Scott Stevenson，Spellbook 联合创始人兼首席执行官 – 访谈系列

Scott Stevenson，是 Spellbook 的联合创始人兼首席执行官，这是一个基于 OpenAI 的 GPT-4 和其他大型语言模型构建的自动化法律工作工具。它已在来自整个互联网、合同、书籍和维基百科的 42 TB 文本海量数据集上进行了训练。Spellbook 正在使用专有的法律数据集进一步微调该模型。 最初是什么吸引您投身计算机工程领域？ 我小时候很喜欢电子游戏，并在青少年时期受到启发，想学习如何制作游戏——这让我走上了成为软件工程师的道路。我被这个职业固有的创造力所吸引，同时也欣赏计算机工程中交织的硬件方面。 能否谈谈您使用 GitHub Copilot 的经历如何成为 Spellbook 的最初灵感来源？ 多年来，我们一直与律师合作，试图帮助他们使用高级模板自动化起草常规合同。他们经常说同样的话：“模板很好，但我的工作太定制化了，不适合用模板。” GitHub Copilot 是第一个面向软件工程师的生成式 AI 助手——你可以开始编写代码，它会“超前思考”，建议你可能接下来想写的大段代码。我们立刻看到了这如何能帮助律师起草定制化协议，同时也能智能地“自动完成”合同。 Spellbook 如何为法律合同建议语言？ 在我们产品的第一个版本中，我们提供了一个复杂的自动完成功能，类似于 Github Copilot。 现在我们还有其他一些机制：

1. Spellbook Reviews 可以接受像“为我的客户积极谈判此协议”这样的指令，并在整个协议中建议修改。
2. Spellbook Insights 会自动在整个协议中发现风险和建议条款。

Spellbook 也审查合同，它为法律专业人士提供何种见解？ Spellbook 在合同审查期间为法律专业人士提供多种见解。这些见解可以使用不同的“视角”进行定制。我们为合同谈判等任务提供默认视角，但律师也可以提供自定义指令，例如“审查此合同以确保其符合加利福尼亚州客户要求”。 Spellbook 能够发现潜在风险、识别疏忽、指出不一致之处，并获得改进和增强合同的宝贵建议。 能否描述一下 Spellbook 如何克服 LLM 提供的令牌大小限制？ 这是我们与众不同之处的重要组成部分，也是我们的独特方法。处理长达数百页的冗长合同可能会给律师的精力带来压力，但 Spellbook 的技术能够高效地处理它们。虽然我们目前不会深入探讨我们方法的具体细节，但这正是我们专业知识的真正闪光点。 用于训练 AI 模型的数据是如何获取的？ 我们利用了像 EDGAR 这样的公共数据集，以及我们在公司第一阶段在 www.rallylegal.com 期间构建的专有合同数据集。然而，我们认为基于 RAG 的方法是将准确的法律数据纳入生成文本的最佳方式。RAG 允许引用许多数据源，例如客户自己的文档。 法律和法规变化迅速，AI 如何跟上最新的新闻和发展？ 我们发现检索增强生成方法对此极为有效。我们更多地将语言模型视为一种“人类推理”技术。我们通常不应将 LLM 视为“数据库”，而应让它们从可信来源检索可靠信息。 Spellbook 如何减轻或减少 AI 幻觉？ 我们不懈地调整了 Spellbook 中的每一项功能，以为律师提供最佳结果。如上所述，RAG 也有助于保持结果的相关性和时效性。最后，我们的 AI 方法被称为“辅助式 AI”：我们始终让律师处于主导地位，他们需要在采取任何建议之前进行审查。这是我们一切工作的核心。 目前合同起草和审查是主要用例，Spellbook 计划提供哪些额外的用例？ 我们目前非常专注于成为商业/合同律师的最佳工具。一个自然的延伸是在复杂交易期间帮助律师进行法律尽职调查。律师事务所通常会建立一个包含组织内所有重要法律文件的交易室，审查整个语料库中的风险和差异。Spellbook 正在努力实现这个用例！ 您对 AI 在法律职业中的未来有何愿景？ 我们的“辅助式 AI”愿景是让每位律师都拥有一辆“电动自行车”，帮助他们更快地完成工作，同时产出更高质量的工作，并花更多时间为客户增加战略价值，而不是复制和粘贴。我们认为 AI 应该来到律师身边，成为“他们背后的风”，而不需要太多习惯改变。我们认为每位律师很快将在工作的每个小时都开启 AI，无论他们是在使用 Word、发送电子邮件还是在客户会议上。 这最终意味着，那 70% 负担不起法律服务的潜在法律客户将最终能够得到服务。我们对此也感到非常兴奋。 感谢您接受这次精彩的采访，希望了解更多信息的读者请访问 Spellbook。