OpenAI

۲۶ آبان ۱۴۰۵

شرکت

Astra for Law در هوش حقوقی پیشتاز است

جدیدترین پیکربندی مدل ما در ارزیابی زمان عرضه در ۲۴ حوزهٔ حقوقی اول شد و لوایح آن امتیاز بالاتری از GPT‑6 Astra گرفتند. اکنون همهٔ مشتریان ChatGPT Enterprise می‌توانند درخواست دسترسی کنند.

امروز نسخهٔ به‌روزشدهٔ Astra for Law برای امور حقوقی را منتشر می‌کنیم که در Harvey LAB-AA بهترین عملکرد موجود را دارد و در LAB: USCL، ساختهٔ مشترک Harvey⁠(در یک پنجره جدید باز می‌شود) و Grubel⁠(در یک پنجره جدید باز می‌شود)، و نیز سنجهٔ پژوهش حقوقی Vals AI در میان برترین‌ها قرار می‌گیرد. همچنین به همهٔ مشتریان ChatGPT Enterprise امکان می‌دهیم از طریق برنامهٔ دسترسی مورد اعتماد، درخواست دسترسی، از جمله از طریق API، ارائه کنند.

Astra for Law برای امور حقوقی پیکربندی‌ای از GPT‑6.2 Astra، جدیدترین و قدرتمندترین مدل پیشرو ماست. این پیکربندی GPT‑6.2 Astra را با یک نمایهٔ اختصاصی جست‌وجوی حقوقی و دستورالعمل‌هایی برای پژوهش دربارهٔ پرسش، سنجش اعتبار مستندات حقوقی و نگارش پاسخ ترکیب می‌کند. این پیکربندی در ارزیابی LAB-AA نزدیک به ۴۰٪ بیشتر از GPT‑6.2 Astra به‌تنهایی، امتیاز کامل گرفت.

از زمانی که Astra for Law برای امور حقوقی را در سپتامبر معرفی کردیم⁠ و در اختیار گروه کوچکی از مؤسسات حقوقی، از جمله Cooley⁠، Ropes & Gray⁠ و Sullivan & Cromwell⁠ قرار دادیم، تیم پژوهشی ما با سرعت دست به نوآوری زده است تا استدلال حقوقی آن را بهبود دهد و منابع حقوقی‌اش را تقریباً دو برابر کند. در سنجهٔ پژوهش حقوقی Vals AI⁠(در یک پنجره جدید باز می‌شود)، سهم پاسخ‌های پژوهشی که از تمام بررسی‌ها سربلند بیرون آمدند از حدود ۴۶٪ به نزدیک ۵۵٪ افزایش یافت. ما در حوزهٔ حقوق سرمایه‌گذاری می‌کنیم تا بهترین وکلا بتوانند برترین هوش پیشرو ما را برای پاسخ به پرسش‌هایی به کار گیرند که راه پیشرفت را در جهانی هرچه پیچیده‌تر باز می‌کنند.

Astra for Law برای امور حقوقی در مقایسهٔ زمان عرضهٔ Harvey LAB-AA در ۲۴ حوزهٔ حقوقی رتبهٔ نخست را کسب کرد

سنجهٔ عامل حقوقی Harvey یا LAB می‌آزماید که آیا یک مدل می‌تواند تکلیفی حقوقی را از ابتدا تا انتها انجام دهد. LAB-AA⁠(در یک پنجره جدید باز می‌شود) نسخهٔ Artificial Analysis از این آزمون است. این آزمون، مدل‌ها را با ۱۲۰ تکلیف طراحی‌شده توسط Harvey به چالش می‌کشد؛ از تدوین طرح کلی پرسش‌های اخذ شهادت پیش از محاکمه و بررسی اجاره‌نامه‌های تجاری گرفته تا برنامه‌ریزی راهبردی برای تغییرات مالکیت در تملک شرکت‌ها. برای کسب امتیاز کامل، پاسخ باید تمام الزامات تکلیف را بدون توهم برآورده کند؛ یعنی نباید ادعای مهمی مطرح کند که اسناد منبع از آن پشتیبانی نمی‌کنند.

