Latent Space

Building Legal Agents When You Can't See the Data - Jacob Lauritzen, CTO of Legora

8.5内容质量
Building Legal Agents When You Can't See the Data - Jacob Lauritzen, CTO of Legora

TL;DR · AI 摘要

Legora通过模拟客户工作场景和模型优化,在无法查看数据的情况下成功构建法律代理,展示了法律科技的创新实践。

核心要点

  • Legora使用模拟客户工作场景的测试环境,准确率从70%提升至99%无需模型变更
  • 法律代理技术选型优先Azure而非ElevenLabs,因需满足法律行业数据合规要求
  • 当前模型已能完成60%法律工作,但复杂合同起草仍需更智能模型

结构提纲

按章节快速跳转。

  1. Legora在无法访问客户数据的约束下构建法律代理的技术挑战

  2. 从ChatGPT到定制化法律代理的系统升级路径

  3. 模型 picker 的引入与法律行业特殊需求的平衡

  4. 基于客户工作流的模拟环境构建与验证机制

  5. 通过10,000份合同数据室验证代理性能提升

  6. 法律行业工作模式与技术伦理的潜在变革

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • 法律代理技术挑战
    • 数据隐私约束
      • 模拟环境测试
      • 客户数据隔离
    • 模型优化
      • 准确率提升案例
      • Azure技术选型
    • 行业影响
      • 法律工作模式变革
      • 初级律师角色转型

金句 / Highlights

值得收藏与分享的关键句。

  • 通过模拟客户工作场景的测试环境,Legora在不修改模型的情况下将引用准确率从70%提升至99%

    — 第11章

    ⬇︎ 下载 PNG𝕏 分享到 X
  • 法律代理系统完全运行在Azure平台,避免使用ElevenLabs等可能暴露敏感数据的语音服务

    — 第9章

    ⬇︎ 下载 PNG𝕏 分享到 X
  • 当前主流模型已能完成60%的法律工作,但复杂合同起草仍需更智能的模型支持

    — 第7章

    ⬇︎ 下载 PNG𝕏 分享到 X
#法律科技#AI代理#模型优化#测试环境
打开原文

在无法查看数据时构建法律代理 —— Jacob Lauritzen,Legora首席技术官 —— 潜在空间

Legora无法查看其代理人为律师执行的任何操作记录。数据属于律师事务所的客户。当无法查看代理人的工作时,如何构建和测试代理人?

Jacob Lauritzen是Legora的首席技术官,Legora是法律科技历史上增长最快的公司之一。团队最初在斯德哥尔摩的地下室里,使用ChatGPT、瑞典法律和一个搜索工具起步。如今,律师可以使用Legora来撰写和编辑Word文档、在单一表格中审查10,000份合同,或执行尽职调查。该代理还协调律师、客户和其他代理之间的协作。当Legora进行收购时,团队也使用该工具进行尽职调查。

我们讨论的内容

• 为什么Legora多年来一直拒绝添加模型选择器,以及最终为何添加了它

• Jacob估计现有模型已经能够胜任约60%的法律工作,而其余部分需要更智能的模型

• 三位工程师和三位律师如何构建基于客户工作场景的测试环境,这与强化学习中使用的“世界”类似

• 一个引用问题,模型在一次发布后将正确率从70%提升至99%。Legora无需进行任何更改

• 为什么Legora选择在Azure上运行所有服务,以及为何不使用ElevenLabs

• 表格审查,行业沿用至今的百万单元格电子表格

• 接入流程如何运作,代理如何创建列表,以及列表如何触发另一个代理

• 法律工程师和前线部署工程师各自职责,以及谁有权编写代码

• Jacob曾用“300名斯巴达战士”的幻灯片论证20名工程师将永远足够。如今团队已有100人,他仍觉得人手不足

• 为什么Jacob认为Fable和Opus在起草文件时过于啰嗦,而更喜欢Astra简洁的写作风格

• 为什么起草长合同是一个搜索问题

• 模型实验室是否会像限制编程工具那样限制法律工具

• 律所合伙制、计时收费和初级律师职位将发生什么变化

Legora正在纽约、斯德哥尔摩和伦敦招聘工程师。

章节

0:00 冷启动

0:40 认识Jacob Lauritzen,Legora首席技术官

1:05 从斯德哥尔摩地下室的弱势起步

1:54 Legora如何从ChatGPT和瑞典法律发展为法律代理

4:12 从助手到代理的转变

5:23 Legora使用的模型及为何添加模型选择器

7:48 当前模型是否足以满足律师需求

8:20 九个月前代理无法完成的任务

9:18 在模拟世界和包含10,000个文件的数据室中测试代理

10:07 评估团队与Legora的100名法律工程师

11:03 当评估似乎不值得时,一次发布将引用准确率从70%提升至99%

赞助

您的赞助广告在此

接触正在构建未来AI工程师

潜在空间被负责部署代理、模型和基础设施的工程师阅读。咨询赞助此位置事宜。

[email protected] →

12:18 五到十年后法律实践可能的面貌

14:18 律所合伙制模式能否存续?

16:40 法律助理和初级律师将面临什么?

18:00 计时收费及早期法律科技的不足之处

19:39 资金流向何处

22:44 Legora如何使用其产品进行收购尽职调查

23:59 瑞典和美国律所的差异

26:12 在无法查看操作记录时的产品指标

27:41 重述操作记录并缩小故障类型至10到20种

28:42 数据隐私如何促使Legora选择在Azure上运行所有服务

30:04 开放权重模型与模型套利

30:55 语音转录模型与Legora为何不使用ElevenLabs

33:33 代理系统、表格审查、项目与Word插件

34:24 律师如何使用表格审查功能

35:51 为什么电子表格有效以及从前10行能学到什么

37:53 Slack中法律接待机器人的运作方式

39:11 代理如何创建列表以及列表如何启动代理

40:15 在相同模块上构建产品与收购Wexler

42:37 Legora的前部署工程师职责

43:52 法律工程师与前部署工程师如何为大客户实施上线

46:43 前部署团队未来一年的发展规划

47:24 为什么Legora拒绝开发API

49:26 代理能否作为API使用?

50:12 300名斯巴达战士幻灯片与维持20人团队的计划

51:32 那些无人要求Legora做出的决策

53:05 法律研究的后训练开放权重模型

54:05 搜索、检索与后期交互

54:51 优秀法律代理的关键特征以及起草工作如何依赖搜索

56:25 哪个模型能写出最佳草案?

57:03 幻觉现象与Legora的引用系统

57:41 律师会检查引用来源吗?

58:19 使用MapReduce还是百万词上下文窗口处理合同?

1:00:16 获取匿名示例与购买律所数据的构想

1:01:53 为什么Jacob建议避免使用默认嵌入

1:02:44 律师会在Legora工作还是通过Claude工作?

1:03:26 模型实验室会切断Legora的接入吗?

1:04:24 法学院与计算机专业奖学金

1:05:28 在纽约、斯德哥尔摩和伦敦的招聘

1:06:09 为什么大多数工作最终都会变成法律工作

嘉宾 —— Jacob Lauritzen,Legora首席技术官

https://legora.com

联合主持人 —— swyx,Latent Space

主持人 —— Basil Chatha,Forward Deployed

https://forwardeployed.com