… AI工具不会取代法官/检察官等。它只是对他们来说非常有用的工具。查看我开发的应用程序（https://github.com/bennyschmidt/ragdoll-studio）中的“基于RAG的学习”部分，有一个视频展示了如何有效地将新知识加载到其中（我使用LlamaIndex进行RAG）。例如，过去设定法律先例的案例和其他你想考虑的信息。它会创建你加载文件的数据库，因此它不会像没有RAG的LLM那样做出这些假设。我认为人类会比带有特定数据向量数据库和查询引擎的LLM更容易出错。> 我看不到它的用处 那么你没有注意或者没有太多使用LLM。也许你还不熟悉它擅长的工作类型。> 实际的法律工作涉及的内容 这正是它最擅长的，人们已经在使用RAG来做这件事：阅读患者病历、技术文档等。这正是人类不擅长并会转交给技术的内容。> 实际的研究是必要的 你没有尝试过RAG。
源讨论用大型语言模型回答法律问题原帖 149 条评论 · 导入时统计> 预加载一个城市、县等的全部法律 你还需要加载大量判例法，至少在美国和其他普通法司法管辖区是这样。将判例法综合成适用于特定案件的法律规则需要复杂的分析，这通常对事实背景的细节很敏感，在这种情况下，大型语言模型缺乏常识可能导致错误结论，特别是在可用的、直接相关的判例法很少的情况下，因此没有直接类似的案例。 不过，我认为目前大型语言模型的性能水平下，这种用途并不明显，正如原始帖子的文章所确认的那样。大型语言模型可能在特定狭窄情况下擅长重述或总结既定法律，但这只是实际法律工作中极小的一部分。大多数案件都是普通的，而且…
完整原文把你的经验，加入这段讨论。
我不确定人类的判断力是否像你认为的那样与医学术语或技术手册相比较。 你是如何得出这个结论的？
完整原文>你可以将整个产品目录加载到LlamaIndex中，LLM将对价格、库存等有完美的了解。这种特定领域的库存知识使你能够进行准确的、交易性的对话，而这是普通LLM没有设计的功能。 我们不是在谈论判例法吗？你并没有真正回应这个观点，这个观点区分了判例法与产品目录之类的信息。而且你的回应还很粗鲁。
完整原文我尝试过很多RAG，我可以告诉你，没有LLM，包括Gemini 1.5，它的上下文长度达到150万，会在更长的上下文长度上表现得不如在较短的上下文长度上好。 将大量标记附加到提示中通常会导致系统提示或用户指令被忽略，而且由于基于API的LLM开发者害怕出现越狱，他们不会给你提供"强调"或"提高权重"标记的能力（尽管这在技术上是完全可能的），因为你很容易提高某个标记的权重以压倒大多数模型经历的DPO对齐脑切除术 - 所以OpenAI/Anthropic等公司不会有简单的解决方案。
完整原文尊重不同观点，分享具体经验。
登录后即可发帖、评论、转发和引用。