Astra for Law برای امور حقوقی با کسب امتیاز کامل در ۲۰٫۸٪ تکالیف، بالاتر از GPT‑6.2 Astra با ۱۵٫۰٪ و Muse Wonder Full با ۱۳٫۱٪، در رتبهٔ نخست قرار گرفت.

نمودار میله‌ای مقایسهٔ سهم تکالیف LAB-AA که امتیاز کامل گرفته‌اند.

OpenAI برای امور حقوقی در ۲۰٫۸٪ تکالیف امتیاز کامل گرفت و در رتبهٔ نخست قرار گرفت.

Astra for Law برای امور حقوقی همچنین این امتیاز برتر را با کمتر از نصف خروجیِ بالاترین مدل غیر OpenAI در مقایسهٔ زمان عرضه به دست آورد. میانگین توکن‌های خروجی آن در هر تکلیف حدود ۶۴٬۰۰۰ بود، در برابر ۱۳۹٬۰۰۰ توکن برای Muse Wonder Full؛ و در تکالیف بیشتری امتیاز کامل گرفت: ۲۰٫۸٪ در برابر ۱۳٫۱٪. برای تیم‌های حقوقی که بر اساس میزان مصرف هزینه می‌پردازند، این یعنی Astra for Law برای امور حقوقی، در عین تولید ۵۴٪ خروجی کمتر در هر تکلیف، بیشتر از Muse Wonder Full امتیاز کامل گرفته است. این تفاوت می‌تواند تعیین کند که هزینه‌ها در چارچوب بودجه بمانند یا از آن فراتر بروند.

نمودار پراکندگی میانگین توکن‌های خروجی در مقیاس لگاریتمی در برابر نرخ کسب امتیاز کامل در LAB-AA.

هر نقطه نشان‌دهندهٔ یک پیکربندی مدل است. جایگاه بالاتر یعنی تکالیف بیشتری امتیاز کامل گرفته‌اند؛ جایگاه نزدیک‌تر به چپ یعنی توکن‌های خروجی کمتر، شامل متنی که مدل هنگام استدلال و نگارش تولید می‌کند. Astra for Law برای امور حقوقی به‌طور میانگین در هر تکلیف حدود ۶۴٬۰۰۰ توکن خروجی تولید کرد و در ۲۰٫۸٪ تکالیف امتیاز کامل گرفت؛ این ارقام برای Muse Wonder Full به‌ترتیب ۱۳۹٬۰۰۰ و ۱۳٫۱٪ بود. هیچ‌یک از پیکربندی‌های نمایش‌داده‌شده نتوانست با توکن‌های خروجی کمتر، به امتیاز Astra for Law برای امور حقوقی برسد.

Astra for Law برای امور حقوقی به‌طور میانگین در هر تکلیف ۹۵٪ کمتر از Claude Opus 5.5 توهم مهم داشت

توهم‌زایی در کار حقوقی پذیرفتنی نیست. یک استناد ساختگی می‌تواند به‌تنهایی اعتماد موکل، اعتبار وکیل در دادگاه و خوش‌نامی‌ای را که طی سال‌ها ساخته است، از بین ببرد. به همین دلیل، کاهش توهم‌زایی یکی از اولویت‌های Astra for Law بوده است. در تازه‌ترین مقایسهٔ LAB-AA مؤسسهٔ Artificial Analysis، Astra for Law و GPT‑6 مشترکاً کمترین نرخ توهم‌های اثرگذار را داشتند: ۰٫۰۳ مورد در هر تکلیف، در برابر ۰٫۵۹ مورد برای Claude Opus 5.5 که پس از آن، کمترین نرخ را در میان مدل‌های غیر OpenAI داشت.

نمودار میله‌ای گروه‌بندی‌شده برای مقایسهٔ تعداد توهم‌های مهم و جزئی در هر تکلیف LAB-AA.

Astra for Law برای امور حقوقی به‌طور میانگین در هر تکلیف ۰٫۰۳ توهم مهم و ۰٫۰۶ توهم جزئی داشت. Claude Opus 5.5 به‌طور میانگین در هر تکلیف ۰٫۵۹ توهم مهم و ۰٫۵۱ توهم جزئی داشت؛ یعنی حدود ۲۰ برابر توهم مهم و ۸٫۵ برابر توهم جزئی.

