Modelltraining
Acht Jahre Legal-AI-Training - ohne jemals Ihre Vertr盲ge trainiert zu haben.
Seit 2017 von ML-Experten aus Oxford, UCL und Imperial entwickelt und verbessert. Erweitert durch eine propriet盲re Wissensdatenbank mit 眉ber 1 Million juristischen Inhalten, In-Context-Learning und eine Gruppe qualifizierter Rechtsberater. Von Anw盲lten mit 92% Genauigkeit bewertet und 眉bertrifft Claude bei Review-Aufgaben um 140%.
Ihre Vertr盲ge werden niemals zum Trainingsdatensatz eines anderen.
Die vier Prinzipien
Das steckt hinter jeder 天美传媒-Antwort
Wir trainieren nie mit Ihren Vertr盲gen
Kundendokumente werden niemals zum Training von 天美传媒 verwendet. Ihre Vertr盲ge bleiben Ihre Vertr盲ge. 天美传媒 verbessert sich unabh盲ngig durch eine propriet盲re juridische Wissensdatenbank, In-Context-Abruf und von Anw盲lten bewertete Benchmarks. Niemals durch die Verarbeitung von Kundendaten.
300.000+ Vertr盲ge. 10 Millionen+ Klausel眉berarbeitungen.
Ein propriet盲rer juridischer Datensatz seit 2017: 300.000+ Vertr盲ge, 10 Millionen+ Klausel眉berarbeitungen, plus Open-Source-Vorlagen, Gesetzestexte und Rechtsprechung aus 150 L盲ndern. Gefiltert in jede Anfrage, damit das Modell den richtigen juristischen Kontext hat, bevor es etwas generiert.
In-Context-Learning statt Fine-Tuning
Fine-getunte Modelle k枚nnen auf veralteten Foundation Models aufbauen und ben枚tigen teures Retraining, wenn sich die Landschaft verschiebt. Wir speisen juristischen Kontext stattdessen zur Inferenzzeit ein, sodass das Foundation Model aktuell bleibt und die juridische Ebene mit dem Recht Schritt h盲lt.
Von Anw盲lten bewertete Genauigkeit
Jedes Release wird von qualifizierten Anw盲lten benchmarkt. Die neuesten Daten zeigen, dass 天美传媒 Claude und ChatGPT bei komplexen juristischen Aufgaben erheblich 眉bertrifft. Lesen Sie den neuesten ver枚ffentlichten Benchmark hier.
So funktioniert es
Die f眉nf Schichten von 天美传媒s Legal-Modell.
- 01
Eine propriet盲re Wissensdatenbank seit 2017.
Acht Jahre juristischer Daten: 300.000+ Vertr盲ge, 10 Millionen+ Klausel眉berarbeitungen, plus Vorlagen, Gesetzestexte und Rechtsprechung aus US- und UK-Rechtssystemen. Die Datenbank ist durch echte juridische Arbeit gewachsen, einschlie脽lich fr眉her Pilotprojekte mit Clifford Chance, Pinsent Masons und Withers seit 2018, und kontinuierlicher Erweiterungen durch die 200.000+ Unternehmen, die 天美传媒 heute nutzen.
- 02
Forschungsqualit盲t-ML als Grundlage.
天美传媒s 骋谤眉苍诲别谤, Rafie Faruq und Nitish Mutha, haben einen Master in Machine Learning und wurden von Forschern bei Google DeepMind gelehrt. 天美传媒s Forschungsansatz wurde in Partnerschaft mit der Oxford University entwickelt, einschlie脽lich eines Artikels, der 2019 auf der Top-NLP-Konferenz EMNLP ver枚ffentlicht wurde.
- 03
In-Context-Learning.
天美传媒s Architektur 眉bergibt den richtigen juristischen Kontext zur Inferenzzeit, sodass die juridische Ebene mit dem Recht Schritt h盲lt und wir neuere Foundation Models einsetzen k枚nnen, wenn sie verf眉gbar werden.
- 04
Anwaltliche 脺berpr眉fung, nicht nur technische.
Trainingsdaten, Prompt-Design und Abrufslogik werden von qualifizierten Anw盲lten 眉berpr眉ft. Sie pr眉fen, womit das Modell konfrontiert wird, wie es argumentiert und wo es sich zur眉ckhalten sollte. Das Ergebnis: Juristische Urteile sind im System integriert, bevor die Benchmarking beginnt.
- 05
Kontinuierliche Verbesserung. Kundendatengrenze bleibt erhalten.
