Justinian®

नहीं। ऐसी परत आपका सवाल किसी सार्वजनिक मॉडल को भेज देती है और जो जवाब आता है वही लौटा देती है। HAQQ के पीछे का इंजन Justinian® पहले आपके सवाल को एक ऑर्केस्ट्रेशन लेयर से गुज़ारता है, जो हमारी अपनी है और जिसे हम ख़ुद होस्ट करते हैं। यह लेयर किसी भी फ्रंटियर मॉडल को बुलाने से पहले दस फ़ैसले तय करती है: आप क्या पूछ रहे हैं, यह किस तरह का क़ानूनी काम है, कौन-सा क्षेत्राधिकार और कौन-सी भाषा शामिल है, कौन-से टूल इस्तेमाल होंगे और कौन-सी सुरक्षा जाँच लागू होगी। इसके बाद किसी तीसरे पक्ष का फ्रंटियर मॉडल अंतिम जवाब लिखता है, लेकिन ऑर्केस्ट्रेशन, जानकारी की खोज, मेमोरी, टूल और सुरक्षा हमारे हैं, इसलिए मॉडल बदलना कॉन्फ़िगरेशन का बदलाव है, दोबारा बनाने का काम नहीं। हमारे बेंचमार्क, जिनमें वे रन भी शामिल हैं जहाँ कोई दूसरा मॉडल बेहतर स्कोर करता है, HAQQ Labs में प्रकाशित हैं।

ChatGPT एक सामान्य-उद्देश्य वाला भाषा मॉडल है जो प्रशंसनीय लगने वाले टेक्स्ट को उत्पन्न करता है। Justinian® एक लीगल AI इंजन है: किसी भी सामान्य मॉडल को कॉल करने से पहले, यह स्थापित करता है कि आप वास्तव में क्या पूछ रहे हैं, कौन सा अधिकार क्षेत्र लागू होता है, शासी कानून किस भाषा में है, और अनुरोध की क्या आवश्यकता है। सामान्य मॉडल फिर एक ऐसे प्रश्न पर चलता है जिसे पहले ही तैयार किया जा चुका है। यह तथ्यों पर कानूनी नियमों को लागू करता है, अधिकार क्षेत्र की सीमाओं का सम्मान करता है, पुनर्प्राप्त स्रोतों का हवाला देता है, और संरचित, ग्राहक-तैयार डिलिवरेबल्स का उत्पादन करता है।

हाँ। Justinian® उत्तर देने से पहले सत्यापित कानूनी डेटाबेस और आधिकारिक स्रोतों की खोज करता है। प्रत्येक उद्धरण का पता लगाया जा सकता है और सत्यापित किया जा सकता है। जब स्रोत संघर्ष करते हैं या कानून अस्पष्ट होता है, तो Justinian एक आत्मविश्वासी लेकिन गलत उत्तर प्रस्तुत करने के बजाय अनिश्चितता को चिह्नित करता है।

हाँ। Justinian® अरबी, अंग्रेजी, फ्रेंच और अन्य भाषाओं में पूर्ण RTL समर्थन के साथ मूल रूप से ड्राफ्ट करता है। यह प्रत्येक भाषा में कानूनी बारीकियों को समझता है और दोनों संस्करणों में कानूनी सटीकता बनाए रखते हुए द्विभाषी अनुबंध तैयार कर सकता है।

Justinian® MENA, यूरोप, अमेरिका और ICC और UNCITRAL सहित अंतरराष्ट्रीय मध्यस्थता फ्रेमवर्क पर तर्क करता है, और यह अंग्रेजी, अरबी और फ्रेंच में ड्राफ्ट करता है। न्यायक्षेत्र के अनुसार गहराई भिन्न होती है, क्योंकि यह इस बात पर निर्भर करता है कि स्रोत कानून कितना अच्छी तरह से डिजिटाइज़ किया गया है और इसका कितना हिस्सा सार्वजनिक है। एक एकल वैश्विक संख्या उद्धृत करने के बजाय, हम उस विशिष्ट न्यायक्षेत्र के लिए प्रश्न का उत्तर देना चाहेंगे जिसमें आप काम करते हैं।

