我要投稿

AI大模型时代：法律检索的革新之旅

发布日期：2024-05-06 16:12:36 浏览次数： 1807

2022年11月，ChatGPT横空出世，引发了检索方式的革新，这标志着信息检索方式的一次重大飞跃，从传统的关键词检索，转向了更为先进的人工智能（AI）检索。

法律检索作为信息检索在法律领域的专业化应用，当然也进入了AI检索时代。AI检索经历了多次迭代，技术越来越高级，它的演进过程如下：

大模型检索

大模型+web

大模型+知识库

法律代理（法律智能体）

可以清晰地看到，其主要的演进路径遵循了“大模型+”的模式。演进本身是一个充满挑战的过程，它要求直面问题并寻找解决方案。接下来我将带领大家一起来观察AI检索是如何通过持续地解决问题来逐步实现自我进化的。

注：小模型检索效果一般，在这不做介绍，据说国外的Harvey还不错，遗憾的是暂时无法测试。

关键词检索

首先，让我们回顾一下传统的关键词检索是如何进行的，我们将通过一个具体的小案例来演示其检索步骤。

案例：小贾多次进入小乙家顺走手机3部，小贾是否构成犯罪，应该怎么判？

案例分析：

假设小贾多次非法进入小乙的家中，并盗走了三部手机。针对这一情况，我们需要探讨小贾的行为是否构成犯罪，以及可能面临的法律判决。

在这个案例中，我们可以通过以下步骤进行法律检索：

确定关键词：首先，我们需要确定与案例相关的关键词，如“非法入侵”、“盗窃”、“手机”等。
选择数据库：然后，选择合适的法律数据库进行检索，这些数据库可能包含了相关的法律条文、案例分析或学术文章。
执行检索：使用确定的关键词在数据库中进行检索，查找与小贾行为相关的法律条文或类似案例的判决。
分析结果：对检索到的法律条文和案例进行分析，以确定小贾的行为是否符合犯罪的法律定义，以及可能的法律后果。
得出结论：基于检索和分析的结果，我们可以得出关于小贾行为是否构成犯罪以及相应的法律建议。

以上关键词检索的步骤是AI生成的，很明显其缺少了案情分析这个核心步骤，案情分析帮我们去分解问题，最后依靠检索得出结论。关键词检索对分析问题的能力要求非常高，对于自己不熟悉的领域，需要反复的检索，耗时耗力。

所以，我们需要一个可以自动帮助我们分析案情，检索法律信息，给出结论的智能应用。接下来我们一起寻找下有没有满足我们需要的AI应用。

大模型检索

大模型具备一定的问题总结能力和信息提取能力，能够快速分析问题并给出答案，但是其训练数据并非实时，很容易出现“幻觉”，无法确保回答信息的准确性和时效性。

如下图，用最新的ChatGPT4.0 turbo版本进行问答，回答引用的法条是不完整的，也没有具体的版本，无法看出其真实性。

如下图，用中文的文心一言4.0也同样面临这样的问题，并没有完整的回答，并没有实质性解决问题。

如何让其回答的信息具有及时性，并且有来源、可溯源？

大模型+web

为了解决信息的及时性和可追根溯源，出现了一种新的解决方案：“大模型+web”。

web主要指使用“百度”“谷歌”“必应”等搜索引擎，大模型我们可以理解为是一个助理，以前我们驱使助理去做法律检索，现在我们驱使大模型去做。

大模型帮我们分析问题，把最恰当的问题告诉搜索引擎，让搜索引擎反馈更准确的链接，大模型从综合搜索引擎反馈的海量信息中提取真正有价值的信息，归纳出符合要求的结论。

如下图，分别用微软的Copilot，国内的智谱清言演示，可以看出其引用了互联网数据。

Copilot：https://copilot.microsoft.com/

智谱清言：https://chatglm.cn/

“大模型+web”虽然让数据有了来源，但是仍然无法解决数据来源权威、准确的问题。

大模型+知识库

那么如何解决数据来源权威和准确性问题？

可以外挂一个权威的专业法律数据库，比如北大法宝，其法律数据不仅全，还有人工按照出版物级别进行了校对。当然知识库可以包含各种内容，主要分为专业法律数据库、机构私有数据、个人私有数据等。

如下图，MetaLaw、法行宝、通义法睿就引用了具体的法规、案例。

MetaLaw

MetaLaw：https://meta.law/searchResult

法行宝

法行宝：https://law.baidu.com/

通义法睿

通义法睿：https://tongyi.aliyun.com/farui/

知识库仅有专业的法律数据库还不够，还需要法律专家的私有数据，很多私有数据沉淀了专家的逻辑和经验。

法律代理（法律智能体）

法律代理要做的事情是复制一个法律专家，一个虚拟的人。如果是建设工程领域，可复制一个朱树英律师，之后你有任何建设工程相关的问题直接问代理就可以了，在大模型的加持下，甚至回答效果会超过朱律师本人。

