Το Z.ai, το κινεζικό εργαστήριο τεχνητής νοημοσύνης πίσω από την οικογένεια μοντέλων GLM, κυκλοφόρησε το GLM-Legal στις 12 Οκτωβρίου, ένα μοντέλο εξειδικευμένο σε τομέα που έχει σχεδιαστεί για να χειρίζεται από άκρο σε άκρο νομική εργασία αντί να απαντά σε μεμονωμένες ερωτήσεις. Σύμφωνα με την ανακοίνωση της εταιρείας, η GLM-Legal πέτυχε ποσοστό 19,2% all pass στο Harvey's Legal Agent Benchmark (LAB) ενώ ταίριαξε πολύ μεγαλύτερα συστήματα συνόρων σε καθιερωμένα νομικά τεστ — και η κυκλοφορία τράβηξε γρήγορα την προσοχή στο Hacker News, όπου συγκέντρωσε 170 βαθμούς μέσα σε λίγες ώρες.
Η κυκλοφορία είναι το πιο ξεκάθαρο σημάδι μέχρι τώρα για το πού πιστεύει η Z.ai προς την αγορά. Στο πλαίσιο της εταιρείας, τα μεγάλα γλωσσικά μοντέλα μετατοπίζονται από τη δημιουργία κώδικα μίας στροφής προς αυτό που αποκαλεί "Professional Cowork": εργασία γνώσης στην οποία ένας πράκτορας πρέπει να αφομοιώσει κατακερματισμένα έγγραφα πηγής κάτω από συγκεκριμένους στόχους και αυστηρούς περιορισμούς παράδοσης, να δομήσει την εξειδικευμένη γνώση σε μια συνεκτική ανάλυση και να διατηρήσει αυστηρότητα τομέα από την πρώτη στιγμή έως την τελική παράδοση. Η νομική πρακτική, υποστηρίζει ο Z.ai, συγκεντρώνει όλες αυτές τις απαιτήσεις σε ένα μέρος, γεγονός που το καθιστά ιδανικό τεστ αντοχής για επαγγελματική τεχνητή νοημοσύνη. Μπορείτε να παρακολουθήσετε πώς ανταποκρίνεται ο υπόλοιπος κλάδος στην έκτακτη κάλυψη ειδήσεων AI.
Οι αριθμοί πίσω από την εκτόξευση
Ο Z.ai αξιολόγησε το GLM-Legal σε τρεις άξονες: εκτέλεση σύνθετων εργασιών, εξειδικευμένο νομικό σκεπτικό και νομικές ροές εργασιών πραγματικού κόσμου. Το βασικό αποτέλεσμα είναι το Harvey's LAB, ένα σημείο αναφοράς που δημιουργήθηκε από τη νόμιμη εταιρεία τεχνητής νοημοσύνης Harvey που απαιτεί από τα μοντέλα να συνεργάζονται με έγγραφα πηγής και να ακολουθούν λεπτομερείς οδηγίες για την παραγωγή τελικών προϊόντων νόμιμης εργασίας.
