شرکت استارتاپ هوش مصنوعی حقوقی Harvey اولین مدل پس از آموزش خود را برای سناریوهای حقوقی به نام Tenet معرفی کرد. Tenet بر اساس Kimi K3 از Moonshot ساخته شده است و توسط Harvey و Fireworks AI بر اساس دادههای حقوقی عمومی، دادههای ترکیبی و دادههای برچسبگذاری شده توسط وکلا پس از آموزش شده است. در مجموعه آزمایشی LAB، نرخ all-pass Tenet نسبت به مدل پایه 82٪ افزایش یافته است، در LAB Contracts 22٪ افزایش یافته و در LAB Contracts مقام اول و LAB مقام دوم را کسب کرده است. Harvey همچنین سه مدل فرعی را در اطراف Tenet آموزش داده است که به ترتیب برای انجام بررسیهای M&A، مرور اسناد با فرکانس بالا و استخراج ساختاری و جستجوی دانش درون شرکتهای حقوقی طراحی شدهاند، و هزینه استدلال آنها کمتر از یک چهارم مدلهای پایه اصلی است. سرمایهگذار David Sacks اشاره کرد که شرکتهای استارتاپی آمریکایی با استفاده از مدلهای پایه متن باز و آموزش عمودی میتوانند مدلهای صنعتی با عملکرد بالا را با هزینه کم ایجاد کنند، و اگر محدودیتهای سختی بر روی مدلهای متن باز اعمال شود، جلوگیری از آزمایشگاههای چینی برای معرفی Kimi بعدی دشوار خواهد بود، اما توانایی شرکتهای استارتاپی مشابه Harvey در ساخت مدلها در زمینههای تخصصی را تضعیف خواهد کرد.
این محتوا صرفاً برای اطلاعرسانی عمومی ارائه شده است و بهمنزله مشاوره مالی، سرمایهگذاری، حقوقی یا مالیاتی تلقی نمیشود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید بهعنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر داراییهای رمزارزی تلقی شود. داراییهای رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.





























