Generative Gap Filling
本文通过论证大语言模型能够根据剩余文本准确重构被遮蔽的、未书写的条款，从而挑战了关于合同包含信息过少以至于无法解决争议的法律假设，并据此建议法院应将此类模型预测视为可质疑的证据，用以填补合同空白。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
合同是人们彼此许下承诺的书面记录。当两方签署协议时，他们试图写下交易的所有细节，以便在出现问题时，法官可以通过查阅文件，准确地看到双方达成了怎样的共识。但生活是琐碎且复杂的，无论律师如何精心起草这些文件，往往都会有所遗漏。可能会发生一些撰稿人从未预料到的特定事件，或者某个关键细节被遗忘了。当针对未记载的内容产生争议时，法律称之为“漏洞”（gap）。长期以来，法律学者一直认为，一旦合同用尽了文字，该文件就会失去效用。他们假设，如果法官必须填补缺失的部分，其本质上是在进行猜测，依赖于自己对公平或商业惯例的感受，因为文本本身并没有提供任何线索。
这一假设几十年来一直影响着法院处理合同纠纷的方式。主流观点认为，当文本沉默时，法官必须介入，并根据一般规则或个人政策来创造解决方案。但这个想法建立在一个假设之上：即合同的其余部分能提供的关于缺失部分的有效信息非常有限。如果这个假设是错误的，那么法官思考此类案件的方式可能就需要彻底改变。问题在于，那些已经写下的文字，是否真的能够告诉我们那些未被写下的文字原本会是什么。
两位法律学者决定利用一种借鉴自计算机科学的方法来测试这一想法。他们选取了真实的已签署合同，并隐藏了其中一个双方实际经过谈判并达成一致的条款。然后，他们要求不同的人群和计算机阅读文档的其余部分，并猜测隐藏部分的含义。研究人员知道答案，因为他们拥有原始合同。这种设置使他们能够观察到，是否有人仅通过观察周围的文本就能真正恢复丢失的信息。
结果令人惊讶。当没有法律背景的普通人在尝试猜测缺失条款时，他们的正确率约为一半。这比纯粹靠运气猜中的概率高出两倍。接受过法律训练的人（如法学院学生和执业律师）表现稍好，正确率接近60%。但最引人注目的结果来自人工智能。当大型语言模型（在海量文本上训练过的计算机程序）被赋予同样任务时，它们能以近90%的准确率恢复隐藏条款。
研究人员在多种类型的合同中测试了这一点，包括艺术家、律师和制造商的协议。在几乎所有案例中，计算机模型的表现都优于人类。这些模型能够观察交易的结构、提到的价格、风险分配以及其他条款，并利用这些信息高精度地重建缺失的部分。这表明，一份合同远不止是孤立句子的集合。相反，合同的各个部分是深度关联的，就像一个无线电信号，即使传输过程中丢失了部分内容，剩余的信息仍能传达完整的信息。现存的文本携带了关于缺失文本的信息。
这一发现挑战了旧有的观念，即在合同不完整时，法官只能依靠自己的偏好。研究表明，文件本身通常包含足够的证据来推断当事人的意图，即使他们没有将其写下来。作者认为，这意味着“真正的漏洞”（即当事人确实未达成一致且文本无法提供线索的情况）比此前认为的要罕见得多。大多数情况下，答案就隐藏在已有的文字之中，等待被发现。
研究人员还探讨了这一发现将如何改变法律体系。他们建议，法院可以将这些计算机模型作为一种工具，类似于目前使用的词典或专家证人。律师可以要求模型预测缺失项的内容，另一方也可以这样做。法官随后可以将这些预测作为证据进行权衡，就像对待任何其他信息一样。为了确保这种方式的公平性，作者提出，当事人可以在合同中加入“模型选择”条款。这是一个简单的句子，规定如果因缺失条款产生争议，法院应使用特定的计算机程序来协助判定。这将为合同法带来更高水平的精确度，减少法官猜测的需求，并帮助各方实现他们原本意图达成的交易。
然而，研究也指出了这种方法的局限性。当合同遵循标准模式时，计算机模型的表现最好。当交易非常独特，或者当事人因为无法达成一致而刻意留下空白时，模型的准确性会下降，尽管仍优于人类。研究人员还警告说，如果未来的合同完全由计算机编写，那么这种方法的基础可能会发生变化，因为“意图”将不再是人类的决策。但就目前而言，由于仍存在大量由人类起草的合同，这项研究表明，文本本身是一个比人们想象中更丰富的真相来源。缺失的部分往往就在那里，只需被阅读出来即可。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。