LegalMidm: Use-Case-Driven Legal Domain Specialization for Korean Large Language Model
Dieser Beitrag stellt LegalMidm vor, ein koreanisches großes Sprachmodell für den Rechtsbereich, das durch einen systematischen, anwendungsfallsgetriebenen Trainingsrahmen entwickelt wurde, der die Zusammenarbeit mit Rechtsexperten und eine strenge Datenselektion priorisiert, um Präzision und praktischen Nutzen in realen juristischen Anwendungen zu verbessern.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie hätten eine brillante, allwissende Bibliothekarin namens „Mi:dm". Diese Bibliothekarin hat fast jedes Buch der Welt gelesen und kann Fragen zu allem beantworten, von Kochrezepten bis hin zur Quantenphysik. Wenn Sie diese Bibliothekarin jedoch bitten, eine Klageschrift für ein Gerichtsverfahren in Südkorea zu entwerfen, könnte sie ins Stocken geraten. Sie kennt die Wörter, versteht aber die Spielregeln oder den spezifischen Stil, der von koreanischen Richtern erwartet wird, nicht ganz.
Dieser Artikel stellt LEGALMIDM vor, ein Projekt, das darauf abzielt, diese allgemeine Bibliothekarin in eine spezialisierte koreanische Rechtsexpertin zu verwandeln. Die Forscher haben der Bibliothekarin nicht einfach einen Stapel Gesetzbücher gegeben; sie entwickelten ein maßgeschneidertes Trainingsprogramm basierend darauf, was Anwälte tatsächlich jeden Tag tun müssen.
Hier ist, wie sie es schafften, in einfachen Schritten aufgeschlüsselt:
1. Die echten Akteure hören (Der „Use-Case"-Ansatz)
Bevor sie die KI unterrichteten, gingen die Forscher hinaus und fragten: „Wobei brauchen echte Anwälte tatsächlich Hilfe?"
Sie betrachteten Legal-Tech-Unternehmen in den USA und Südkorea und sprachen mit praktizierenden Anwälten. Sie stellten fest, dass Anwälte hauptsächlich bei vier Dingen Hilfe benötigen:
- Zusammenfassen langer Dokumente.
- Beantworten von Fragen basierend auf spezifischen Dokumenten.
- Entwerfen von Klageschriften (das Dokument, das eine Klage einleitet).
- Entwerfen von Anträgen (formelle Ersuchen an das Gericht).
Anstatt der KI einfach zufällige Rechtsfakten beizubringen, konzentrierten sie das Training spezifisch auf diese hochnachgefragten Aufgaben.
2. Das „Lehrbuch" erstellen (Datenkuratierung)
Um die KI zu unterrichten, benötigten sie hochwertige Beispiele. Sie scrapten nicht einfach zufälligen Text aus dem Internet.
- Menschliche Experten: Sie stellten Jurastudenten, Rechtsfachkräfte und tatsächliche Anwälte ein, um die Daten zu kuratieren. Denken Sie daran wie an ein Team von Meisterköchen, die die Zutaten vor dem Kochen verkosten.
- Automatische Generierung: Sie nutzten zudem eine leistungsstarke KI, um auf Basis echter koreanischer Gesetze Übungsfragen und -antworten zu generieren. Um sicherzustellen, dass die KI nicht „halluzinierte" (Dinge erfand), schufen sie eine strikte Regel: Jede Antwort musste auf den genauen Paragraphen des Gesetzes verweisen, aus dem sie stammte. Wenn die KI den Quelltext nicht finden konnte, wurde die Antwort verworfen.
3. Das Trainingsrezept (Die „Pipeline")
Die Forscher testeten verschiedene Methoden, um die KI zu trainieren, und sahen, was am besten funktionierte. Sie behandelten dies wie ein Wissenschaftsexperiment mit drei Hauptzutaten:
Zutat A: Die „Allgemeinwissen"-Mischung.
