നിയമരംഗത്തെ ബുദ്ധിശക്തിയിൽ Astra for Law മുന്നിൽ.
24 നിയമമേഖലകളിലെ ആദ്യ പരീക്ഷയിൽ ഞങ്ങളുടെ പുതിയ മോഡൽ വിന്യാസം ഒന്നാമതെത്തി. വാദപത്രങ്ങൾക്ക് GPT‑6 Astra-യെക്കാൾ ഉയർന്ന വിലയിരുത്തലും നേടി. എല്ലാ ChatGPT Enterprise ഉപഭോക്താക്കൾക്കും ഇനി പ്രവേശനം അഭ്യർഥിക്കാം.
നിയമകാര്യങ്ങൾക്കുള്ള OpenAI-യുടെ പരിഷ്കരിച്ച പതിപ്പ് ഇന്ന് ഞങ്ങൾ പുറത്തിറക്കുന്നു. ഹാർവി LAB-AA-യിൽ ഏറ്റവും മികച്ച നിലവാരവും, ഹാർവിയും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഗ്രൂബെലും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ചേർന്ന് വികസിപ്പിച്ച LAB: USCL-ലും Vals AI-യുടെ നിയമഗവേഷണ പരീക്ഷയിലും മുൻനിര പ്രകടനവും ഇത് കാഴ്ചവെക്കുന്നു. എല്ലാ ChatGPT Enterprise ഉപഭോക്താക്കൾക്കും വിശ്വസ്ത പ്രവേശന പദ്ധതിയിലൂടെ, API വഴിയുള്ള ഉപയോഗം ഉൾപ്പെടെ, പ്രവേശനം അഭ്യർഥിക്കാനും ഞങ്ങൾ അവസരമൊരുക്കുന്നു.
ഞങ്ങളുടെ ഏറ്റവും പുതിയതും ശക്തവുമായ അത്യാധുനിക മോഡലായ GPT‑6.2 Astra-യുടെ ഒരു മോഡൽ വിന്യാസമാണ് നിയമകാര്യങ്ങൾക്കുള്ള OpenAI. GPT‑6.2 Astra-യോടൊപ്പം പ്രത്യേക നിയമ തിരച്ചിൽ സൂചികയും ചോദ്യത്തിൽ ഗവേഷണം നടത്താനും ആധികാരിക നിയമസ്രോതസ്സുകൾ വിലയിരുത്താനും ഉത്തരം എഴുതാനുമുള്ള നിർദേശങ്ങളും ഇതിൽ സംയോജിപ്പിച്ചിരിക്കുന്നു. LAB-AA മൂല്യനിർണയത്തിൽ ഈ വിന്യാസം മുഴുവൻ മാർക്കും നേടിയതിന്റെ നിരക്ക് GPT‑6.2 Astra ഒറ്റയ്ക്ക് ഉപയോഗിച്ചതിനെക്കാൾ ഏകദേശം 40% കൂടുതലായിരുന്നു.
കൂലി, റോപ്സ് & ഗ്രേ, സള്ളിവൻ & ക്രോംവെൽ ഉൾപ്പെടെ ഏതാനും സ്ഥാപനങ്ങൾക്ക് സെപ്റ്റംബറിൽ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI അവതരിപ്പിച്ചതിന് ശേഷം, അതിന്റെ നിയമ റീസണിംഗ് മെച്ചപ്പെടുത്താനും നിയമസ്രോതസ്സുകൾ ഏകദേശം ഇരട്ടിയാക്കാനും ഞങ്ങളുടെ ഗവേഷകസംഘം അതിവേഗ നവീകരണങ്ങൾ നടത്തി. Vals AI-യുടെ നിയമഗവേഷണ പരീക്ഷയിൽ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) എല്ലാ പരിശോധനകളും വിജയിച്ച ഗവേഷണ ഉത്തരങ്ങളുടെ വിഹിതം ഏകദേശം 46%-ൽനിന്ന് 55%-നടുത്തെത്തി. കൂടുതൽ സങ്കീർണ്ണമാകുന്ന ലോകത്ത് പുരോഗതി സാധ്യമാക്കുന്ന ചോദ്യങ്ങൾക്ക് ഞങ്ങളുടെ മികച്ച അത്യാധുനിക ബുദ്ധിശേഷി പ്രയോജനപ്പെടുത്താൻ മികച്ച അഭിഭാഷകർക്ക് കഴിയണമെന്നതിനാലാണ് ഞങ്ങൾ നിയമരംഗത്ത് നിക്ഷേപിക്കുന്നത്.
