मोठ्या भाषेच्या मॉडेल्ससह कायदेशीर कागदपत्रे वाढत्या प्रमाणात तयार होत असल्याने, खोटे दाखले ही न्यायालये आणि त्यांच्यासमोर हजर होणाऱ्या वकिलांसाठी एक खरी समस्या बनली आहे. जॉर्जिया टेक संशोधकांनी एक मुक्त-स्रोत साधन तयार केले आहे जे न्यायाधीशापर्यंत पोहोचण्यापूर्वी ते बनावट संदर्भ पकडण्यासाठी डिझाइन केलेले आहे.
मेलेया लीगल रिक्वायरमेंट्स चेकर (Mellea-LRC) नावाचे साधन, AI द्वारे भ्रमित केलेल्या उद्धरणांवर विशिष्ट लक्ष केंद्रित करून, केस कायदा उद्धरण ओळखू आणि सत्यापित करू शकते. हे जॉर्जिया टेक सेंटर फॉर सायंटिफिक सॉफ्टवेअर इंजिनिअरिंग (CSSE) आणि ओपन सोर्स प्रोग्राम ऑफिस (OSPO) येथे फेलोशिप प्रोग्रामद्वारे तयार केले गेले आहे, ज्याला IBM च्या देणगीद्वारे निधी दिला गेला आहे, विद्यापीठाच्या घोषणेनुसार. For more context on this story, see our ongoing more AI stories.
मास्टर्सचे विद्यार्थी एड्रियन लोझाडा आणि डी वू यांना CSSE आणि OSPO मधील मार्गदर्शकांसह टूल तयार करण्यासाठी फेलो म्हणून निवडले गेले. त्यांचे ध्येय, वकील आणि कायदेशीर क्षेत्रातील इतरांना कायदेशीर उद्धरणांची पडताळणी करण्याचा एक सोपा मार्ग देणे हे विद्यापीठाने म्हटले आहे.
हे कसे कार्य करते
Mellea-LRC मोठ्या भाषेच्या मॉडेलला IBM च्या Mellea ओपन-सोर्स फ्रेमवर्कसह एकत्र करते, जे "सूचना, पडताळणी, दुरुस्ती" प्रतिमानाभोवती तयार केले आहे: विकासक नियम लिहितात की LLM च्या आउटपुटने सामान्य कोड म्हणून पूर्ण केले पाहिजे आणि आउटपुट पूर्ण होईपर्यंत फ्रेमवर्क मॉडेल कॉलचा पुन्हा प्रयत्न करतो.
"IBM चे Mellea फ्रेमवर्क हा पाया होता ज्यावर आम्ही ते तयार केले होते. Mellea चे काम मॉडेल कॉल्सचे अंदाज लावता येण्यासारखे आहे: तुम्ही आउटपुटने सामान्य कोड म्हणून पूर्ण करणे आवश्यक असलेले नियम लिहा आणि LLM आउटपुट पूर्ण होईपर्यंत फ्रेमवर्क पुन्हा प्रयत्न करा. आमचे काम कायदेशीर ऍप्लिकेशन तयार करण्यासाठी शेवटपासून शेवटपर्यंत फ्रेमवर्कचा फायदा घेणे हे होते," वू म्हणाले.
साधन सुमारे आठ मिनिटांत दस्तऐवजावर प्रक्रिया करते. हे प्रथम कायदेशीर फाइलिंगमधून केस कायद्याचे उद्धरण काढते, नंतर प्रत्येक उद्धरण प्रामाणिक असल्याचे सत्यापित करते आणि ते प्रत्यक्षात दस्तऐवजाच्या सामग्रीचे समर्थन करते — दुसरा भाग म्हणजे भ्रामक उद्धरण केवळ बनावट उद्धरणापासून वेगळे करतो. अस्तित्त्वात नसलेले बनावट केस पहिल्या तपासणीत अपयशी ठरतात; एक वास्तविक केस जे फायलिंगचे दावे काय सांगत नाहीत ते दुसरे अपयशी ठरते.
रिअल फॅब्रिकेटेड फाइलिंग विरुद्ध चाचणी केली
संघाने 26 सार्वजनिक न्यायालय-फाइलिंग दस्तऐवजांवर मेले-एलआरसीचे मूल्यमापन केले ज्यामध्ये खोटे दाखले आहेत - त्याच वर्गाच्या घटना ज्यांनी AI-मसुदा तयार केलेल्या ब्रीफ्सचा प्रसार झाल्यामुळे कोर्टात मंजुरी आणि छाननी झाली आहे.
Mellea-LRC लक्ष्यांची समस्या चांगल्या प्रकारे दस्तऐवजीकरण केलेली आहे: LLMs प्रशंसनीय दिसणारी केसची नावे, उद्धरणे आणि कोटेशन तयार करतात जे कोणत्याही वास्तविक उदाहरणाशी सुसंगत नाहीत आणि वकिलांनी तपासल्याशिवाय असे फाइलिंग सबमिट केल्यावर त्यांना दंडाला सामोरे जावे लागले आहे.
डिझाइनद्वारे मुक्त स्रोत
प्रकल्पाची मुख्य आवश्यकता ही होती की टूलचा कोड ओपन सोर्स असावा. टूलच्या सोबतच, टीमने भविष्यातील बेंचमार्किंग अभ्यासांसाठी हगिंग फेसवर नवीन चाचणी आणि प्रमाणीकरण डेटासेट जारी केला.