- Die Frage: Wenn wir der KI nur Gesetzbücher zuführen, wird sie dann vergessen, wie man normal spricht oder einfache Fragen beantwortet?
- Die Entdeckung: Ja, das würde sie. Die besten Ergebnisse wurden erzielt, indem Rechtsdaten mit Alltagskonversationsdaten (wie alltäglichen Fragen, die Menschen Chatbots stellen) gemischt wurden. Dies hielt die KI intelligent und höflich, während sie zur Rechtsexpertin wurde. Dies geschah in zwei Phasen: „Continual Pre-Training" (das Lesen der Bücher) und „Instruction Tuning" (das Lernen, Anweisungen zu befolgen).
Zutat B: Wie das Gesetz präsentiert wird.
- Die Frage: Sollte der KI der Gesetzestext vor der Beantwortung gegeben werden, oder sollte sie aufgefordert werden, das Gesetz als Teil der Antwort auszuschreiben?
- Die Entdeckung: Es ist ein Kompromiss. Die Aufforderung an die KI, das Gesetz in ihrer Antwort auszuschreiben, funktionierte hervorragend beim Entwerfen von Dokumenten (wie Klageschriften), verwirrte die KI jedoch bei Multiple-Choice-Fragen. Das Team entschied sich, den Gesetzestext in die Eingabe zu legen (der KI zum Lesen geben), anstatt sie zu bitten, den Gesetzestext selbst zu generieren. Dies machte die KI über verschiedene Aufgaben hinweg stabiler.
Zutat C: Die „Persona" (System-Prompts).
- Die Frage: Sollen wir der KI während des Trainings sagen: „Du bist ein Rechtsassistent namens Mi:dm", oder erst dann, wenn wir mit ihr sprechen?
- Die Entdeckung: Überraschenderweise machte es die KI, wenn man ihr ihre Identität während des Trainings mitteilte, bei Rechtsaufgaben schlechter. Die beste Strategie war, sie ohne eine spezifische Persona zu trainieren und ihr dann nur zu sagen, wer sie ist, wenn ein Mensch mit ihr spricht. Dies ermöglichte der KI, die juristischen Fähigkeiten tiefgehend zu erlernen, ohne durch ihren eigenen „Charakter" verwirrt zu werden.
4. Die Ergebnisse
Das endgültige Modell, LEGALMIDM, wurde gegen andere massive, berühmte KI-Modelle getestet (einige davon sind viel größer).
- Rechtliche Aufgaben: LEGALMIDM schlug die größeren Modelle beim Entwerfen von Klageschriften, Anträgen und beim Zusammenfassen von Fällen. Es war wie ein spezialisierter Chirurg, der einen Hausarzt bei einer bestimmten Operation übertrifft.
- Allgemeine Aufgaben: Trotz seiner geringeren Größe und Spezialisierung verlor es nicht seine Fähigkeit, allgemeine Fragen zu beantworten. Es litt nicht unter „katastrophalem Vergessen" (das Vergessen alles anderen, was es wusste).
Das Fazit
Der Artikel argumentiert, dass man, um eine wirklich nützliche KI für ein spezifisches Feld wie das Recht zu bauen, nicht einfach einen Haufen Daten auf ein allgemeines Modell werfen kann. Man muss:
- Die Experten fragen, was sie tatsächlich brauchen.
- Spezialisierte Daten mit allgemeinen Daten mischen, damit die KI ihren gesunden Menschenverstand nicht verliert.
- Verschiedene Formate testen, um zu sehen, wie die Informationen präsentiert werden.
- Die „Persönlichkeits"-Anweisungen für den Moment des Gesprächs aufsparen, nicht für die Trainingsphase.
Indem sie diesem Rezept folgten, schufen sie eine koreanische Rechts-KI, die nicht nur eine „dumme" Datenbank ist, sondern ein praktisches Werkzeug, das die Nuancen des koreanischen Rechtssystems versteht.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.