ഒരു മോഡലിന് നിയമദൗത്യം തുടക്കംമുതൽ അവസാനംവരെ നിർവഹിക്കാനാകുമോ എന്ന് ഹാർവിയുടെ നിയമ ഏജന്റ് മാനദണ്ഡപരീക്ഷ (LAB) പരിശോധിക്കുന്നു. ആ പരീക്ഷയുടെ ആർട്ടിഫിഷ്യൽ അനാലിസിസ് പതിപ്പാണ് LAB-AA(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). ഹാർവി വികസിപ്പിച്ച 120 ദൗത്യങ്ങളിലൂടെ ഇത് മോഡലുകളെ കർശനമായി പരീക്ഷിക്കുന്നു. സാക്ഷിമൊഴിയെടുക്കാനുള്ള രൂപരേഖ തയ്യാറാക്കൽ, വാണിജ്യ പാട്ടക്കരാറുകൾ പരിശോധിക്കൽ, ഏറ്റെടുക്കലുകളിലെ ഉടമസ്ഥാവകാശ മാറ്റങ്ങൾ ആസൂത്രണം ചെയ്യൽ എന്നിവയെല്ലാം ഇതിലുണ്ട്. മുഴുവൻ മാർക്കും നേടാൻ ഒരു ഉത്തരം ദൗത്യത്തിന്റെ എല്ലാ ആവശ്യകതകളും നിറവേറ്റണം. അടിസ്ഥാനരഹിത വിവരങ്ങൾ സൃഷ്ടിക്കരുത്; അതായത്, സ്രോതസ്സായ രേഖകൾ പിന്തുണയ്ക്കാത്ത പ്രധാന അവകാശവാദങ്ങൾ ഉന്നയിക്കരുത്.
20.8% ദൗത്യങ്ങളിൽ മുഴുവൻ മാർക്കും നേടി നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഒന്നാമതെത്തി. GPT‑6.2 Astra 15.0%-ഉം Muse Wonder Full 13.1%-ഉം നേടി.

20.8% ദൗത്യങ്ങളിൽ മുഴുവൻ മാർക്കും നേടി നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഒന്നാമതെത്തി.
പ്രാരംഭ താരതമ്യത്തിൽ OpenAI-യുടേതല്ലാത്ത മോഡലുകളിൽ ഏറ്റവും ഉയർന്ന സ്കോർ നേടിയ മോഡലിന്റെ പകുതിയിൽ താഴെ ഔട്ട്പുട്ട് ഉപയോഗിച്ചാണ് നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഈ നേട്ടം കൈവരിച്ചത്. ഒരു ദൗത്യത്തിന് ശരാശരി ഏകദേശം 64,000 ഔട്ട്പുട്ട് ടോക്കണുകളാണ് ഇത് ഉപയോഗിച്ചത്; Muse Wonder Full 139,000 ഉപയോഗിച്ചു. മുഴുവൻ മാർക്കും നേടിയ നിരക്കും കൂടുതലായിരുന്നു: 13.1%-നെതിരെ 20.8%. ഉപയോഗത്തിനനുസരിച്ച് പണം നൽകുന്ന നിയമസംഘങ്ങൾക്ക് ഇതിന്റെ അർഥം, ഓരോ ദൗത്യത്തിനും 54% കുറവ് ഔട്ട്പുട്ട് സൃഷ്ടിച്ചുകൊണ്ട് നിയമകാര്യങ്ങൾക്കുള്ള OpenAI, Muse Wonder Full-നെക്കാൾ കൂടുതൽ തവണ മുഴുവൻ മാർക്കും നേടി എന്നതാണ്. ബജറ്റിനുള്ളിൽ നിൽക്കുന്നതും അത് കവിഞ്ഞുപോകുന്നതും തമ്മിലുള്ള വ്യത്യാസം ഇതാകാം.

