OpenAIとHarveyがカスタム判例モデルの開発で提携

カスタム学習済み判例モデルの機能

カスタム学習済みモデルにより、Harveyは単一のモデル呼び出しの能力を超えるタスクを実行できるAIシステムを提供できます。主な機能は以下の通りです：

• 複雑な文書分析: 数百件の契約書にわたる重要な不一致を特定します。
• 法的文書作成: 文書の作成や複雑な訴訟シナリオに関する質問への回答を行います。
• 判例研究: クライアントの質問に対し、すべての文に引用を付けた徹底的な回答を提供し、モデルが判例を捏造しないようにします。

技術的アプローチと開発

Harveyは、ファインチューニングやRAGシステムに公共APIを使用することから、カスタム学習済みモデルへと移行しました。RAGだけでは弁護士に求められる高度な専門知識が不十分だったためです。基礎モデルは優れた推論能力を持っていましたが、専門的な法務作業に必要な特定のドメイン知識が欠けていました。

この課題を解決するため、HarveyとOpenAIは協力して新たな知識と推論パターンをベースモデルに注入しました。開発プロセスは以下を含みます：

• データ統合: チームはデラウェア州の判例から始め、米国全体の判例を含むように、10億トークン相当のデータを追加しました。
• 共同研究: 法律専門家が判例研究の微妙な点を研究者やOpenAIエンジニアに説明し、最も効果的な技術的レバーを特定しました。

パフォーマンスと結果

Harveyの共同創業者Winston Weinbergによると、弁護士は97％のケースで判例モデルの出力を好んでいました。この好みは、質問のニュアンスに対応し、より多くの関連判例を網羅した、長くて完全な回答を提供できるモデルの能力に主に起因しています。

カスタムモデルの主要な目標の一つはハルシネーションの削減でした。結果として得られたモデルは、すべての文が引用された判例で裏付けられることを保証し、法的先例の捏造を排除します。

法務AIの今後の方向性

Harveyは現在、判例モデルの活用範囲を拡大するために以下のような取り組みを検討しています：

• 自動化された文書作成: モデルを使用してブリーフや動議を作成します。
• 管轄分析: 弁護士が異なる管轄で判例がどのように変わるかを理解するのを支援します。
• AIエージェント: 複数のモデル呼び出しを単一の出力に統合するエージェントを開発し、手動のプロンプト設計やユーザー入力の必要性を削減します。

AI開発の戦略的哲学

共同創業者のGabe Pereyraは、AI創業者は現在の制約ではなく、モデル能力の将来の軌道に向けて構築すべきだと提案しています。彼は、問題の複雑版に取り組むことで、モデルが進化しても製品が時代遅れにならず、一般的なモデルの改善によって陳腐化しないようにすることを勧めています。