در همان ۱۲۰ تکلیف، Artificial Analysis ادعاهای ساختگی‌ای را شمرد که می‌توانستند خواننده را دربارهٔ نکته‌ای اساسی گمراه کنند. Astra for Law به‌طور میانگین در هر تکلیف ۰٫۰۳ مورد از این خطاها داشت؛ این نرخ در مقایسه، به‌طور مشترک کمترین بود و تقریباً نصف نرخ GPT‑6.2 Astra معمولی (۰٫۰۶) بود. تمام پیکربندی‌های آزمایش‌شدهٔ OpenAI در این معیار توهم‌های کمتری از Claude Opus 5.5 داشتند؛ مدلی که بهترین نتیجه را در میان مدل‌های غیر OpenAI کسب کرد. Opus به‌طور میانگین در هر تکلیف ۰٫۵۹ توهم اثرگذار داشت؛ حدود ۲۰ برابر Astra for Law. نکتهٔ قابل‌توجه اینکه Astra for Law در این ارزیابی، در تکالیفی که تمام معیارهای قبولی را برآورده کردند، هیچ توهمی نداشت؛ یعنی با اعمال جریمهٔ توهم، امتیازش در ارزیابی کاهش نیافت.

Astra for Law در بنچمارک رویهٔ قضایی ایالات متحده جزو مدل‌های برتر است

“Astra for Law 6.2 در سنجه‌های ما نسبت به مدل‌های پیشین Astra بهبود چشمگیری داشته است. این مدل لایحه‌هایی جامع‌تر و مستدل‌تر می‌نویسد که داوران ما در مقایسه‌های دوتایی، نزدیک به ۹۰٪ مواقع آن‌ها را به لایحه‌های GPT‑6 Astra ترجیح می‌دهند. نکتهٔ مهم این است که افزایش عمق استدلال با افت دقت نسبت به مدل‌های قبلی همراه نبوده است؛ همچنان می‌بینیم که مدل‌های خانوادهٔ Astra در LAB و نسخهٔ توسعه‌یافتهٔ آن برای رویهٔ قضایی ایالات متحده، از پایین‌ترین نرخ‌های توهم‌زایی برخوردارند.”
خولیو پریرا، مدیر پژوهش حقوقی در Harvey

نگارش لایحه یکی از پیچیده‌ترین فرایندهای بلندمدت در کار حقوقی است و برای ارائهٔ استدلالی ممتاز، به ترکیبی از استدلال روشن، پژوهش و نگارش نیاز دارد.

Harvey و Grubel⁠(در یک پنجره جدید باز می‌شود) سنجهٔ LAB: USCL⁠(در یک پنجره جدید باز می‌شود) را با همکاری یکدیگر توسعه دادند تا بیازمایند آیا یک مدل می‌تواند در پرونده‌ای واقعی در دادگاه فدرال ایالات متحده پژوهش کند و لایحه بنویسد. هر مدل درست پیش از ثبت لایحه وارد فرایند می‌شود و برای همان طرف دعوا و دربارهٔ همان موضوع لایحه می‌نویسد. در یک نسخه، مدل باید خودش آرای مرتبط را پیدا کند. در نسخهٔ دیگر، سوابق پرونده و آرایی که وکیل اصلی به آن‌ها استناد کرده است در اختیار مدل قرار می‌گیرد. ارزیاب‌های هوش مصنوعی لوایح را رودررو و بر اساس معیارهایی مقایسه می‌کنند که وکلا بازبینی و تنظیم کرده‌اند. Astra for Law در هر دو نسخه یکی از بالاترین امتیازها را کسب کرد.

ارزیابی رویهٔ قضایی ایالات متحدهٔ Harvey: با انجام پژوهش، امتیاز Astra for Law برای امور حقوقی ۱٬۸۴۴ در برابر ۱٬۸۱۷ برای Opus 5.5 است؛ با دریافت آرای مرتبط، امتیازها به‌ترتیب ۱٬۸۸۳ و ۱٬۸۸۲ هستند. بازه‌های عدم قطعیت در هر دو حالت همپوشانی دارند.

