Z.ai, GLM मॉडेल फॅमिलीमागील चीनी AI लॅबने 12 ऑक्टोबर रोजी GLM-Legal रिलीज केले, एक डोमेन-विशिष्ट मॉडेल वेगळ्या प्रश्नांची उत्तरे देण्याऐवजी एंड-टू-एंड कायदेशीर कार्य हाताळण्यासाठी तयार केले गेले. कंपनीच्या घोषणेनुसार, GLM-Legal ने हार्वेच्या लीगल एजंट बेंचमार्क (LAB) वर 19.2% ऑल-पास रेट प्राप्त केला आणि स्थापित कायदेशीर तर्क चाचण्यांवर खूप मोठ्या फ्रंटियर सिस्टम्सशी जुळवून घेतले — आणि लॉन्चने हॅकर न्यूजवर त्वरीत लक्ष वेधले, जिथे त्याने काही तासांतच 170 गुण मिळवले.
Z.ai ला मार्केट कुठे चालले आहे असे वाटते याचे रिलीज हे सर्वात स्पष्ट संकेत आहे. कंपनीच्या फ्रेमिंगमध्ये, मोठ्या भाषेची मॉडेल्स सिंगल-टर्न कोड जनरेशनमधून "व्यावसायिक कॉवर्क" कडे वळत आहेत: ज्ञान कार्य ज्यामध्ये एजंटने ठोस उद्दिष्टे आणि कठोर वितरण मर्यादांनुसार खंडित स्त्रोत दस्तऐवज पचवले पाहिजेत, विशिष्ट ज्ञानाची रचना एकसंध विश्लेषणामध्ये केली पाहिजे आणि प्रथम वितरणापासून अंतिम वितरणापर्यंत डोमेनची कठोरता राखली पाहिजे. कायदेशीर सराव, Z.ai तर्क करते, त्या सर्व मागण्या एकाच ठिकाणी केंद्रित करतात, ज्यामुळे ते व्यावसायिक-श्रेणी AI साठी एक आदर्श तणाव चाचणी बनते. आमच्या ब्रेकिंग एआय न्यूज कव्हरेजमध्ये उर्वरित उद्योग कसा प्रतिसाद देतात ते तुम्ही फॉलो करू शकता.
लॉन्चच्या मागे असलेले नंबर
Z.ai ने तीन अक्षांमध्ये GLM-Legal चे मूल्यमापन केले: जटिल कार्य अंमलबजावणी, विशेष कायदेशीर तर्क आणि वास्तविक-जगातील कायदेशीर कार्यप्रवाह. शीर्षकाचा निकाल Harvey's LAB वर आहे, कायदेशीर AI कंपनी Harvey ने तयार केलेला बेंचमार्क ज्यासाठी मॉडेल्सना स्त्रोत दस्तऐवजांसह कार्य करणे आणि कायदेशीर कामाची पूर्ण उत्पादने तयार करण्यासाठी तपशीलवार सूचनांचे पालन करणे आवश्यक आहे.
