AI在线 AI在线

​小模型助力法律行业,LexisNexis 推出 AI 助手 Protégé

法律研究公司 LexisNexis 最近推出了一款名为 Protégé 的 AI 助手,旨在为、助理和法律专员提供支持。 Protégé 的主要功能是帮助用户撰写和校对法律文件,并确保引用的内容在诉状和简中是准确的。 LexisNexis 希望打造一款不仅仅是通用的法律 AI 助手,而是能够学习各个法律事务所的工作流程并提供定制化服务的智能助手。

法律研究公司 LexisNexis 最近推出了一款名为 Protégé 的 AI 助手,旨在为、助理和法律专员提供支持。Protégé 的主要功能是帮助用户撰写和校对法律文件,并确保引用的内容在诉状和简中是准确的。LexisNexis 希望打造一款不仅仅是通用的法律 AI 助手,而是能够学习各个法律事务所的工作流程并提供定制化服务的智能助手。

在开发 Protégé 的过程中,LexisNexis 利用了 Anthropic 和 Mistral 的先进大型语言模型(LLM),并尝试找出最能满足用户需求的模型。LexisNexis 的首席技术官 Jeff Riehl 表示:“我们会根据具体的使用场景选择最佳模型,以实现最佳效果和最快的响应时间。” 在某些情况下,LexisNexis 会选择小型语言模型(SLM)或对大型模型进行蒸馏,以提高性能并降低成本。

蒸馏是指让大型模型 “教” 一个较小的模型,这一方法在很多组织中越来越受欢迎。小型模型通常在聊天机器人或简单代码补全等应用中表现较好,这也正是 LexisNexis 希望在 Protégé 中实现的目标。

LexisNexis 在过去已经在 AI 应用方面进行了多次尝试,早在2024年7月推出 LexisNexis + AI 法律研究中心之前,他们就已经在自然语言处理、深度学习和机器学习方面有所探索。Riehl 提到,自2022年11月 ChatGPT 问世以来,生成式和对话式 AI 的能力让他们备感兴奋。

在构建 AI 平台时,LexisNexis 采用了多模型的方法,他们利用来自不同模型提供商的模型,如 Claude、OpenAI 的 GPT 和 Mistral。Riehl 表示:“我们会将每个用户的任务分解为单独的组件,找到最佳的大型语言模型来支持每个组件。” 例如,在用户输入查询时,Protégé 首先会使用一个经过微调的 Mistral 模型来分析查询,随后再切换到最适合完成任务的模型。

目前,LexisNexis 主要依赖一个经过微调的 Mistral 模型,而在其他方面则有使用 Claude 模型的计划。公司还在考虑使用 OpenAI 的新模型以及 Google 的 Gemini 模型来进一步增强其 AI 平台的能力。

Protégé 不仅仅是个法律助手,它还能协助撰写法律文件、建议法律工作流程的下一步、生成问题、链接引用以确保准确性、生成时间线,以及总结复杂的法律文档。Riehl 指出,Protégé 将是个性化和智能化法律助手的初步尝试,他们希望每位法律专业人士都能拥有一位个性化助手,以支持他们的具体工作需求。

划重点:  

📜 Protégé 是 LexisNexis 推出的 AI 助手,旨在为法律专业人士提供个性化的支持。  

⚙️ LexisNexis 使用多种大型和小型语言模型,以提升 AI 助手的响应速度和准确性。  

🔍 Protégé 能够协助撰写法律文档、生成问题并总结复杂内容,推动法律工作智能化。

相关资讯

百度智能云千帆大模型平台全新升级,文小言App引入DeepSeek最新技术

百度智能云千帆大模型平台于5月29日迎来了重大更新,正式上架了最新的 DeepSeek-R1-0528大模型。 这一更新标志着百度在 AI 技术领域的进一步创新,旨在为企业提供更加全面和强大的模型支持。 此次升级,千帆模型开发平台不仅仅是简单的模型更新,还增加了多项实用功能。
5/30/2025 9:05:04 AM
AI在线

一文读懂到底什么是“模型蒸馏(Model Distillation)”技术?

Hello folks,我是 Luga,今天我们来聊一下人工智能应用场景 - 构建高效、灵活的模型优化技术——模型蒸馏(Model Distillation)。 随着人工智能技术的高速发展,模型规模的不断扩大(如 GPT-4 的万亿参数)带来了性能的显著提升,但也伴随着高昂的计算成本和部署挑战,尤其在资源受限的边缘设备和实时系统中。 如何在保持模型性能的同时降低资源消耗,成为 AI 领域亟待解决的关键问题。
5/6/2025 8:35:00 AM
Luga Lee

常用模型蒸馏方法:这 N 个核心,你都知道吗?(上)

Hello folks,我是 Luga,今天我们来聊一下人工智能应用场景 - 构建高效、灵活、健壮的模型技术体系。 随着深度学习模型规模的爆炸式增长,它们在各种任务上展现出令人惊叹的性能。 然而,庞大的参数量和计算需求也带来了新的挑战:如何在资源受限的设备上高效部署这些模型?
5/13/2025 9:48:20 AM
Luga Lee
  • 1