Farther right means the briefs earned higher ratings. When the models researched the law themselves, Astra for Law scored 1,844 to Opus 5.5’s 1,817. Given the precedents, they were effectively even at 1,883 and 1,882.

هرچه نقطه در سمت راست‌تری قرار داشته باشد، امتیاز لایحه‌ها بالاتر است. وقتی مدل‌ها خودشان دربارهٔ قوانین پژوهش کردند، Astra for Law امتیاز ۱٬۸۴۴ و Opus 5.5 امتیاز ۱٬۸۱۷ گرفت. وقتی آرای پیشین در اختیارشان قرار گرفت، امتیازهای این دو مدل عملاً برابر بود: به‌ترتیب ۱٬۸۸۳ و ۱٬۸۸۲. بازه‌های عدم‌قطعیت در هر دو آزمون هم‌پوشانی دارند.

نتیجهٔ نخست («پژوهش و نگارش پیش‌نویس»، در سمت چپ) اهمیت دارد، زیرا بهبود پژوهش حقوقی یکی از پیشرفت‌های اصلی این نسخه است. برای بهبود این نتیجه تمرکز کردیم، چون وکیل دعاوی به‌ندرت کارش را با فهرستی از آرای مناسب آغاز می‌کند. در این آزمون، هر مدل باید تشخیص می‌داد کدام آرا اهمیت دارند و از آن‌ها برای نوشتن استدلالی استفاده می‌کرد که دادگاه بتواند آن را دنبال کند. در این تکلیف، ارزیاب‌های Harvey لایحه‌های Astra for Law را به لایحه‌های مدل‌های پیشرو دیگری مانند Opus 5.5 و Gemini 4 Argon ترجیح دادند. در ارزیابی Vals AI که در ادامه به آن می‌پردازیم، بهبودهای محسوس‌تری در پژوهش حقوقی دیده می‌شود.

Astra for Law در بنچمارک پژوهش حقوقی Vals AI جزو مدل‌های برتر است و در کمتر از دو ماه، ۹ واحد درصد بهبود داشته است

در OpenAI، حقوق را به یکی از اولویت‌های پژوهشی تبدیل کرده‌ایم و تیمی از پژوهشگران را به شتاب بخشیدن به نوآوری در هوش حقوقی پیشرو اختصاص داده‌ایم. یکی از نخستین معیارهای سنجش پیشرفت این تیم، سنجهٔ پژوهش حقوقی Vals AI⁠(در یک پنجره جدید باز می‌شود) است که پرسش‌های آن دربارهٔ قوانین فدرال و ایالتی ایالات متحده را وکلای شاغل طراحی می‌کنند. پاسخ باید تمام نکات لازم را پوشش دهد و از بررسی منابع نیز سربلند بیرون بیاید. در سپتامبر، OpenAI برای امور حقوقی به حدود ۴۶٪ پرسش‌ها پاسخ قابل‌قبول داد. نسخهٔ امروز به ۵۴٫۸۱٪ پرسش‌ها پاسخ قابل‌قبول می‌دهد که کمتر از یک واحد درصد با بالاترین امتیاز منتشرشده فاصله دارد.

ساخت Astra for Law به‌صورت یک پیکربندی مدل، به ما امکان می‌دهد شیوهٔ استدلال و منابعی را که می‌تواند به آن‌ها رجوع کند بهبود دهیم. از سپتامبر، GPT‑6.2 Astra را وارد این پیکربندی کرده‌ایم و دستورالعمل‌های هدایت‌کنندهٔ تحلیل حقوقی آن را بهبود داده‌ایم. همچنین بیش از ۵۳۹٬۰۰۰ منبع حقوقی ایالات متحده را به نمایهٔ جست‌وجوی آن افزوده‌ایم و با آغاز افزودن منابع دست‌اول حقوقی از بریتانیا، استرالیا و کانادا، بیش از ۹۸٬۰۰۰ منبع از این سه کشور نیز به آن اضافه کرده‌ایم. این منابع، نمایهٔ جست‌وجوی حقوقی را گسترش می‌دهند که در زمان عرضه نیز بیش از ۲۳۰ میلیون نشانی اینترنتی را در بر می‌گرفت⁠ و از مجموعه‌ای بهره می‌برد که بیش از ۹۹٫۹٪ آرای منتشرشدهٔ دارای ارزش سابقهٔ قضایی در ایالات متحده⁠(در یک پنجره جدید باز می‌شود) را پوشش می‌دهد.