घोषणेपासून तीन परिणाम वेगळे आहेत:
हार्वे LAB — 19.2% सर्व-पास. 24 सराव क्षेत्रांमध्ये पसरलेल्या वास्तविक-जगातील कायदा फर्म वर्कफ्लोमध्ये, GLM-Legal ने हार्वेच्या कठोर सर्व-पास ग्रेडिंग अंतर्गत 19.2% गुण मिळवले, त्याच्या बेस मॉडेलच्या तुलनेत 12.5 टक्के गुणांची सुधारणा. ग्रेडिंग व्यवस्था जाणीवपूर्वक अक्षम्य आहे: सबमिशनने मोजण्यासाठी प्रत्येक आवश्यकता पूर्ण करणे आवश्यक आहे, म्हणून आंशिक क्रेडिट अस्तित्वात नाही. Z.ai म्हणते की स्कोअर मध्यवर्ती अधोगतीशिवाय शेवटपासून शेवटपर्यंतच्या विश्वसनीय अंमलबजावणीची पुष्टी करते. LegalBench — बंद फ्रंटियर मॉडेल्ससह समानता. LegalBench वर, जे करार, विलीनीकरण फाइलिंग आणि न्यायिक मतांवर विशेष युक्तिवादाची चाचणी घेते, Z.ai अहवाल देते की GLM-Legal हे कंपनीने लक्षणीयरीत्या दुबळे पॅरामीटर फूटप्रिंट म्हणून वर्णन केलेल्या क्लोज्ड-सोर्स फ्रंटियर मॉडेल्सशी जुळते. PLawBench — चायनीज सरावातील ताकद. PLawBench वर, जे चीनी कायदेशीर सल्लामसलत, केसचे विश्लेषण आणि दस्तऐवज मसुदा तयार करण्याचे मूल्यमापन करते, Z.ai अग्रगण्य सीमा प्रणालीसह समानतेचा दावा करते.19.2% आकृती सेकंद वाचण्यास पात्र आहे. हा एकाच वेळी प्रगतीचा एक रेकॉर्ड आहे — बेस मॉडेलवर 12.5-पॉइंट जंप — आणि एजंटिक कायदेशीर मूल्यमापन किती मागणी आहे याचे स्मरणपत्र आहे. ऑल-पास ग्रेडिंग अंतर्गत, संख्या सूचित करते की पूर्ण वर्कफ्लोपैकी लक्षणीय बहुसंख्य किमान एका आवश्यकतेवर अद्याप अपयशी ठरतात. AI प्रणालीचे मूल्यांकन करणाऱ्या कायदेशीर खरेदीदारांनी विक्रेत्याचे बेंचमार्क नेमके तेच लक्षात घेऊन वाचले पाहिजेत.
GLM-कायदेशीर कसे प्रशिक्षित होते
Z.ai ने GLM-5.3-Flash वर मॉडेल तयार केले, कंपनीने या वर्षाच्या सुरुवातीला रिलीज केलेले लाइटवेट फाउंडेशन मॉडेल आणि दोन-स्टेज पाइपलाइनद्वारे शीर्षस्थानी स्तरित डोमेन सक्षमतेचे वर्णन ते असामान्यपणे कार्यक्षमतेवर केंद्रित आहे.
कायदेशीर कॉर्पोरा वर मध्य-प्रशिक्षण
पहिला टप्पा मध्य-प्रशिक्षण दरम्यान उच्च-गुणवत्तेच्या कायदेशीर कॉर्पोराचा विस्तार करतो, ज्यामुळे मॉडेलला दाट डोमेन संदर्भामध्ये कायदेशीर संकल्पना, वैधानिक नियम आणि व्याख्यात्मक फ्रेमवर्क शिकण्याची परवानगी मिळते. Z.ai म्हणते की हा टप्पा तथ्ये, नियम आणि निष्कर्ष यांच्यातील वजावटी शृंखला मजबूत करतो - जटिल डाउनस्ट्रीम कार्य पूर्ण करण्यापूर्वी मॉडेलला आवश्यक असलेला सब्सट्रेट.
लूपमधील हार्नेससह पोस्ट-ट्रेनिंग
दुसरा टप्पा हजारो वास्तववादी कायदेशीर वातावरणात मजबुतीकरण शिक्षण वापरतो. विशेष म्हणजे, Z.ai ने मॉडेलला वेगळ्या पद्धतीने प्रशिक्षण दिले नाही: एजंट हार्नेस — रनटाइम ऑर्केस्ट्रेशन फ्रेमवर्क जे टास्क कॉन्टेक्स्ट व्यवस्थापित करते, टूलसेट्स आणि रूट्स एक्झिक्यूशन फीडबॅक — लॉकस्टेपमध्ये मॉडेलसह को-ऑप्टिमाइझ केले होते. मॉडेल प्रशिक्षणादरम्यान एज केसेसने हार्नेस आर्किटेक्चरमधील अडथळे उघड केले, तर हार्नेस परिष्करण प्रशिक्षणात परत आले, मॉडेलला संबंधित संदर्भ पुनर्प्राप्त करण्यास आणि वास्तववादी अंमलबजावणीच्या मर्यादांशी जुळवून घेण्यास शिकवले.
