Harvey升级审查算法以提高法律效率
realtime news Apr 21, 2026 17:02
Harvey改进了其审查表算法，提高了准确性、引用的细粒度以及处理大量文档工作负载时的速度。
Harvey是一个旨在简化法律工作流程的AI驱动平台，其审查表算法进行了全面升级，提供了更准确的答案、更细粒度的引用以及更快的结果。此次更新旨在帮助法律团队在审查大量数据集（如合同、监管文件或庭审证据）时节省大量时间。
审查表是Harvey的关键功能之一，能够将数千份文档转化为结构化网格，方便用户进行扫描、筛选和操作。然而，之前算法中的低效问题（如重复字段和不够精确的引用方法）在工作流程中造成了阻碍。改进后的方法直接解决了这些问题。
更精确的答案和改进的推理
更新后的算法将之前的两个单独输出——摘要和附加上下文——合并为一个统一的答案。同时，一个全新的推理字段详细说明了结论是如何得出的，为模型的决策过程提供了透明性。这一变化对需要解读的法律使用场景特别有用，因为用户不仅可以评估结果，还可以了解背后的逻辑。
例如，当工具被要求判断供应协议是否包含变更控制条款时，“推理”字段会概述算法搜索的位置以及如何得出该条款不存在的结论。这种细节不仅关乎准确性，还能让律师快速验证结果，并自信地做出明智决定。
细粒度引用和速度提升
另一个显著的改进是从单元格级别引用转为句子级别引用。此前，引用被附加到整个单元格，这常常使得追踪具体陈述的来源变得困难。新的基于句子的引用方法确保了响应中每个断言都可以直接追溯到底层文档中的精准位置，从而简化了时间紧迫的法律专业人士的验证过程。
这种细粒度的方法还提高了输出速度。通过重新设计其执行流程，Harvey在处理复杂数据集时实现了更低的延迟。例如，一个包含30列和1,000份文档的表格生成了30,000个单元格，但新算法在此工作负载中依然保持了快速响应时间。
评估结果：显著胜利
Harvey通过合同律师和应用法律研究员（ALR）进行的并排偏好评估对新算法进行了严格测试。结果令人瞩目：更新后的系统比原始版本更受欢迎，其偏好度高出四倍，尤其是在诸如信用协议或庭审证据等复杂场景中更为明显。分析深度和推理透明性成为用户满意度的主要驱动因素。
同样重要的是，这些改进在可靠性和延迟的基准测试中表现稳定。结合引用准确性的提升，此次整体更新为依赖Harvey进行文档审查的法律专业人士带来了实质性进步。
未来展望
新的算法为未来的发展奠定了基础。Harvey计划引入可以直接从多个知识源（包括完整数据集和网页）派生的动态行和列。下一阶段将为平台带来多源引用和基于置信度的评分功能，进一步增强其在高风险法律工作中的实用性。
对于需要快速交付精确且可辩护结果的法律团队来说，这些更新表明Harvey致力于以符合该行业严格要求的方式不断改进其工具。
Image source: Shutterstock.jpg)