法律与AI共舞 ——用 AI 帮忙学习法律英语的时刻

业务需要,最近重新抓起英语,多年没有读文件,看到材料两眼发黑;学语言大家都知道,听课之外,只能大量读译听写,读和译先解决掉再说,但我需要一个可以24小时响应的老师供我使劲摇,想想周围同行朋友疲惫的脸,想想还是抓过 AI 来使劲摇吧。

我使用的是 kimi ,暂时没有在这一事项上体验其他大模型。

构建对话前先简单梳理:

定位:不是词典。基础查词肯定还是用欧路之类的,需要老师提供的是用法、例句、总结。

Prompts:赋予角色,目的在于限缩其检索领域;指定任务:为我提供指导,解答我的问题。对于指定任务初设时有些犹豫,因为不确定会不会因为指定的不明确,在经过几轮问答后,对话会跑偏,但先用起来再说。

梳理的差不多了,输入 prompts 准备开始对话,我使用的提示词例如:

角色:你是一位精通法律英语的交易律师,对于公司香港上市,跨境并购等业务精熟,并且对于英文精通;需求:我是一位法律英语的小白,需要你提供指导。

注:之所以角色如此设定是因为读的材料是某公司联交所上市递交文件,材料获取直接看交易所公告即可;重点在于角色设定上明确领域,如果读的是美国本土判例之类的译材,肯定要重新设定。

输入提示词后,kimi 回应如下:

看起来似乎是那么回事儿,试一下,先问个问题:weighted voting rights怎么理解?

回复很快:

解释总结的不错,有点像模像样了,不是嘛?

再试一下,不说明背景,直接发词组:calculate to

解释总结的不错,有点像模像样了,不是嘛?

再试一下,不说明背景,直接发词组:calculate to

回答有点似是而非?

加上背景限定:calculate to在法律文件或IPO文件中怎么理解:

明显跑偏了,再调整,直接输入:

be calculated to

明显跑偏了,再调整,直接输入:

be calculated to


解释的有点复杂,但结合语境,其实 be calculated to 此处只是打算做,故意做,可能做的意思。

这里给了我一个小提示:

在上下两组对话,如果提示词有共性,那 kimi 可能可以接续前序对话直接明白你的意图

对于大模型提供的信息不能不加甄别使用,单就本项来说,结合语境辨别他是否在创设概念很重要

提示词尽量限定清楚,如下例,对于重要用法我想弄清楚,就把上下文扔喂给他。

the application to which this document relates has not been approved

for listing and the Stock Exchange and the Commission may accept, return or

reject the application for the subject public offering and/or listing.中的subject应该如何理解:

这个意思大体上还算是对的,其实应该让他再总结下检索到的用法,但此处走神了😁

whatsoever, howsoever这类词在法律文件中应如何使用:

总结下吧:

kimi 擅长的还是总结归纳,对于这种知识类的,他还是基于检索和总结提供信息梳理的作用。因为🪜丢了,所以没用 gpt ,不知是否会上升一个梯度的体验。

另外,依粗浅的理解,大模型是将语料拆解为小的单元后不断学习然后调整推测权重,因此而体现了智能性,但在现阶段,为了得到更准确的信息,我们提供的提示词应该尽量明确详尽。

学语言这事儿离不开词典和语料,要提醒自己不要被 AI 幻觉带偏。目前法律词典释义尚可,但提供例句并不丰富,有些行业词汇在传统词典中也不会有,直接百度有时得到的信息比较乱,通过 AI 整理的更有参考性。对于工具,当然是用好时,也警惕其带来的错误信息。

其实也用过kimi去帮审查合同等基础工作,不能替代人工最后修正,但时间急迫时也有帮到我,还蛮有趣的体验,后面也打算写一写。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,753评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,668评论 3 396
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 166,090评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,010评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,054评论 6 395
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,806评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,484评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,380评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,873评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,021评论 3 338
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,158评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,838评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,499评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,044评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,159评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,449评论 3 374
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,136评论 2 356

推荐阅读更多精彩内容