打造代理的基本思路是模仿，模仿人是如何分析问题，解决问题。智能体是一个专家系统，超越助理角色，他模拟法律专家思维和决策过程中，不断地去调整、进化，最终成长为一个顶级专家。

目前的主要思路是，大模型或小模型+知识库（web+专业法律数据库+机构私有数据+个人私有数据）+规则库（分析问题的方式方法、逻辑、步骤等）+工具库，通过专家纠错来提升规则库的质量。

为了非技术的法律人更好理解，本文有意的去掉了技术专业术语，概念的英文版等，所以内容不会特别严谨，敬请谅解。

法律检索的革新之旅还在继续！

我们不应满足于现状，更不能对技术的发展视而不见。法律的核心在于公正与效率，而AI大模型为我们提供了实现这一目标的新途径。我们必须认识到，固守传统的工作方式，可能会让我们在信息的海洋中迷失方向，错失为当事人提供最佳法律服务的机会。

现在是时候拥抱变化，积极地加入到这场革新中来。让我们通过不断学习和实践，将AI大模型技术融入到我们的日常工作中，以此来提升我们的专业能力，优化我们的工作流程，最终实现法律服务的质的飞跃。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

最强 GPT 免费使用！GPT4O 开启多模态新时代！

2024-05-14

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

2024-04-26

【开源看AI】4.9K star！Khoj：完美融合本地文档和在线网页的AI第二大脑

2024-05-22

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

2024-04-12

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

2024-07-18

万字长文解析：大模型需要怎样的硬件算力

2024-03-30

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

2024-05-10

开源项目Composio：突破 AI 智能体开发的边界

2024-08-13

更改ollama模型存储路径

2024-04-25

全面对比dify、coze、streamlit、chainlit

2024-04-26

大家都在问

为什么需要Agent?

2024-09-22

阿里巴巴发布Qwen2.5，对标GPT o1？

2024-09-22

深度解析：Apple Intelligence 真相揭秘 - 国行iPhone 16是否真的'阉割'?

2024-09-22

OpenAI o1的架构流程已被Claude破解了？

2024-09-21

从 Data 到 Data + AI，必然之路还是盲目跟风？

2024-09-21

疯狂星期四Qwen2.5开源，通义成了最Open的AI?

2024-09-20

在长上下文LLM的时代，RAG是否仍然必要？

2024-09-20

【AI赋能】揭秘大模型微调：如何让机器智能跃升一个台阶？

2024-09-19

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

最强 GPT 免费使用！GPT4O 开启多模态新时代！

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

【开源看AI】4.9K star！Khoj：完美融合本地文档和在线网页的AI第二大脑

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

万字长文解析：大模型需要怎样的硬件算力

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

开源项目Composio：突破 AI 智能体开发的边界

更改ollama模型存储路径

全面对比dify、coze、streamlit、chainlit

大家都在问

为什么需要Agent?

阿里巴巴发布Qwen2.5，对标GPT o1？

深度解析：Apple Intelligence 真相揭秘 - 国行iPhone 16是否真的'阉割'?

OpenAI o1的架构流程已被Claude破解了？

从 Data 到 Data + AI，必然之路还是盲目跟风？

疯狂星期四Qwen2.5开源，通义成了最Open的AI?

在长上下文LLM的时代，RAG是否仍然必要？

【AI赋能】揭秘大模型微调：如何让机器智能跃升一个台阶？

热门标签

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

最强 GPT 免费使用！GPT4O 开启多模态新时代！

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

【开源看AI】4.9K star！Khoj：完美融合本地文档和在线网页的AI第二大脑

OLLama详细的 api 介绍 不完全指南 python 直接调用 OLLama api 翻译助手演示

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

万字长文解析：大模型需要怎样的硬件算力

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

开源项目Composio：突破 AI 智能体开发的边界

更改ollama模型存储路径

全面对比dify、coze、streamlit、chainlit

大家都在问

为什么需要Agent?

阿里巴巴发布Qwen2.5，对标GPT o1？

深度解析：Apple Intelligence 真相揭秘 - 国行iPhone 16是否真的&#39;阉割&#39;?

OpenAI o1的架构流程已被Claude破解了？

从 Data 到 Data + AI，必然之路还是盲目跟风？

疯狂星期四Qwen2.5开源，通义成了最Open的AI?

在长上下文LLM的时代，RAG是否仍然必要？

【AI赋能】揭秘大模型微调：如何让机器智能跃升一个台阶？

热门标签

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

深度解析：Apple Intelligence 真相揭秘 - 国行iPhone 16是否真的'阉割'?