Τρία αποτελέσματα ξεχωρίζουν από την ανακοίνωση:
Harvey LAB — 19,2% all-pass. Σε πραγματικές ροές εργασίας δικηγορικών γραφείων που εκτείνονται σε 24 τομείς πρακτικής, το GLM-Legal σημείωσε 19,2% σύμφωνα με την αυστηρή βαθμολόγηση όλων των επιτυχιών του Harvey, μια βελτίωση 12,5 ποσοστιαίων μονάδων σε σχέση με το βασικό μοντέλο του. Το καθεστώς βαθμολόγησης είναι σκόπιμα αδυσώπητο: μια υποβολή πρέπει να ικανοποιεί κάθε απαίτηση μέτρησης, επομένως δεν υπάρχει μερική πίστωση. Ο Z.ai λέει ότι η βαθμολογία επιβεβαιώνει την αξιόπιστη εκτέλεση από άκρο σε άκρο χωρίς ενδιάμεση υποβάθμιση. LegalBench — ισοτιμία με μοντέλα κλειστών συνόρων. Στο LegalBench, το οποίο δοκιμάζει εξειδικευμένο σκεπτικό σχετικά με συμβόλαια, καταθέσεις συγχωνεύσεων και δικαστικές γνωμοδοτήσεις, το Z.ai αναφέρει ότι το GLM-Legal ταιριάζει με κορυφαία μοντέλα κλειστού κώδικα, παρόλο που λειτουργεί με αυτό που η εταιρεία περιγράφει ως πολύ πιο περιορισμένο αποτύπωμα παραμέτρων. PLawBench — δύναμη στην κινεζική πρακτική. Στο PLawBench, το οποίο αξιολογεί την κινεζική νομική διαβούλευση, την ανάλυση υποθέσεων και τη σύνταξη εγγράφων με λεπτομερείς ρουμπρίκες, η Z.ai διεκδικεί την ισοτιμία με κορυφαία συστήματα συνόρων.Το ποσοστό του 19,2% αξίζει μια δεύτερη ανάγνωση. Είναι ταυτόχρονα ένα ρεκόρ προόδου - ένα άλμα 12,5 μονάδων πάνω από το βασικό μοντέλο - και μια υπενθύμιση του πόσο απαιτητική παραμένει η νομική αξιολόγηση. Σύμφωνα με τη βαθμολόγηση όλων των επιτυχιών, ο αριθμός υποδηλώνει ότι η ουσιαστική πλειονότητα των πλήρους ροών εργασίας εξακολουθεί να αποτυγχάνει σε τουλάχιστον μία απαίτηση. Οι νόμιμοι αγοραστές που αξιολογούν συστήματα τεχνητής νοημοσύνης θα πρέπει να διαβάζουν τα σημεία αναφοράς των προμηθευτών έχοντας ακριβώς αυτή την απόχρωση κατά νου.
Πώς εκπαιδεύτηκε το GLM-Legal
Η Z.ai κατασκεύασε το μοντέλο στο GLM-5.3-Flash, το ελαφρύ μοντέλο βάσης που κυκλοφόρησε η εταιρεία νωρίτερα αυτό το έτος, και στράφηκε την ικανότητα τομέα στην κορυφή μέσω ενός αγωγού δύο σταδίων που περιγράφει ως ασυνήθιστα επικεντρωμένο στην απόδοση.
Ενδιάμεση εκπαίδευση σε νομικά σώματα
Το πρώτο στάδιο επεκτείνει τα νομικά σώματα υψηλής ποιότητας κατά τη διάρκεια της ενδιάμεσης εκπαίδευσης, επιτρέποντας στο μοντέλο να μάθει νομικές έννοιες, θεσμικούς κανόνες και ερμηνευτικά πλαίσια μέσα σε ένα πυκνό πλαίσιο τομέα. Ο Z.ai λέει ότι αυτό το στάδιο ενισχύει την απαγωγική αλυσίδα μεταξύ γεγονότων, κανόνων και συμπερασμάτων - το υπόστρωμα που χρειάζεται ένα μοντέλο πριν μπορέσει να εκτελέσει σύνθετη εργασία κατάντη.
Μετα-προπόνηση με τη ζώνη στο βρόχο
Το δεύτερο στάδιο χρησιμοποιεί ενισχυτική μάθηση σε δεκάδες χιλιάδες ρεαλιστικά νομικά περιβάλλοντα. Σημειωτέον, το Z.ai δεν εκπαίδευσε το μοντέλο μεμονωμένα: το agent harness — το πλαίσιο ενορχήστρωσης χρόνου εκτέλεσης που διαχειρίζεται το πλαίσιο εργασιών, συνδέει σύνολα εργαλείων και δρομολογεί ανατροφοδότηση εκτέλεσης — βελτιστοποιήθηκε από κοινού με το μοντέλο σε lockstep. Οι ακμές εμφανίστηκαν κατά τη διάρκεια της εκπαίδευσης μοντέλων αποκάλυψαν τα σημεία συμφόρησης στην αρχιτεκτονική της πλεξούδας, ενώ οι βελτιώσεις της πλεξούδας ανατροφοδοτήθηκαν στην εκπαίδευση, διδάσκοντας στο μοντέλο να ανακτά το σχετικό πλαίσιο και να προσαρμόζεται σε ρεαλιστικούς περιορισμούς εκτέλεσης.
