公众号关注 “GitHubDaily”

设为 “星标”，每天带你逛 GitHub！

最近这段时间，AI 的整体热度有所下降，但是 AI 技术在各行各业的探索脚步，却一直没有停止。

在 ChatGPT 刚发布时，有不少业内人士认为，AI 所拥有的专业性，严谨性，用来做一些特定行业的智能顾问，兴许这个不错的选择。

法律行业，也是在此其中，最早被人提及，认为最有可能被 AI 颠覆的行业之一。

但不少人经过尝试之后，发现目前 AI 在法律行业的应用，依旧有不少问题需要解决。

其中最为严重严重的，就是 AI 在实际回答问题的时候，经常会出现 Hallucination（幻觉），进而提供一些胡编乱造的回答。

对于法律这种需要各种严谨数据支撑，要求合理且充足论据的应用场景，无论是 GPT-3.5 还是 GPT-4，目前仍有不少问题需要解决。

几天前，来自北大团队的一位朋友找到了我，说他们在 GitHub 开源了一个专注于法律行业的大语言模型：ChatLaw。

经过各种评估测试，发现其在法律行业中，所展示出来的实际效果，都要优于现有的大模型。

今天在此给大家郑重介绍下这个项目。

ChatLaw 是一个基于各种中文法律条文、实际案例、判决条文所训练出来的法律大模型，可借助 AI，实现法律合同撰写、案例介绍、条款讲解、司法问题咨询等场景。

• GitHub：https://github.com/PKU-YuanGroup/ChatLaw

• 在线使用：https://chatlaw.cloud/lawchat/

开发者可以利用这个大模型，快速搭建出个人法律顾问与专属智能律师，帮助你更好地解决在日常生活工作中，遇到的各种法律纠纷。

该模型主要拥有 3 个系列（ChatLaw-13B、ChatLaw-33B、ChatLaw-Text2Vec），适用于多种不同场景。

根据参数量级，ChatLaw 可分为 13B 和 33B 版本，两者皆为学术 demo 版，分别对应着 130 亿和 330 亿训练参数。

ChatLaw-13B 是基于姜子牙 Ziya-LLaMA-13B-v1 模型训练而成，中文数据较为丰富，因此在中文对话场景下，表现较为优异，但缺点是训练参数不足，有时候一些较为复杂的法律问题，回答质量偏低。

ChatLaw-33B 是基于另一个中文模型 Anima-33B 训练而成，因为参数较大，因此逻辑推理能力明显上升不少。但是中文语料还是太少，因此在回答时，偶尔会出现一些英文数据。

对于大部分使用用户来说，法律模型更多的交互场景，主要还是围绕法律咨询进行。

为了让 AI 能够更好的理解与响应用户提出的法律问题，北大团队使用了 93 万条真实判决案例数据集，基于 BERT 训练了一个相似度匹配模型：ChatLaw-Text2Vec，让人工智能自动匹配用户提问与法律条文。

用户提问：“如果借款没还，怎么办？”

AI 回答："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"。

结果表明，AI 回答的文本内容与训练数据的相似度计算为 0.9960。通过这种方式，可大幅降低大语言模型所出现的「幻觉」问题，提升答案质量。

在模型评估测试环节，ChatLaw 团队也搞得颇有特色。

他们引入了英雄联盟的 ELO 机制，基于过去十余年的司法考试题目，整理出共 2000 道问题，让 AI 模型去打模型排位赛，并进行评分，最终发现 ChatLaw 的最终得分与胜率都表现颇佳。

未来大语言模型要真正达到可用，提升逻辑推理，降低模型幻觉，是两大亟待解决的核心问题，这也是 ChatLaw 团队的下一步主要研究方向。

在接下来的几个月内，开发者会通过提升模型参数，优化向量数据库，让这两个问题的研究，拥有突破性进展，大家可以拭目以待。

由于今年 AIGC 较火，为此我们也建立了一个 AI 社群，探索更多人工智能领域的前景与应用。

如果你想了解更多实用的 AI 技术与应用，以及 ChatGPT 新进展，可以点击下方链接，加入我们社群进一步交流探讨。

社群入口：ChatGPT 社群，正式上线！

不想错过文章推送？点击下面公众号卡片，给 GitHubDaily 公众号加个星标吧！