bd体育bd体育同时ChatLaw也能成为专业律师们的小助手，帮他们处理繁琐的基础工作。
这就是北京大学深圳研究生院-兔展智能AIGC联合实验室（主任：北大田永鸿教授）带来的最新工作。
他们在通用大模型基础上，使用大量法律领域结构化文本数据进行训练，并找来资深律师辅助人工标注、进行高质量事实型多轮对话，最后炼成了ChatLaw。
以对话模式为例，又可分为普通类和专业类。对话模型包括快速、均衡和详细三种，可以按照自己的需要来做选择。
和常见的通用大模型不同，ChatLaw不是一上来就回答问题，而是会先引导你补充更多详细信息。
这也符合一般法律咨询的情况，当事人往往很难一次性提供全面的信息，很多表述都不明确法律问答。
当然ChatLaw还能处理更加复杂的情况，比如从文件中抽取关键信息做出分析。
在下面的场景中，当事人描述了自己突然被公司强制解雇的情况，ChatLaw简单分析后认为，这可能存在劳务纠纷，为了能更准确提供建议，它需要当事人提供劳动合同以及解雇通知等。
在拿到对应后，它将信息总结成了一个清晰的树状图，并将事实用法律语言进行描述，和当事人确认情况。
而且不光是给普通人提供法律咨询服务，ChatLaw还能充当专业律师的助手。
但对于通用大模型来说，训练数据集中往往没有包含非常充足的专业法律知识。比如ChatGPT显然是没有拿国内法条训练过的，乱回答的现象非常严重。
在这方面，研究团队使用大量判例文书、法律法规和司法解释，建立了一个大规模知识库。
然后在训练阶段将这些法律数据注入大模型中，专门建立一个微调子模型，可以进行关键词检索，来改善单纯依赖矢量数据库检索时不准确的问题。
同时在推理阶段也引入多个模块，将通识模型、专业模型和知识库融为一体bd体育，在推理中进行约束，以保证ChatLaw生成正确的法律建议，尽可能减少模型幻觉。
据了解，团队还特地整理了过去十年的法考考试题，建立了一个包含2000个问题的司法考试测试集。
通过ELO机制进行检验，ChatLaw模型在测试集上成功击败GPT4，获得最高分。
而在实际应用场景中，仅仅有强大的专业能力还不够，还需要能够灵活应对各种提问。
研究团队使用针对性微调训练了一个专用调度模型，它能够对问题进行分析，然后对子模型和插件进行调度重组，最终呈现出多个模态的输入和输出。
这样一来，ChatLaw就能将文件、音频法律问答、文字整合在一起分析，同时支持法律文书、思维导图等输出，还能推荐专业的法律援助。
ChatLaw-13B，此版本为学术demo版，基于姜子牙Ziya-LLaMA-13B-v1训练而来，中文各项表现很好，但是逻辑复杂的法律问答效果不佳，需要用更大参数的模型来解决。
ChatLaw-33B，此版本为学术demo版，基于Anima-33B训练而来，逻辑推理能力大幅提升，但是因为Anima的中文语料过少，导致问答时常会出现英文数据。
ChatLaw-Text2Vec，使用93w条判决案例做成的数据集基于BERT训练了一个相似度匹配模型，可将用户提问信息和对应的法条相匹配，例如：
“合同法(1999-03-15): 第二百零六条 借款人应当按照约定的期限返还借款。对借款期限没有约定或者约定不明确，依照本法第六十一条的规定仍不能确定的，借款人可以随时返还；贷款人可以催告借款人在合理期限内返还。”
主创团队小哥表示，2018年他报名的雅思课，才开课一星期机构就卷钱跑路了。他想要通过法律途径维权，结果发现这还真不是一件容易的事：
但普通人自己来搞定这些，又确实很难。比如需要使用“法言法语”描述问题等……
毕竟大数据也显示，2022年，全国法院共受理案件3372.3万件，其中由律师办理诉讼案件仅有824.4万件。74%的案件没有律师参与，当事人只能自己写材料、诉讼、协商。
而且主创团队还从专业法律人士方面了解到，律师们也很希望有一个AI工具能够帮自己提升工作效率，辅助完成一些基本工作。
ChatLaw的幕后团队是北京大学深圳研究生学院-兔展智能AIGC联合实验室。
团队主创成员有三位，分别是课题组内的准博士生伯华、家熙，以及研究生晏阳。
此外他们也联合了北京大学国际法学院、阿尔法律师事务所提供法律专业建议和指导。
因此，我们坚定的向这个项目投入算力、资源、人力。也许我们的产品现在还有诸多未完善的地方，但技术的发展是非线性的。也许在未来某个时间点，我们能够超越GPT，为这片土地的普通人带来普惠的法律服务。
据了解，目前ChatLaw已经有一些落地合作，而法律领域还只是北大-兔展智能AIGC实验室的第一步。
并且已经有了商业计划，“想做中国版Cohere”。专注于企业服务。基于法律、政务、金融3个领域，不断完善行业级大模型。
原标题：《大模型中的「罗翔老师」！北大兔展联合团队搞出ChatLaw，发布即登顶热榜，可提供法律咨询》