در سنجهٔ عامل حقوقی خود Harvey، مدل GPT‑6 Astra در ۴٫۶٪ تکالیف تمام الزامات را برآورده کرد. GPT‑6.2 Astra در همان شرایط، ۱۴٫۶٪ تکالیف را کامل انجام داد. با پیکربندی حقوقی، این رقم به ۱۶٫۲٪ رسید.

سهم تکالیف سنجهٔ عامل حقوقی Harvey که همهٔ الزامات را برآورده کردند: GPT-6 Astra، ۴٫۶٪؛ GPT-6.2 Astra، ۱۴٫۶٪؛ Astra for Law 6.2، ۱۶٫۲٪.

This chart shows both the rate of development in frontier intelligence, as well as the impact of the model configuration. The full-credit rate more than tripled from GPT‑6 Astra to GPT‑6.2 Astra, then rose another 11% with the legal configuration. This test comes from Harvey’s own LAB (separate from the previously discussed LAB-AA).

میله‌های بلندتر نشان می‌دهند که تکالیف بیشتری تمام الزامات Harvey را برآورده کرده‌اند. Harvey این آزمون را جدا از ارزیابی LAB-AA مؤسسهٔ Artificial Analysis اجرا کرد.

وکلا با Astra for Law برای امور حقوقی، استدلال‌های خود را می‌آزمایند و به همکارانشان در تصمیم‌گیری‌های دشوارتر کمک می‌کنند

“خوشحال بودیم که فرصت بررسی نسخه‌های اولیهٔ Astra for Law برای امور حقوقی را داشتیم؛ نسخه‌هایی که با در نظر گرفتن کاربردهای حقوقی ساخته شده بودند. هم در دعاوی و هم در امور معاملاتی، مدل‌ها عمق پژوهشی چشمگیری نشان دادند و به اعتبار و جایگاه مستندات حقوقی توجه دقیقی داشتند. حتی در این مرحلهٔ اولیه، به نظر می‌رسید گامی مهم به‌سوی هوش مصنوعی تخصصی حقوقی باشند که با دقت بر پژوهش‌های به‌روز و جامع تکیه دارد.”
—جان ساوا، شریک در Sullivan & Cromwell

جالب‌ترین کاربردهای بالقوهٔ Astra for Law برای امور حقوقی را وکلایی شکل می‌دهند که در کار روزمره از آن استفاده می‌کنند. در مؤسسات حقوقی مشتری و تیم حقوقی خود OpenAI، کاربران اولیه منابع مرجع متناسب با حوزهٔ کاری خود می‌سازند، استدلال‌هایشان را در معرض نقد سخت‌گیرانه‌تری قرار می‌دهند و راه‌های تازه‌ای برای بررسی و فهم قوانین پیدا می‌کنند.

برای نمونه، کاربران اولیه در OpenAI از Astra for Law برای امور حقوقی در موارد زیر استفاده می‌کنند:

  • استدلال خود را با قوی‌ترین مخالفش روبه‌رو کنید. یکی از کاربردهای رایج Astra for Law برای امور حقوقی، ایفای نقش حریف تمرینی در بحث و استدلال است. یک وکیل متخصص حقوق رقابت، تفسیری از یک قانون را به آن می‌دهد و می‌خواهد با تکیه بر پیشینهٔ قانون‌گذاری، آرای دادگاه‌ها و نسخه‌های آن قانون به زبان‌های دیگر، از موضع مخالف دفاع کند. ارزش این کار زمانی آشکار می‌شود که یک ایراد آن‌قدر قوی باشد که مشاورهٔ حقوقی را تغییر دهد.

