法律

The Challenge

律師事務所和企業法律部門每天都會產出大量的合約、辯護狀、備忘錄和案例法研究。從這些資料中提取模式——識別供應商協議中的不利條款、摘要證言，或在數千份文件中找出相關判例——正是大型語言模型擅長的任務。然而在網路文字上訓練的通用模型經常誤用法律術語、混淆管轄權，並產出引用不存在案例的引述。

保密性問題比準確性問題更為嚴重。律師-客戶保密特權和工作成果原則對法律資料的處理方式施加了嚴格的義務。將客戶合約或訴訟策略文件發送到第三方 API——在那裡資料可能被記錄、快取或用於模型改進——產生了任何法務長都不願接受的特權放棄風險。許多事務所有全面禁止在客戶事務上使用外部 AI 服務的政策，使律師無法享受企業其他部門所享有的生產力提升。

The Solution

Ertas 讓法律團隊建構既具領域準確性又保護特權安全的 AI 模型。使用 Ertas Studio，法律技術專家可以在去識別化合約的精選語料庫、案例法資料庫和內部知識管理內容上微調基礎模型。LoRA 適配器使訓練高效，因此一家中型事務所可以在數小時而非數週內產出合約分析模型。產出的模型理解法律引用格式、合約慣用語和管轄權特定術語，達到通用模型根本無法匹配的水準。

訓練完成後，模型完全在事務所自有的基礎設施上部署——本地伺服器、私有雲 VPC 或隔離環境——使用 Ertas Cloud 的私有端點功能。Ertas Vault 為訓練資料和模型權重提供加密儲存，配備與事務所現有道德屏障結構相匹配的角色型存取控制。每個推論請求和資料存取事件都記錄在防篡改稽核追蹤中，為合規官員和道德合夥人提供滿足律師公會要求和客戶稽核請求所需的文件。

Key Features

Example Workflow

一家中型企業律師事務所希望加速併購盡職調查的合約審查。法律技術團隊從事務所的文件管理系統匯出 30,000 份去識別化的商業合約作為 JSONL 資料集，上傳至 Ertas Vault，由 Vault 加密資料並掃描是否有殘留 PII。在 Ertas Studio 中，團隊從 Hub 選擇 Mistral-7B 基礎模型，啟動聚焦於條款分類和風險標記的 LoRA 微調運行。經過三小時的訓練，適配器被合併並透過 Ertas Cloud 作為私有 REST 端點部署在事務所的本地伺服器上。交易團隊的律師助理現在將目標公司合約上傳到內部審查工具，該工具呼叫私有端點，在幾秒內獲得逐條風險評估。模型以 90% 的準確率標記控制權變更條款、賠償上限和非標準終止條款——將初審時間從數天縮短至數小時，同時將所有客戶資料保留在事務所基礎設施內。