"एजंटिक एआय वेगाने वाढत आहे, आणि बहुतेक वाढ ओपन-सोर्स प्रकल्पांमध्ये होते, जिथे कोणीही वाचू शकतो, वापरू शकतो आणि काम सुधारू शकतो," लोझाडा म्हणाले.
जॉर्जिया टेकचे OSPO संचालक आणि प्रमुख संशोधन शास्त्रज्ञ जेफ यंग म्हणाले की, IBM ची Mellea फ्रेमवर्क कामासाठी महत्त्वपूर्ण आहे कारण त्याचा "सूचना, पडताळणी, दुरुस्ती" दृष्टीकोन विश्वसनीय LLM लूप तयार करण्यास अनुमती देतो.
विश्वसनीय आउटपुटमागील आर्किटेक्चर
मेलेला दृष्टीकोन लक्षणीय बनवते ते म्हणजे ते विश्वसनीयतेचे ओझे कुठे ठेवते. बहुतेक भ्रम कमी करण्याच्या रणनीती मॉडेललाच अधिक सावधगिरी बाळगण्यास सांगतात — प्रॉम्प्टिंग, फाइन-ट्यूनिंग किंवा पुनर्प्राप्ती वाढवण्याद्वारे. Mellea-LRC हे उलट करते: अचूकता आवश्यकता मॉडेलच्या बाहेर सामान्य कोडमध्ये राहतात, आणि फ्रेमवर्क मॉडेलला कॉल करत राहते जोपर्यंत आउटपुट त्यांचे समाधान करत नाही.
त्या डिझाइनचे दोन व्यावहारिक परिणाम आहेत. प्रथम, पडताळणी तर्क लेखापरीक्षण करण्यायोग्य आहे — अपारदर्शक मॉडेल निकालावर विश्वास ठेवण्याऐवजी, एक वकील किंवा न्यायालय उद्धरणासाठी नेमके कोणते नियम पास करायचे ते वाचू शकतात. दुसरे, समान पॅटर्न कायदेशीर संदर्भांच्या पलीकडे कोणत्याही डोमेनचे सामान्यीकरण करते जेथे आउटपुट यांत्रिकरित्या तपासले जाऊ शकतात, ही मालमत्ता आहे ज्याने एजंटिक फ्रेमवर्क एंटरप्राइझ डेव्हलपरसाठी आकर्षक बनवले आहे.
फेलोशिपची रचना देखील लक्षात घेण्यासारखी आहे. बंद कॉर्पोरेट लॅबऐवजी, प्रकल्पाने दोन मास्टर्सचे विद्यार्थी, CSSE आणि OSPO कडून मार्गदर्शन आणि IBM निधी एका अरुंद, चांगल्या-परिभाषित पडताळणी समस्येभोवती एकत्र ठेवले — आणि एक कार्यरत साधन आणि सार्वजनिक बेंचमार्क डेटासेट तयार केला.
कायदेशीर उद्योगासाठी हे महत्त्वाचे का आहे
AI विश्वसनीयता समस्यांसाठी न्यायालये एक फ्लॅशपॉइंट बनली आहेत. पडताळणी कार्यप्रवाह Mellea-LRC स्वयंचलित होतो — उद्धरण अस्तित्त्वात आहे याची पुष्टी करणे आणि ड्राफ्टरचा दावा काय आहे हे तपासणे — हे अचूक पाऊल आहे जे मानवी समीक्षक डेडलाइन कडक असताना वगळतात.
प्रत्येक दस्तऐवजासाठी आठ मिनिटांच्या प्रक्रियेचा वेळ, न्यायाधीशाने अस्तित्वात नसलेल्या खटल्याचा ध्वजांकन केल्यानंतर न्यायवैद्यकीय व्यायाम म्हणून न करता दाखल करण्यापूर्वी चालवणे व्यावहारिक बनवते. आणि साधन आणि त्याचे मूल्यमापन डेटासेट हे दोन्ही मुक्त स्त्रोत असल्यामुळे, इतर संघ ते कसे कार्य करतात याचे ऑडिट करू शकतात, ते अतिरिक्त अधिकारक्षेत्र आणि उद्धरण स्वरूपांपर्यंत विस्तारित करू शकतात आणि बेंचमार्क सुधारणा - एक दृष्टीकोन जो बंद, मालकी भ्रम तपासकांशी विरोधाभास आहे.
प्रकल्प एंटरप्राइझ AI टूलिंग कुठे जात आहे हे देखील सूचित करतो: मॉडेल्सला कमी भ्रम निर्माण करण्याचा प्रयत्न करण्याऐवजी, जॉर्जिया टेक सारख्या संघ त्यांच्याभोवती पडताळणी स्तर तयार करत आहेत, संरचित नियम आणि स्वयंचलित प्रयत्नांचा वापर करून मॉडेल आउटपुट उच्च-स्टेक व्यवसायांसाठी पुरेसा अंदाज लावता येईल.
कायदेशीर उद्योगासाठी, कॅल्क्युलस सरळ आहे. AI काही मिनिटांत संक्षिप्त मसुदा तयार करू शकते आणि Mellea-LRC सारखी साधने त्याच वेळी त्याचे उद्धरण तपासू शकतात. उर्वरित व्हेरिएबल हे आहे की कंपन्यांनी ते चेक करणे अनिवार्य पाऊल टाकले आहे - फाइलिंगपूर्वी, मंजुरीनंतर नाही.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