  • مرز میان توصیه و الزام را پیدا کنید. یک وکیل حوزهٔ سیاست‌گذاری که لایحه‌ای پیشنهادی برای نظارت بر هوش مصنوعی را بررسی می‌کرد، می‌خواست بداند بازبین مستقل چه میزان اختیار خواهد داشت. اگر بازبین خواستار اصلاحی می‌شد، آیا توسعه‌دهنده ملزم به انجام آن بود؟ برای چنین پرسش‌هایی، وکیل شرح هر الزام را به زبان انگلیسی ساده در کنار عین عبارت‌های لایحه قرار می‌دهد تا همکاران ببینند متن از کدام برداشت پشتیبانی می‌کند.

  • اولین گفت‌وگو با مشاور حقوقی بیرونی را از پرسش دشوار آغاز کنید. وقتی کسب‌وکار به ورود به صنعتی ناآشنا فکر می‌کند، وکیل امور محصول از Astra for Law برای امور حقوقی استفاده می‌کند تا مشخص کند چه مقرراتی بر فعالیت پیشنهادی حاکم خواهند بود. به‌جای صرف اولین گفت‌وگو برای آشنایی کلی با صنعت، وکیل می‌تواند پرسشی مشخص دربارهٔ کاری که کسب‌وکار قصد انجامش را دارد با متخصص مطرح کند.

  • انبوهی از خط‌مشی‌ها را به گردش کار تبدیل کنید. یک مدیر برنامه‌های حقوقی با استفاده از Astra for Law برای امور حقوقی، رویه‌های نظارتی و خط‌مشی شرکت را به گردش کاری برای همکاران رسیدگی‌کننده به پرونده‌های ورودی تبدیل کرد. به این ترتیب، آن‌ها می‌توانند تشخیص دهند چه زمانی اطلاعات بیشتری بخواهند، چه زمانی پرونده را ببندند و چه زمانی آن را به وکیل ارجاع دهند.

  • راهنمایی را بسازید که آرزو داشتید همراه قانون باشد. یک وکیل متخصص حقوق رقابت، Astra for Law برای امور حقوقی را با ابزارهای ساخت وب‌سایت ChatGPT ترکیب کرد تا برای قوانینی که تیم مرتباً استفاده می‌کند، توضیحات تکمیلی بنویسد. همکاری که یک مادهٔ قانونی را می‌خواند، می‌تواند نشانگر را روی اصطلاحی نگه دارد تا تعریف آن را ببیند، از طریق پیوند به منابع توضیح‌دهندهٔ آن برود و ببیند آخرین بار که آن ماده مطرح شده، تیم چه مشاوره‌ای ارائه کرده است.

Astra for Law برای امور حقوقی را به کار حقوقی خود بیاورید

از امروز، همهٔ مشتریان ChatGPT Enterprise می‌توانند از طریق برنامهٔ دسترسی مورد اعتماد در کنسول مدیریت، درخواست دسترسی به Astra for Law برای امور حقوقی را ثبت کنند. اگر تیم شما از قبل دسترسی دارد، GPT‑6.2 Astra Law را در ChatGPT انتخاب کنید. برای ادغام Astra for Law برای امور حقوقی در ابزارهای خود از طریق API، جهت دریافت تأیید جداگانه با مدیر حساب خود تماس بگیرید.

حرفهٔ حقوق در نقطهٔ عطفی قرار دارد. در شرایطی که فناوری توانایی‌های کسب‌وکارها را دگرگون می‌کند و جهان هرچه پیچیده‌تر و به‌هم‌پیوسته‌تر می‌شود، وکلا فرصتی بی‌سابقه دارند تا به درک ما از این مقطع شکل دهند؛ نه فقط برای کسب‌وکارهایی که به آن‌ها مشاوره می‌دهند، بلکه برای همهٔ ما که با قواعدی زندگی می‌کنیم که آن‌ها در تدوینشان نقش دارند. باور داریم بهترین وکلا، با بهره‌گیری از بهترین هوش، می‌توانند از عهدهٔ این مسئولیت برآیند.

ما هنوز در آغاز راهیم. مشتاقیم ببینیم این حرفه را به کجا خواهید رساند.

نویسنده

OpenAI