABの評価は、決して偽りの虎ではなかった。
それは厳しい基準を採用している「全条件通過」メカニズムモデルがあるタスクのすべての評価条件を満たした場合にのみ合格とみなされ、一つでも欠けてはならない。
そのタスク設計も、法律事務所の働き方に直接対応しています：エージェントに要件と顧客資料のセットを与え、直接レビューできるファイルを作成させる。
その中で、ハーベイ・LABの初版では、1200項目以上の法律事務所の業務シナリオが設定されており、M&A、知的財産、銀行金融など24の法律分野をカバーしています。
これは、モデルが資料を読んだり、ツールを調整したり、規則に従って結果を提出したりする全てのプロセスで失敗しないようにしなければ、ここで良い点数を得ることができないという意味です。
そして成績以外にも、テストの結果と実際の値段とのギャップが注目に値します。
成績が近い場合、GLM-LegalはGemini 4 Argonよりも30分ほど遅いが、Geminiの各テストのコストはGLM-Legalの70倍である：
この結果は、法律業務のパートナーを選ぶ際にも、成績、コスト、時間を一緒に考える必要があることを思い出させてくれるかもしれません。
では、GLM-Legalはどのように訓練されたのでしょうか？
答えは、Zhipuの一連の連携する成長プロセスの中に隠されているかもしれない。
AIに法律を読ませるだけでなく、彼を法律事務所で実習に連れて行く必要がある
智谱がGLM-Legalに提供する成長計画を一言で表すと、
「法学部」に進学し、その後「模擬法律事務所」で実習する。
第一ステップで、GLM-LegaはGLM-5.3-Flashベースにて法律コーパスの中期訓練を行い、法律概念、法規、分析手法を学習し、専門的な基盤を築きます。
第二ステップで、GLM-Legaは数万の法的タスク環境における強化学習を通じて、資料の読解、分析、タスクの推進、成果の提供を繰り返し練習する必要があります。
同時に、チームはエージェント運用フレームワークを絶えず改善し続け、資料の整理、ツールの接続、フィードバックプロセスを向上させ、モデルと作業環境が一緒に調和するようにしています。
見覚えがあるか？見覚えがあるなら正解だ！
これは私たち法学部生が経験した「怪物討伐・レベルアップの実録」ではないか？！
大学の法科大学院に入学して狂ったように勉強し、内力を蓄えた後、3年目や4年目に法律事務所でインターンとして働き始めました。数年間を耐え抜いて、最終的に上に昇進することで、最初の無名の状態から信頼できる弁護士に成長することができました。
AIが今歩んでいる道は、私たちがかつて歩んだ道と同じです！
ただし、GLM-Legaは現在まだ比較的未熟な段階にあります。すぐにパートナーレベルに達するとは言えません。
結局のところ、この「法務専門家」である智譽には、まだ検証が必要な部分がたくさんあります。19.2％の全通過率という数値は、厳格な評価基準の下では、多くのタスクが完全に達成されていないことを意味しています。現在も大きな向上の余地があります。
これは、智谱の現在の動きに対応している：
法律事務所、法律技術企業、企業法務チーム、および独立開業者にGLM-Legal Betaの申請を呼びかけ、専門家が試用に参加しフィードバックを提供することで、モデルを共同で改善する;
同時に、智谱は関連する能力をAutoClawに統合し、実際の応用を推進する計画もあります。
いいや、これは明確なメッセージを伝えているね。
智谱正は、最も専門的な法律家たちを引き連れてGLM-Legaを磨き上げています。目標は明確で、将来、弁護士の手にとって実際に役立つ補助ツールとなることです。
そして将来、智谱が本当にこのビジョンを実現できるかどうかも、私たちが期待すべき点です。
もう一つ
実際に智谱が開卷法律モデルを構築したのも、気まぐれではない。
2023年早くに、智谱はスマート契約などの業務に特化した法律技術企業である幂律智能と協力し、ChatGLM-130Bフレームワークを基に共同で研究開発し、千亿パラメータ級の法律専門モデルPowerLawGLMをリリースした。このモデルは、法律相談、契約の起草および審査などのシーンに関連する。
その後、智谱は旧株主として、パワーリーテル型インテリジェントの戦略的資金調達や約8000万円のPre-Bラウンド資金調達に継続して参加した。
そして、汎用モデルを「法律を読む」ために送るのは、智谱だけではない。
今年の8月には、HarveyがFireworksと協力して、Kimi K3を基盤として、自身の法則モデルであるTenetを開発しました。
ハーヴェーの説明によると、特別訓練の後、それが実行したLABリリースタスクの数はベースの2倍に近く、コストは安定したままだった。
これらの探求は、業界に新たな考え方をもたらすかもしれない。それは次のようなものである：
一般的なベースを選んだ後、専門的なタスク、業界データ、作業環境を用いてさらに訓練を続けると、モデルの能力をさらに一歩前進させる機会があります。
そして将来、どれだけモデルの「専門科目」をしっかりと教え、「シミュレーション法律事務所」をより実用的に構築し、実際の仕事で使えるスキルを多く身につけられるかが、本当にその層のユーザーの認知を得る鍵となるかもしれない。
参考リンク：
[1]
https://x.com/Zai_org/status/2109678174468534511?s=20
[2]
https://z.ai/blog/glm-legal
[3]
https://x.com/ValsAI/status/2109678921017168061
[4]
https://www.harvey.ai/blog/introducing-harveys-legal-agent-benchmark?utm_source=chatgpt.com
[5]
https://media.qimingpian.cn/2023/06/29/bd6b454d1bf2400827f682a6c5e7eacf.html?utm_source=chatgpt.com