Ertas 助力合同审查与分析

    微调模型,根据组织的审查手册审查合同,标记非标准条款、缺失条款和风险领域,并提供法律精准的解释。

    The Challenge

    合同审查是法律实践中最耗时且高风险的活动之一。律师和助理律师必须手动将传入合同的每个条款与组织的批准立场、标准手册和监管要求进行对照审查。一个被遗漏的非标准赔偿条款或被忽视的控制权变更条款可能使组织面临数百万的赔偿责任。然而合同数量持续增长——采购协议、供应商合同、合作交易、保密协议和劳动合同的积累速度超过了法律团队的审查能力。

    通用 AI 法律工具提供表面级的合同分析,能识别条款类型但无法根据组织的特定标准进行评估。它们标记赔偿条款的存在,但无法判定它是双向的(如您的手册所要求的)还是单方面的(需要谈判的偏差)。这种缺乏组织上下文使得通用工具在条款识别方面有用,但在实际合同审查——消耗律师大部分时间的环节——上是不够的。

    The Solution

    Ertas 让法务团队用本机构特有的合同审查手册、已批准的立场和历史修订记录微调合同审查模型。模型会学习按照你的标准每个条款应该是什么样子,并能识别偏离之处、缺失条款和风险点,给出引用你自身政策的说明。合同审查由此从逐条人工比对,转变为 AI 辅助的流程:模型完成初审,律师专注于需要判断的问题。

    在 Ertas Studio 中,法务团队用标注好的合同进行训练,每个条款都标明是否符合审查手册、偏离的性质以及建议的应对方式。在 Studio 的引导式数据集构建工具 Data Craft 中,律师可以编辑这些示例、保留版本,并在训练前批准。训练好的模型可以审查新合同并生成结构化风险报告:逐条与审查手册对比、按严重程度标出偏离,并给出取自以往已批准修订的谈判措辞建议。训练在 Ertas 的云端 GPU 上进行,因此标注好的合同会上传到 Ertas,请先删除模型不需要的交易对方名称和商业条款。导出后,模型通过 Ollama、llama.cpp 或 vLLM 在法务团队自己的服务器上运行,日常审查的合同都留在内部。

    Key Features

    Studio

    与手册对齐的训练

    使用 Studio 在组织的手册立场、批准条款语言和历史修改模式上训练合同审查模型。模型学习的是您的特定标准,而非通用法律原则。

    Studio

    律师批准的示例

    在 Data Craft 中创建和完善审查示例。律师可以编辑条款评估和修订建议、保留版本,并把每个示例标记为已批准,让训练集反映团队真正认可的立场。

    Hub

    在你的服务器上审查合同

    从 Hub 以 GGUF 或 safetensors 格式下载训练好的模型,在你的网络内提供服务。你的审查工具发送合同文本,返回包含逐条分析、偏离标记和建议措施的结构化评估。

    Hub

    模型归你所有

    训练好的模型归你所有,可以下载并在任何地方运行,运行时不依赖 Ertas。日常审查的合同留在你的基础设施上,只有你选定的训练集会上传到 Ertas。

    Example Workflow

    一家科技公司的法务部门每季度处理 300 多份供应商合同。团队按照其包含 85 项立场的合同审查手册,为 2,000 份历史合同做了逐条款评估标注,删除了模型不需要的交易对方名称和商业条款,然后将数据集上传到 Ertas Studio。他们微调了一个模型:输入合同文本,输出结构化审查备忘录,逐一识别、分类每个条款,与审查手册的立场对比,并标记为“符合”“轻微偏离”或“重大偏离”。对于重大偏离,备忘录会附上取自以往已批准谈判的修订措辞建议。在正式使用前,团队用一组未参与训练的近期已审查合同比较各个候选模型。选定的模型导出后,部署在企业防火墙内的服务器上运行。在下一个季度,模型对新收到的供应商合同进行预审,生成审查备忘录草稿,由律师助理核实、律师定稿,律师修正过的偏离会加入数据集,用于下一次训练。

    Related Resources

    Ship AI that runs on your users' devices.

    Start free with 150 credits after card verification. Paid plans from $20/mo USD.