ഓരോ ബിന്ദുവും ഒരു മോഡൽ വിന്യാസമാണ്. ഉയർന്ന സ്ഥാനം കൂടുതൽ ദൗത്യങ്ങളിൽ മുഴുവൻ മാർക്കും നേടിയതിനെ സൂചിപ്പിക്കുന്നു. കൂടുതൽ ഇടത്തോട്ടുള്ള സ്ഥാനം കുറഞ്ഞ ഔട്ട്പുട്ട് ടോക്കണുകളെ സൂചിപ്പിക്കുന്നു; യുക്തിവിചാരത്തിലും എഴുത്തിലും മോഡൽ സൃഷ്ടിക്കുന്ന ഉള്ളടക്കം ഇതിൽ ഉൾപ്പെടുന്നു. നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ദൗത്യമൊന്നിന് ശരാശരി ഏകദേശം 64,000 ഔട്ട്പുട്ട് ടോക്കണുകൾ ഉപയോഗിച്ച് 20.8%-ൽ മുഴുവൻ മാർക്കും നേടി. Muse Wonder Full-ൽ ഇവ യഥാക്രമം 139,000-ഉം 13.1%-ഉം ആയിരുന്നു. കാണിച്ചിരിക്കുന്ന ഒരു വിന്യാസവും കുറവ് ഔട്ട്പുട്ട് ടോക്കണുകൾ ഉപയോഗിച്ച് നിയമകാര്യങ്ങൾക്കുള്ള OpenAI-യുടെ സ്കോറിനൊപ്പമെത്തിയില്ല.
നിയമപ്രവർത്തനത്തിൽ അടിസ്ഥാനരഹിത വിവരങ്ങൾ അംഗീകരിക്കാനാവില്ല. ഒരൊറ്റ കെട്ടിച്ചമച്ച ഉദ്ധരണിമതി ഒരു അഭിഭാഷകന് കക്ഷിയുടെ വിശ്വാസവും കോടതിയിലെ വിശ്വാസ്യതയും വർഷങ്ങളായി നേടിയെടുത്ത സൽപ്പേരും നഷ്ടമാകാൻ. അതുകൊണ്ടാണ് അടിസ്ഥാനരഹിത വിവരങ്ങൾ സൃഷ്ടിക്കുന്നത് കുറയ്ക്കാൻ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI-യിൽ മുൻഗണന നൽകിയിരിക്കുന്നത്. ആർട്ടിഫിഷ്യൽ അനാലിസിസിന്റെ ഏറ്റവും പുതിയ LAB-AA താരതമ്യത്തിൽ, ഗൗരവമുള്ള അടിസ്ഥാനരഹിത വിവരങ്ങൾ സൃഷ്ടിക്കുന്ന ഏറ്റവും കുറഞ്ഞ നിരക്കിൽ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI, GPT‑6‑നൊപ്പം എത്തി: ദൗത്യമൊന്നിന് 0.03. OpenAI-യുടേതല്ലാത്ത മോഡലുകളിൽ അടുത്ത ഏറ്റവും കുറഞ്ഞ നിരക്കുള്ള Claude Opus 5.5-ന് ഇത് 0.59 ആയിരുന്നു.

നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ദൗത്യമൊന്നിന് ശരാശരി 0.03 ഗൗരവമുള്ളതും 0.06 ചെറിയതുമായ അടിസ്ഥാനരഹിത വിവരങ്ങൾ സൃഷ്ടിച്ചു. Claude Opus 5.5 ദൗത്യമൊന്നിന് ശരാശരി 0.59 ഗൗരവമുള്ളതും 0.51 ചെറിയതുമായ അടിസ്ഥാനരഹിത വിവരങ്ങൾ സൃഷ്ടിച്ചു. ഗൗരവമുള്ളവ ഏകദേശം 20 മടങ്ങും ചെറിയവ 8.5 മടങ്ങുമാണിത്.