हाँ। प्रत्येक Justinian® आउटपुट में एक पारदर्शी तर्क श्रृंखला शामिल होती है - आप देख सकते हैं कि कौन से नियम लागू किए गए थे, किन स्रोतों से परामर्श किया गया था, और निष्कर्ष तक कैसे पहुंचा गया था। यह लेखापरीक्षण योग्यता पेशेवर जवाबदेही और ग्राहक विश्वास के लिए महत्वपूर्ण है।

आपका प्रश्न सीधे किसी सामान्य-उद्देश्य वाले मॉडल पर नहीं जाता है। यह पहले एक ऐसे चरण से गुजरता है जिसे हम नियंत्रित करते हैं, जो यह निर्धारित करता है कि आप वास्तव में क्या पूछ रहे हैं, यह किस प्रकार का कानूनी कार्य है, कौन सा क्षेत्राधिकार लागू है, शासी कानून किस भाषा में लिखा गया है, और आपके अनुरोध के अंदर के तथ्य संरचित डेटा के रूप में। तभी सामान्य मॉडल चलता है, और यह प्रश्न को पहले से ही तैयार करके आता है, बजाय इसके कि वह अनुमान लगाए।

दो कारण। एक मॉडल की संदर्भ विंडो सीमित होती है, इसलिए अनावश्यक रूप से लोड किया गया कुछ भी आपके वास्तविक दस्तावेज़ के साथ ध्यान के लिए प्रतिस्पर्धा करता है। और एक मॉडल जिसे गद्य की दीवार के बजाय संरचित तथ्य दिए जाते हैं, वह अपने बजट को कानूनी तर्क पर खर्च करता है, बजाय इसके कि उसे क्या दिया गया था। दूसरा प्रभाव अधिकांश लोगों की अपेक्षा से बड़ा है, और यही कारण है कि वही सामान्य-उद्देश्य वाला मॉडल जस्टिनियन के अंदर एक साधारण रैपर के अंदर की तुलना में बेहतर कानूनी कार्य करता है।

हम जानबूझकर किसी एक विक्रेता पर निर्भर नहीं करते हैं। एक तृतीय-पक्ष फ्रंटियर मॉडल अंतिम जनरेशन करता है, लेकिन हमारी मूल्यवान हर परत किसी विशेष मॉडल से स्वतंत्र रूप से चलती है: ऑर्केस्ट्रेशन, टूलिंग, रिट्रीवल, मेमोरी और सुरक्षा। Justinian® को विभिन्न प्रकार के कानूनी कार्यों को विभिन्न मॉडलों तक पहुंचाने के लिए डिज़ाइन किया गया है, इसलिए यदि कोई बेहतर या सस्ता मॉडल आता है, तो उसे अपनाना एक पुनर्निर्माण के बजाय एक कॉन्फ़िगरेशन परिवर्तन है।

हाँ। हम दस्तावेज़ सेवन को एक प्रथम-श्रेणी की इंजीनियरिंग समस्या मानते हैं, न कि एक प्रीप्रोसेसिंग के बाद का विचार, क्योंकि कानूनी काम का एक बड़ा हिस्सा स्कैन, मुहर लगी पृष्ठ की तस्वीर, या एक PDF के रूप में आता है जिसे मुद्रित और फिर से तिरछा स्कैन किया गया था। उस चरण में शुरू की गई त्रुटि को बाद में ठीक नहीं किया जा सकता है: सिस्टम गलत खंड संख्या के बारे में त्रुटिहीन तर्क करेगा।

हाँ। Justinian® समय के साथ आपके मामलों के बीच संबंधों को रखता है और जब कोई प्रश्न इसकी मांग करता है तो उन पर आधारित होता है, बजाय इसके कि केवल हाल के संदेशों को प्रॉम्प्ट में फिर से चलाए। यही वह है जो इसे यह पहचानने देता है कि जिस अनुबंध की आप आज समीक्षा कर रहे हैं उसमें प्रतिपक्षी वही है जो दो महीने पहले के विवाद से था।