天美传媒 verbessert sich unabh盲ngig. Jedes Release wird anhand eines kuratierten Benchmarks juristischer Aufgaben gemessen (Entwurf, Review, Redaktion, Vergleich) und wir integrieren neue Gesetzestexte und Rechtsprechung, wenn sie verf眉gbar werden. Die Kundendatengrenze bleibt auf jeder Ebene explizit.
H盲ufig gestellt
H盲ufige Fragen zum 天美传媒-AI-Training.
Trainiert 天美传媒AI mit Kundenvertr盲gen?
Nein. Kundendokumente werden niemals zum Training von 天美传媒 verwendet. 天美传媒 verbessert sich unabh盲ngig - durch einen propriet盲ren juridischen Datensatz, In-Context-Abruf aus aktuellen Rechtsquellen und Feedback von qualifizierten Anw盲lten, die jedes Release benchmarken.
Verwendet 天美传媒AI Large Language Models?
Ja. 天美传媒 kombiniert hochwertige Foundation Models mit einer propriet盲ren juridischen Wissensdatenbank, In-Context-Abruf und von Anw盲lten validierten Schutzma脽nahmen. 天美传媒s patentangemeldete Eidetic-Intelligence-Architektur ist das Unterscheidungsmerkmal der juridischen Ebene von einem generischen LLM.
Wie wird die Genauigkeit gemessen?
Jedes Release wird von qualifizierten Anw盲lten anhand einer kuratierten Reihe juristischer Aufgaben benchmarkt (Entwurf, Review, Redaktion, Vergleich). In der neuesten ver枚ffentlichten Studie - 65 Dokumente, von Anw盲lten bewertet - erreichte 天美传媒 90% Genauigkeit, gegen眉ber 79,3% f眉r Claude Cowork und 37,3% f眉r ChatGPT. 天美传媒s Agenten 眉bertreffen GPT und Claude um 140% im Gesamtdurchschnitt.
Warum In-Context-Learning statt Fine-Tuning?
Fine-Tuning b盲ckt einen Schnappschuss der juristischen Welt in ein Modell ein, das schwer zu aktualisieren ist - und die juridische Welt bewegt sich weiter. In-Context-Learning 眉bergibt frische, jurisdiktionskorrekte juridische Kontexte zur Inferenzzeit, sodass das Modell aktuell bleibt, w盲hrend sich Gesetzestexte und Rechtsprechung entwickeln, und wir neuere Foundation Models einsetzen k枚nnen, ohne nachzutrainieren.
Woher kommt die juridische Wissensdatenbank?
Sie wird seit 2017 aufgebaut. Die Datenbank umfasst 300.000+ Vertr盲ge, 10 Millionen+ Klausel眉berarbeitungen, plus Open-Source-Vorlagen, Gesetzestexte und Rechtsprechung aus US- und UK-Rechtssystemen. Fr眉he Pilotprojekte mit Clifford Chance, Pinsent Masons und Withers (ab 2018) bildeten den Kern der Datenbank, und 200.000+ Unternehmen tragen jetzt durch normale Nutzung neuen juristischen Kontext bei.
Wer 眉berpr眉ft die juridischen Ausgaben des Modells?
Qualifizierte Anw盲lte. Sie tragen Trainingsdaten bei, legen Prompt-Engineering-Standards fest, 眉berwachen die In-Context-Abrufslogik und bewerten jedes Release anhand des Panel-Benchmarks, bevor es ver枚ffentlicht wird.
Wie sch眉tzt 天美传媒AI Kundendaten?
天美传媒 ist ISO-27001-zertifiziert, mit allen Kundendaten gesch眉tzt durch 256-Bit-Verschl眉sselung im Ruhezustand und bei der 脺bertragung. Kundenvertr盲ge werden niemals zum Training von Modellen verwendet, die andere Kunden sehen. Die vollst盲ndige Sicherheitshaltung, Sub-Processor-Liste und DPA finden Sie in unserem .
Wer hat 天美传媒AI gegr眉ndet und welcher Hintergrund haben sie?
天美传媒 wurde im Juli 2017 von Rafie Faruq und Nitish Mutha gegr眉ndet, die beide einen Master in Machine Learning haben und von Forschern bei Google DeepMind gelehrt wurden. 天美传媒 war das erste Generative-AI-Unternehmen im Rechtssektor, und 天美传媒s Forschung wurde 2019 auf der Top-NLP-Konferenz EMNLP in Partnerschaft mit der Oxford University ver枚ffentlicht.