അതേ 120 ദൗത്യങ്ങളിലുടനീളം, പ്രധാനപ്പെട്ട കാര്യത്തിൽ വായനക്കാരനെ തെറ്റിദ്ധരിപ്പിക്കാവുന്ന അടിസ്ഥാനരഹിത അവകാശവാദങ്ങൾ ആർട്ടിഫിഷ്യൽ അനാലിസിസ് എണ്ണിത്തിട്ടപ്പെടുത്തി. നിയമകാര്യങ്ങൾക്കുള്ള OpenAI-യിൽ ഇത്തരം പിശകുകൾ ദൗത്യമൊന്നിന് ശരാശരി 0.03 ആയിരുന്നു. താരതമ്യത്തിലെ ഏറ്റവും കുറഞ്ഞ നിരക്കിനൊപ്പവും സാധാരണ GPT‑6.2 Astra-യുടെ നിരക്കിന്റെ (0.06) ഏകദേശം പകുതിയുമാണിത്. പരീക്ഷിച്ച എല്ലാ OpenAI വിന്യാസങ്ങളും ഈ അളവിൽ OpenAI-യുടേതല്ലാത്ത മികച്ച ഫലം നേടിയ Claude Opus 5.5-നെക്കാൾ കുറവ് അടിസ്ഥാനരഹിത വിവരങ്ങളാണ് സൃഷ്ടിച്ചത്. Opus-ൽ ദൗത്യമൊന്നിന് ശരാശരി 0.59 ഗൗരവമുള്ള അടിസ്ഥാനരഹിത വിവരങ്ങളുണ്ടായിരുന്നു; നിയമകാര്യങ്ങൾക്കുള്ള OpenAI-യിലേതിന്റെ ഏകദേശം 20 മടങ്ങ്. ശ്രദ്ധേയമായി, ഈ മൂല്യനിർണയത്തിൽ എല്ലാ മാനദണ്ഡങ്ങളും വിജയിച്ച ദൗത്യങ്ങളിൽ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI അടിസ്ഥാനരഹിത വിവരങ്ങളൊന്നും സൃഷ്ടിച്ചില്ല. അതിനാൽ അത്തരം പിശകുകൾക്കുള്ള മാർക്ക് കുറയ്ക്കൽ പ്രയോഗിച്ചപ്പോഴും അതിന്റെ സ്കോർ കുറഞ്ഞില്ല.
നിയമരംഗത്ത് ദീർഘനേരം നീളുന്ന ഏറ്റവും സങ്കീർണ്ണമായ പ്രക്രിയകളിലൊന്നാണ് രേഖാമൂലമുള്ള വാദപത്രം തയ്യാറാക്കൽ. മികച്ച വാദം രൂപപ്പെടുത്താൻ വ്യക്തമായ റീസണിംഗും ഗവേഷണവും എഴുത്തും ഒത്തുചേരണം.
യഥാർഥ യു.എസ്. ഫെഡറൽ കേസിൽ ഗവേഷണം നടത്തി വാദപത്രം എഴുതാൻ ഒരു മോഡലിന് കഴിയുമോ എന്ന് പരിശോധിക്കാൻ ഹാർവിയും ഗ്രൂബെലും(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ചേർന്ന് LAB: USCL(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) വികസിപ്പിച്ചു. വാദപത്രം സമർപ്പിക്കുന്നതിന് തൊട്ടുമുമ്പുള്ള ഘട്ടത്തിൽ ഓരോ മോഡലും ഇടപെട്ട് അതേ കക്ഷിക്കുവേണ്ടി അതേ വിഷയത്തിൽ വാദപത്രം എഴുതുന്നു. ഒരു പതിപ്പിൽ, പ്രസക്തമായ കേസുകൾ മോഡൽ സ്വയം കണ്ടെത്തണം. മറ്റേതിൽ, കേസ് രേഖകളും യഥാർഥ അഭിഭാഷകൻ ഉദ്ധരിച്ച മുൻവിധികളും മോഡലിന് നൽകുന്നു. അഭിഭാഷകർ പരിശോധിച്ച് ക്രമീകരിച്ച മാനദണ്ഡങ്ങൾ ഉപയോഗിച്ച് AI മൂല്യനിർണയ സംവിധാനങ്ങൾ വാദപത്രങ്ങളെ നേരിട്ട് താരതമ്യം ചെയ്യുന്നു. രണ്ട് പതിപ്പുകളിലും നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഏറ്റവും ഉയർന്ന സ്കോറുകളിലൊന്ന് നേടി.

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.
കൂടുതൽ വലത്തോട്ടുള്ള സ്ഥാനം വാദപത്രങ്ങൾക്ക് ഉയർന്ന വിലയിരുത്തൽ ലഭിച്ചതിനെ സൂചിപ്പിക്കുന്നു. മോഡലുകൾ സ്വയം നിയമഗവേഷണം നടത്തിയപ്പോൾ, നിയമകാര്യങ്ങൾക്കുള്ള OpenAI 1,844-ഉം Opus 5.5 1,817-ഉം നേടി. മുൻവിധികൾ നൽകിയപ്പോൾ, 1,883, 1,882 എന്നീ സ്കോറുകളോടെ അവ ഫലത്തിൽ തുല്യമായിരുന്നു. രണ്ട് പരീക്ഷണങ്ങളിലും അനിശ്ചിതത്വ പരിധികൾ പരസ്പരം കവിഞ്ഞുകിടക്കുന്നു.