Βρόχοι ανάδρασης παραγωγής
Τέλος, η Z.ai λέει ότι οι πραγματικές ροές εργασίας και τα σχόλια των επαγγελματιών καθορίζουν τον οδικό χάρτη βελτιστοποίησης της. Οι επαγγελματίες νομικοί αξιολογούν τα αποτελέσματα βάσει συγκεκριμένων κριτηρίων: εάν αντιμετωπίζονται όλα τα κρίσιμα ζητήματα και οι περιπτώσεις αιχμής, εάν τα επιχειρήματα είναι τεκμηριωμένα και οι παραπομπές ακούγονται, εάν τα παραδοτέα συμμορφώνονται με το θέμα συνοπτικά και εάν οι μεταγενέστερες ομάδες μπορούν να χρησιμοποιήσουν το αποτέλεσμα χωρίς χειροκίνητη επανεπεξεργασία. Αυτές οι κρίσεις μετατρέπονται σε συγκεκριμένα σήματα μηχανικής που κατευθύνουν την περαιτέρω εκπαίδευση.
Τι σημαίνει για τη νομική βιομηχανία
Τα μοντέλα που είναι εξειδικευμένα σε τομείς γίνονται μια σοβαρή κατηγορία. Αντί να στοιχηματίζει ότι ένα γενικό μοντέλο θα υπερέχει παντού, η Z.ai στοιχηματίζει ότι οι επαγγελματικές εργασίες με αυστηρό εύρος ανταμείβουν τη στοχευμένη ενδιάμεση εκπαίδευση και τη βελτίωση που βασίζεται στην αξιολόγηση — μια προσέγγιση που ανταλλάσσει τη γενικότητα με την αξιοπιστία σε έναν περιορισμένο φόρτο εργασίας υψηλής αξίας.
Υπάρχει επίσης ένας αξιοσημείωτος ανταγωνιστικός απόηχος και εδώ. Τα νέα μοντέλα Muse Wonder της Meta, που ανακοινώθηκαν την ίδια ημέρα, αξιολογήθηκαν επίσης στο Harvey's LAB, σημάδι ότι το νομικό σημείο αναφοράς που δημιουργήθηκε από μια από τις κορυφαίες εταιρείες της νόμιμης τεχνητής νοημοσύνης έχει γίνει διακλαδικό κριτήριο για την ικανότητα αντιπροσώπων. Όταν τα εργαστήρια που απευθύνονται στους καταναλωτές και οι εξειδικευμένες νεοφυείς επιχειρήσεις βαθμολογούνται στο ίδιο τεστ, οι αγοραστές κερδίζουν ένα σπάνιο σημείο σύγκρισης μεταξύ μήλων και μήλων.
Προειδοποιήσεις που αξίζει να έχετε κατά νου
Τα αποτελέσματα αναφέρονται από τον ίδιο τον Z.ai και η ανεξάρτητη αναπαραγωγή των αντιπροσωπευτικών νομικών σημείων αναφοράς εξακολουθεί να είναι σπάνια. Η εταιρεία δεν έχει δηλώσει εάν ή πώς το GLM-Legal θα είναι ευρέως διαθέσιμο, ποιο θα κοστίζει το μοντέλο ή πώς χειρίζεται το απόρρητο των πελατών - ερωτήσεις που θα έκανε κάθε δικηγορικό γραφείο ή νομικό τμήμα πριν την υιοθέτηση. Και όπως συμβαίνει με όλα τα σημεία αναφοράς προμηθευτών, η απόδοση στο Harvey's LAB μετρά την απόδοση στο Harvey's LAB. δεν εγγυάται την αρμοδιότητα σε θέματα, δικαιοδοσίες ή μορφές εγγράφων μιας συγκεκριμένης εταιρείας.
Ωστόσο, η τροχιά είναι δύσκολο να αγνοηθεί. Ένα λιτό μοντέλο που βασίζεται σε μια βάση κλάσης Flash που ταιριάζει με συστήματα κλειστών συνόρων βάσει νομικής λογικής υποδηλώνει ότι η εποχή της επαγγελματικής τεχνητής νοημοσύνης για συγκεκριμένο τομέα φτάνει πιο γρήγορα από ό,τι περίμεναν πολλοί.
