Cuadernos de Bioética
PulseAugur coverage of Cuadernos de Bioética — every cluster mentioning Cuadernos de Bioética across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
Fireworks AI 发布 Tenet 模型用于法律工作，在不增加成本的情况下提升性能 · 跟踪 5 个来源
Fireworks AI 推出了 Tenet，这是与 Harvey 密切合作开发的、用于长期法律工作的新模型。Tenet 在 Kimi K3 基础模型上进行了后训练，在 Legal Agent Benchmark (LAB) 等法律基准测试中表现出显著的性能提升，全通过率从 10.8% 提高到 19.7%。这一进展是在没有成本增加的情况下实现的，每个任务的成本与其基础模型相似，但完成的任务量几乎翻倍。Tenet 在未专门训练的基准测试…
-
Harvey 和 Fireworks AI 发布用于法律工作的 Tenet 模型
Fireworks AI 发布了 Tenet，一个与 Harvey 密切合作开发的新模型，专门针对长时法律工作进行了训练。Tenet 是在 Kimi K3 基础模型上进行后训练的，在不增加成本的情况下显著提高了性能，每个 LAB 任务完成的任务量几乎是其基础模型的两倍。该模型在包括法律知识和代理人性能在内的各种基准测试中显示出普遍的改进，在 LAB Contracts 上取得了最先进的成果。
-
Harvey Tenet：新型法律代理模型利用Kimi K3和Fireworks
Harvey发布了Harvey Tenet，这是一款专为长时法律任务设计的新研究预览模型。该模型基于Kimi K3基础模型，并通过使用Fireworks进行异步强化学习进行增强，其训练语料库包括合成数据、公开法律数据和专家数据。在法律基准测试中，Harvey Tenet相比其基础模型有了显著改进，在LAB: Contracts上取得了最先进的成果，并在更广泛的Harvey's Legal Agent Benchmark (LAB)上表…
-
人工智能在法律文件摘要方面表现出色，但在版本比较方面滞后
Vals AI 的一项最新基准测试显示，虽然人工智能工具擅长总结冗长的法律文件并提供带引用的答案，但它们在比较合同的不同版本时却遇到了困难。在识别文件修订之间细微差异方面，人类律师的表现优于人工智能，这项任务需要精确的位置上下文保留。这凸显了当前人工智能模型的一个局限性，即长上下文窗口并不总是能转化为红线标记等复杂任务的准确性能，CLAUSE 基准测试和斯坦福 RegLab 的研究证明了这一点。
-
新框架审计法律AI幻觉，量化错误方向
研究人员开发了一个名为LegalHalluLens的新框架，用于审计和缓解法律应用中AI系统的幻觉。该框架识别特定类型的幻觉，如数字、时间或事实错误，并引入风险方向指数（RDI）来量化遗漏信息与捏造信息之间的偏差。通过分析大量法律合同数据集，该系统揭示了不同声明类别之间被聚合指标隐藏的显著性能差距。此外，LegalHalluLens采用了一个经过校准的多主体辩论管道，利用这些诊断见解来提高准确性并减少虚假检测，从而在法律环境中实现更值…
-
新方法通过图约束路径选择扩展LLM训练数据
研究人员开发了一种从非结构化文本生成大型语言模型多跳训练数据的新颖方法。他们的方法将路径枚举与语言表达分离开来，使用图约束路径选择来克服重复文档结构的局限性。该技术显著扩展了可用语料库，在专业任务上带来了性能的显著提升，例如在法律合同分析中可用数据增加了 4.4 倍。