ആദ്യ ഫലം (ഇടതുവശത്തെ “ഗവേഷണവും ഡ്രാഫ്റ്റും”) പ്രധാനമാണ്, കാരണം മെച്ചപ്പെട്ട നിയമഗവേഷണം ഈ പതിപ്പിലെ മുഖ്യ മുന്നേറ്റങ്ങളിലൊന്നാണ്. പ്രസക്തമായ കേസുകളുടെ പട്ടിക കൈവശമുണ്ടായിരിക്കെ ഒരു വ്യവഹാര അഭിഭാഷകൻ ജോലി തുടങ്ങുന്നത് അപൂർവമായതിനാലാണ് ഈ ഫലം മെച്ചപ്പെടുത്തുന്നതിൽ ഞങ്ങൾ ശ്രദ്ധ കേന്ദ്രീകരിച്ചത്. ഇവിടെ, ഏതൊക്കെ വിധികളാണ് പ്രസക്തമെന്ന് ഓരോ മോഡലും കണ്ടെത്തുകയും കോടതി മനസ്സിലാക്കുന്ന വിധത്തിൽ വാദം എഴുതാൻ അവ ഉപയോഗിക്കുകയും വേണമായിരുന്നു. ആ ദൗത്യത്തിൽ, Opus 5.5, Gemini 4 Argon തുടങ്ങിയ മറ്റ് മുൻനിര അത്യാധുനിക മോഡലുകളുടെ വാദപത്രങ്ങളെക്കാൾ ഇന്നത്തെ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI തയ്യാറാക്കിയവയാണ് ഹാർവിയുടെ മൂല്യനിർണയ സംവിധാനങ്ങൾ തിരഞ്ഞെടുത്തത്. അടുത്തതായി ചർച്ച ചെയ്യുന്ന Vals AI മൂല്യനിർണയത്തിൽ നിയമഗവേഷണത്തിലെ കൂടുതൽ പ്രകടമായ മെച്ചപ്പെടുത്തലുകൾ കാണാം.
OpenAI-യിൽ നിയമത്തിന് ഗവേഷണ മുൻഗണന നൽകി, അത്യാധുനിക നിയമബുദ്ധിയിലെ നവീകരണം വേഗത്തിലാക്കാൻ ഞങ്ങൾ ഒരു ഗവേഷക സംഘത്തെ നിയോഗിച്ചിട്ടുണ്ട്. അവരുടെ പുരോഗതിയുടെ ആദ്യ സൂചകങ്ങളിലൊന്നാണ് Vals AI-യുടെ നിയമഗവേഷണ പരീക്ഷ(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു). ഇതിൽ പ്രാക്ടീസ് ചെയ്യുന്ന അഭിഭാഷകർ യു.എസ്. ഫെഡറൽ, സംസ്ഥാന നിയമങ്ങളെക്കുറിച്ചുള്ള ചോദ്യങ്ങൾ തയ്യാറാക്കുന്നു. ഒരു ഉത്തരം ആവശ്യമായ എല്ലാ കാര്യങ്ങളും ഉൾക്കൊള്ളുകയും സ്രോതസ്സുകളുടെ പരിശോധനയിൽ വിജയിക്കുകയും വേണം. സെപ്റ്റംബറിൽ, നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഏകദേശം 46% ചോദ്യങ്ങളിൽ വിജയിച്ചു. ഇന്നത്തെ പതിപ്പ് 54.81% ചോദ്യങ്ങളിൽ വിജയിക്കുന്നു. പ്രസിദ്ധീകരിച്ച ഏറ്റവും ഉയർന്ന സ്കോറിൽനിന്ന് ഒരു ശതമാന പോയിന്റിൽ താഴെയാണ് വ്യത്യാസം.
നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഒരു മോഡൽ വിന്യാസമായി നിർമ്മിക്കുന്നത്, അതിന്റെ യുക്തിവിചാരരീതിയും പരിശോധിക്കാവുന്ന സ്രോതസ്സുകളും മെച്ചപ്പെടുത്താൻ ഞങ്ങളെ സഹായിക്കുന്നു. സെപ്റ്റംബറിന് ശേഷം ഞങ്ങൾ ഈ വിന്യാസത്തിൽ GPT‑6.2 Astra ഉൾപ്പെടുത്തുകയും അതിന്റെ നിയമവിശകലനത്തെ നയിക്കുന്ന നിർദേശങ്ങൾ പരിഷ്കരിക്കുകയും ചെയ്തു. അതിന്റെ തിരച്ചിൽ സൂചികയിൽ 539,000-ത്തിലധികം യു.എസ്. നിയമസ്രോതസ്സുകളും ഞങ്ങൾ ചേർത്തു. യുകെ, ഓസ്ട്രേലിയ, കാനഡ എന്നിവിടങ്ങളിലെ പ്രാഥമിക നിയമസ്രോതസ്സുകൾ ഉൾപ്പെടുത്താൻ തുടങ്ങിയതോടെ, ഈ രാജ്യങ്ങളിൽനിന്നുള്ള 98,000-ത്തിലധികം സ്രോതസ്സുകളും ചേർത്തു. യു.എസിൽ പ്രസിദ്ധീകരിച്ച, കീഴ്വഴക്കമായി കണക്കാക്കുന്ന വിധിന്യായങ്ങളുടെ 99.9%-ത്തിലധികം(പുതിയ വിൻഡോയിൽ തുറക്കുന്നു) ഉൾക്കൊള്ളുന്ന ശേഖരത്തിൽനിന്ന്, ആരംഭത്തിൽത്തന്നെ 230 ദശലക്ഷത്തിലധികം URL-കൾ ഉൾപ്പെടുത്തിയ നിയമ തിരച്ചിൽ സൂചികയാണ് ഈ കൂട്ടിച്ചേർക്കലുകൾ വികസിപ്പിക്കുന്നത്.
ഹാർവിയുടെ സ്വന്തം നിയമ ഏജന്റ് മാനദണ്ഡപരീക്ഷയിൽ, GPT‑6 Astra 4.6% ദൗത്യങ്ങളിൽ എല്ലാ ആവശ്യകതകളും നിറവേറ്റി. അതേ സാഹചര്യങ്ങളിൽ GPT‑6.2 Astra 14.6% പൂർത്തിയാക്കി. നിയമ വിന്യാസം ഉപയോഗിച്ചപ്പോൾ അത് 16.2% ആയി ഉയർന്നു.

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).
നീളം കൂടിയ ദണ്ഡുകൾ ഹാർവിയുടെ എല്ലാ ആവശ്യകതകളും നിറവേറ്റിയ കൂടുതൽ ദൗത്യങ്ങളെ സൂചിപ്പിക്കുന്നു. ആർട്ടിഫിഷ്യൽ അനാലിസിസിന്റെ LAB-AA മൂല്യനിർണയത്തിൽനിന്ന് വേറിട്ടാണ് ഹാർവി ഈ പരീക്ഷ നടത്തിയത്.
നിയമകാര്യങ്ങൾക്കുള്ള OpenAI-യുടെ ഏറ്റവും ശ്രദ്ധേയമായ സാധ്യതകൾ രൂപപ്പെടുത്തുന്നത് ദൈനംദിന ജോലികളിൽ അത് ഉപയോഗിക്കുന്ന അഭിഭാഷകരാണ്. ഉപഭോക്താക്കളായ നിയമസ്ഥാപനങ്ങളിലും OpenAI-യുടെ സ്വന്തം നിയമസംഘത്തിലും ആദ്യകാല ഉപയോക്താക്കൾ തങ്ങളുടെ പ്രവർത്തനമേഖലയ്ക്കായി റഫറൻസ് സാമഗ്രികൾ ഒരുക്കുന്നു, സ്വന്തം വാദങ്ങളെ കൂടുതൽ ശക്തമായി ചോദ്യം ചെയ്യിക്കുന്നു, നിയമങ്ങൾ വിശകലനം ചെയ്യാൻ പുതിയ വഴികൾ കണ്ടെത്തുന്നു.