उत्पादन फीडबॅक लूप
शेवटी, Z.ai म्हणते की वास्तविक-जगातील वर्कफ्लो आणि प्रॅक्टिशनर फीडबॅकने त्याचा ऑप्टिमायझेशन रोडमॅप सेट केला आहे. कायदेशीर व्यावसायिक ठोस निकषांविरुद्ध आउटपुटचे मूल्यमापन करतात: सर्व गंभीर समस्या आणि किनारी प्रकरणे संबोधित केली गेली आहेत की नाही, युक्तिवाद प्रमाणित आहेत आणि उद्धरण योग्य आहेत की नाही, डिलिव्हरेबल्स प्रकरणाच्या संक्षिप्ततेचे पालन करतात की नाही आणि डाउनस्ट्रीम टीम मॅन्युअल रीवर्कशिवाय आउटपुट वापरू शकतात का. ते निर्णय ठोस अभियांत्रिकी सिग्नलमध्ये रूपांतरित केले जातात जे पुढील प्रशिक्षण घेतात.
कायदेशीर उद्योगासाठी याचा अर्थ काय आहे
डोमेन-विशिष्ट मॉडेल एक गंभीर श्रेणी बनत आहेत. एक सामान्य मॉडेल सर्वत्र उत्कृष्ट होईल अशी पैज लावण्याऐवजी, Z.ai हे सट्टेबाजी करत आहे की घट्ट व्याप्ती असलेल्या व्यावसायिक कार्यांना लक्ष्यित मध्य-प्रशिक्षण आणि मूल्यमापन-चालित परिष्करण बक्षीस मिळेल - एक दृष्टीकोन जो एका अरुंद, उच्च-मूल्य वर्कलोडवर विश्वासार्हतेसाठी सामान्यतेचा व्यापार करतो.
येथे देखील एक उल्लेखनीय स्पर्धात्मक प्रतिध्वनी आहे. त्याच दिवशी घोषित करण्यात आलेल्या Meta च्या नवीन म्युज वंडर मॉडेल्सचे देखील हार्वेच्या LAB वर मूल्यमापन करण्यात आले, हे एक चिन्ह आहे की कायदेशीर AI च्या अग्रगण्य कंपन्यांपैकी एकाने तयार केलेला कायदेशीर बेंचमार्क एजंटिक सक्षमतेसाठी क्रॉस-इंडस्ट्री यार्डस्टिक बनला आहे. जेव्हा ग्राहकाभिमुख प्रयोगशाळा आणि विशेष स्टार्टअप एकाच चाचणीवर श्रेणीबद्ध केले जातात, तेव्हा खरेदीदारांना सफरचंद-ते-सफरचंद तुलना बिंदू मिळतात.
लक्षात ठेवण्यासारख्या चेतावणी
परिणाम Z.ai द्वारे स्वयं-अहवाल दिले जातात आणि एजंटिक कायदेशीर बेंचमार्कची स्वतंत्र प्रतिकृती अजूनही दुर्मिळ आहे. कंपनीने सांगितले नाही की GLM-Legal व्यापकपणे उपलब्ध असेल किंवा कसे, मॉडेलची किंमत काय असेल किंवा ते क्लायंटची गोपनीयता कशी हाताळते — दत्तक घेण्यापूर्वी कोणतीही कायदा फर्म किंवा कायदेशीर विभाग विचारेल असे प्रश्न. आणि सर्व विक्रेता बेंचमार्कप्रमाणे, हार्वेच्या LAB वरील कामगिरी हार्वेच्या LAB वरील कामगिरी मोजते; हे विशिष्ट फर्मच्या बाबी, अधिकार क्षेत्रे किंवा दस्तऐवज स्वरूपाच्या सक्षमतेची हमी देत नाही.
तरीही, मार्गाकडे दुर्लक्ष करणे कठीण आहे. फ्लॅश-क्लास फाउंडेशनवर बांधलेले लीन मॉडेल कायदेशीर तर्कांवर बंद सीमा प्रणालीशी जुळणारे डोमेन-विशिष्ट व्यावसायिक AI चे युग अनेक अपेक्षेपेक्षा अधिक वेगाने येत असल्याचे सूचित करते.