भाषा मॉडल पर निर्मित कोई भी सिस्टम गलत उत्तर दे सकता है, और कोई भी विक्रेता जो आपको अन्यथा बताता है वह शब्दों के प्रति सावधान नहीं है। एक अच्छी वास्तुकला क्या करती है वह गलतियों को दुर्लभ और पता लगाने योग्य बनाती है: कानूनी दावे पुनः प्राप्त स्रोतों के खिलाफ उत्पन्न होते हैं, हर दावे में एक उद्धरण होता है जिसे आप खोल सकते हैं, और जहां स्रोत विरोधाभासी होते हैं या कानून वास्तव में अस्पष्ट होता है Justinian® आपके लिए इसे हल करने के बजाय अनिश्चितता को इंगित करता है। इसे किसी पेशेवर द्वारा समीक्षा करने के लिए बनाया गया है, न कि उसे बदलने के लिए।

एक डेमो में चार प्रश्न, और वे हम सहित किसी भी विक्रेता पर काम करते हैं। उससे कानून के बाहर कुछ पूछें: एक रैप किया गया सामान्य मॉडल आमतौर पर एक चिकित्सा प्रश्न का उत्तर देगा। एक ही कानूनी प्रश्न को दो भाषाओं में पूछें: यदि पदार्थ बदलता है, तो भाषा को तर्क के बाद संभाला जाता है न कि उससे पहले। एक खराब फोटोग्राफ किया गया दस्तावेज़ अपलोड करें। और इसे कानून के एक अनसुलझे क्षेत्र की ओर धकेलें, जहां पेशेवर काम के लिए बनाया गया एक सिस्टम आपको बताएगा कि जमीन अनिश्चित है बजाय इसके कि एक आत्मविश्वासपूर्ण उत्तर दे।

सामान्य बेंचमार्क के बजाय कानूनी-विशिष्ट बेंचमार्क के खिलाफ, क्योंकि एक मॉडल जो सामान्य तर्क पर अच्छा स्कोर करता है, वह अभी भी किसी खंड पर बेकार हो सकता है। खंड-स्तरीय सत्यापन, क्षेत्रीय सटीकता और अभ्यास करने वाले वकीलों से निरंतर प्रतिक्रिया इंजन को हर मॉडल कॉल से पहले और उसके आसपास क्या करता है, यह चलाती है: क्या पुनर्प्राप्त किया जाता है, कौन सी क्षमताएं चलती हैं, और मानव समीक्षा के लिए क्या ध्वजांकित किया जाता है। परिणाम वर्णित होने के बजाय प्रकाशित किए जाते हैं, जिनमें वे भी शामिल हैं जहां एक फ्रंटियर मॉडल हमें हराता है।

हम जो भी आंकड़ा प्रकाशित करते हैं, वह बताता है कि हम इसे कैसे जानते हैं। 'मापा गया' का अर्थ है कि यह हमारे अपने उपयोग डेटा या हमारे अपने बेंचमार्क रन से आता है। 'उद्धृत' का अर्थ है कि यह एक तीसरे पक्ष की खोज है, जो इसके स्रोत से जुड़ी है। 'उदाहरण' का अर्थ है कि यह एक दिशात्मक परिदृश्य है, और इसमें ऐसा कहने वाला एक बैज होता है, जिसमें इस पृष्ठ पर आगे दिए गए कार्य उदाहरण भी शामिल हैं। यदि कोई संख्या यह नहीं बताती है कि यह तीनों में से कौन सा है, तो इसे एक दोष मानें और हमें बताएं।

हाँ, और आपको किसी भी कानूनी AI विक्रेता पर संदेह होना चाहिए जो ऐसा नहीं करता है। एक बेंचमार्क जिसे उसका लेखक हमेशा जीतता है, वह मार्केटिंग है, मूल्यांकन नहीं। हमारे प्रकाशित रनों में ऐसे कार्य और श्रेणियां शामिल हैं जहाँ एक फ्रंटियर मॉडल हमसे ऊपर स्कोर करता है, क्योंकि एक खरीदार को यह जानने की आवश्यकता होती है कि उपकरण कहाँ मजबूत है और कहाँ नहीं, इससे पहले कि वे ग्राहक के सामने उस पर भरोसा करें।