ഉദാഹരണത്തിന്, OpenAI-യിലെ ആദ്യകാല ഉപയോക്താക്കൾ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഉപയോഗിക്കുന്നത് ഇവയ്ക്കാണ്:
നിങ്ങളുടെ വാദത്തിന് ഏറ്റവും ശക്തനായ എതിരാളിയെ നൽകുക. വാദങ്ങൾ ഏറ്റുമുട്ടിച്ച് പരിശോധിക്കുന്ന പങ്കാളിയായാണ് നിയമകാര്യങ്ങൾക്കുള്ള OpenAI സാധാരണയായി ഉപയോഗിക്കപ്പെടുന്നത്. വിപണിമത്സര നിയമത്തിൽ പ്രവർത്തിക്കുന്ന ഒരു അഭിഭാഷകൻ ഒരു നിയമത്തിന്റെ വ്യാഖ്യാനം നൽകി, നിയമനിർമാണ ചരിത്രം, കോടതി വിധികൾ, മറ്റ് ഭാഷകളിലെ നിയമപതിപ്പുകൾ എന്നിവ ഉപയോഗിച്ച് മറുപക്ഷത്തിനായി വാദിക്കാൻ ആവശ്യപ്പെടുന്നു. നിയമോപദേശം മാറ്റാൻ തക്ക ശക്തിയുള്ള എതിർവാദം ലഭിക്കുമ്പോഴാണ് ഇത് പ്രയോജനകരമാകുന്നത്.
ശുപാർശയും നിർബന്ധവും തമ്മിലുള്ള അതിർവരമ്പ് കണ്ടെത്തുക. AI മേൽനോട്ടത്തിനായി നിർദേശിച്ച ഒരു ബിൽ പരിശോധിച്ച നയകാര്യ അഭിഭാഷകന്, സ്വതന്ത്ര പരിശോധന നടത്തുന്ന വ്യക്തിക്ക് എത്ര അധികാരമുണ്ടാകുമെന്ന് അറിയണമായിരുന്നു. ആ വ്യക്തി ഒരു തിരുത്തൽ ആവശ്യപ്പെട്ടാൽ, വികസിപ്പിച്ചയാൾ അത് നിർബന്ധമായും നടപ്പാക്കേണ്ടതുണ്ടോ? ഇത്തരം ചോദ്യങ്ങളിൽ, ഓരോ ബാധ്യതയുടെയും ലളിതമായ ഇംഗ്ലീഷ് വിശദീകരണം ബില്ലിലെ കൃത്യമായ വാചകത്തിനരികിൽ അഭിഭാഷകൻ ചേർക്കുന്നു. ഇതിലൂടെ ഏത് വ്യാഖ്യാനത്തെയാണ് വാചകം പിന്തുണയ്ക്കുന്നതെന്ന് സഹപ്രവർത്തകർക്ക് മനസ്സിലാക്കാം.
ബാഹ്യ നിയമോപദേശകനുമായുള്ള ആദ്യ സംഭാഷണംതന്നെ ദുഷ്കരമായ ചോദ്യത്തിൽ തുടങ്ങുക. പരിചയമില്ലാത്ത ഒരു വ്യവസായമേഖലയിലേക്ക് കടക്കാൻ സ്ഥാപനം ആലോചിക്കുമ്പോൾ, നിർദിഷ്ട പ്രവർത്തനത്തിന് ഏതൊക്കെ നിയമങ്ങൾ ബാധകമാകുമെന്ന് കണ്ടെത്താൻ ഉൽപ്പന്നകാര്യ അഭിഭാഷകൻ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഉപയോഗിക്കുന്നു. ആദ്യ സംഭാഷണം വ്യവസായമേഖലയുടെ പൊതുവിവരണം തേടാൻ ചെലവിടുന്നതിനുപകരം, സ്ഥാപനം ചെയ്യാൻ ഉദ്ദേശിക്കുന്ന കാര്യത്തെക്കുറിച്ചുള്ള കൃത്യമായ ചോദ്യം വിദഗ്ധന്റെ മുന്നിലെത്തിക്കാൻ അഭിഭാഷകന് കഴിയും.
നയരേഖകളുടെ കൂമ്പാരത്തെ ഒരു പ്രവർത്തനക്രമമാക്കുക. ലഭിക്കുന്ന കേസുകൾ കൈകാര്യം ചെയ്യുന്ന സഹപ്രവർത്തകർക്കായി നിയന്ത്രണ നടപടിക്രമങ്ങളും കമ്പനി നയവും ഒരു പ്രവർത്തനക്രമമാക്കാൻ നിയമപരിപാടികളുടെ ഒരു മാനേജർ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഉപയോഗിച്ചു. എപ്പോൾ കൂടുതൽ വിവരങ്ങൾ ചോദിക്കണം, എപ്പോൾ കേസ് അവസാനിപ്പിക്കണം, എപ്പോൾ അഭിഭാഷകന് കൈമാറണം എന്നിവ മനസ്സിലാക്കാൻ ഇത് അവരെ സഹായിച്ചു.
നിയമത്തോടൊപ്പം ഉണ്ടായിരുന്നെങ്കിൽ എന്ന് ആഗ്രഹിച്ച വഴികാട്ടി നിർമ്മിക്കുക. സംഘം പതിവായി ഉപയോഗിക്കുന്ന നിയമങ്ങളിൽ വിശദീകരണങ്ങൾ ചേർക്കാൻ വിപണിമത്സര നിയമത്തിൽ പ്രവർത്തിക്കുന്ന ഒരു അഭിഭാഷകൻ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI-യും ChatGPT‑യുടെ വെബ്സൈറ്റ് നിർമ്മാണ ഉപകരണങ്ങളും സംയോജിപ്പിച്ചു. ഒരു വ്യവസ്ഥ വായിക്കുന്ന സഹപ്രവർത്തകന് ഒരു പദത്തിനുമുകളിൽ മൗസ് ചൂണ്ടി അതിന്റെ നിർവചനം കാണാം, വിശദീകരണ സാമഗ്രികളിലേക്കുള്ള കണ്ണി പിന്തുടരാം, ആ വ്യവസ്ഥ കഴിഞ്ഞ തവണ പരിഗണിച്ചപ്പോൾ സംഘം നൽകിയ ഉപദേശം പരിശോധിക്കാം.
ഇന്നുമുതൽ എല്ലാ ChatGPT Enterprise ഉപഭോക്താക്കൾക്കും അഡ്മിൻ കൺസോളിലെ വിശ്വസ്ത പ്രവേശന പദ്ധതിയിലൂടെ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI അഭ്യർഥിക്കാം. നിങ്ങളുടെ സംഘത്തിന് ഇതിനകം പ്രവേശനമുണ്ടെങ്കിൽ, ChatGPT‑യിൽ GPT‑6.2 Astra Law തിരഞ്ഞെടുക്കുക. API വഴി നിങ്ങളുടെ സ്വന്തം ഉപകരണങ്ങളിൽ നിയമകാര്യങ്ങൾക്കുള്ള OpenAI ഉൾപ്പെടുത്താൻ പ്രത്യേക അനുമതിക്കായി നിങ്ങളുടെ അക്കൗണ്ട് ഡയറക്ടറെ ബന്ധപ്പെടുക.
അഭിഭാഷകവൃത്തി ഒരു വഴിത്തിരിവിലാണ്. സാങ്കേതികവിദ്യ സ്ഥാപനങ്ങളുടെ സാധ്യതകൾ മാറ്റുകയും ലോകം കൂടുതൽ സങ്കീർണ്ണവും പരസ്പരബന്ധിതവുമാകുകയും ചെയ്യുമ്പോൾ, ഈ കാലത്തെ നാം എങ്ങനെ മനസ്സിലാക്കണമെന്ന് രൂപപ്പെടുത്താൻ അഭിഭാഷകർക്ക് മുമ്പില്ലാത്ത അവസരമുണ്ട്. അവർ ഉപദേശം നൽകുന്ന സ്ഥാപനങ്ങൾക്ക് മാത്രമല്ല, അവർ രൂപപ്പെടുത്താൻ സഹായിക്കുന്ന നിയമങ്ങൾക്കനുസരിച്ച് ജീവിക്കുന്ന നമുക്കെല്ലാവർക്കും വേണ്ടിയാണത്. ഏറ്റവും മികച്ച ബുദ്ധിശേഷി ലഭ്യമാകുമ്പോൾ മികച്ച അഭിഭാഷകർക്ക് ഈ കാലത്തിന്റെ ആവശ്യങ്ങൾ നിറവേറ്റാനാകുമെന്ന് ഞങ്ങൾ വിശ്വസിക്കുന്നു.
നാം തുടക്കത്തിൽ മാത്രമാണ്. നിങ്ങൾ ഈ തൊഴിലിനെ എവിടേക്കെത്തിക്കുമെന്ന് കാണാൻ ഞങ്ങൾ ആകാംക്ഷയോടെ കാത്തിരിക്കുന്നു.


