聯繫我們

課程簡介

第1天:構建基礎——攝取、搜索與檢索

模塊1:法律工程師的格局

  • 學習目標——理解角色定位,AI在法律工作中的應用場景,以及貫穿始終的兩大風險。
  • 主題內容
    • 法律工程師的角色及其當前受聘的原因
    • AI的應用領域:電子證據披露、審閱、合同、研究、調查;通俗解釋EDRM模型
    • 自建與購置的選擇
    • 貫穿始終的兩大風險:機密性/特權保護與可辯護性

模塊2:法律數據是雜亂的——攝取與提取

  • 學習目標——掌握規模化處理現實法律數據的能力。
  • 主題內容
    • 1,400多種文件類型,電子郵件與PST文件,掃描紙張,負載文件(.dat/.opt);至關重要的嵌入式元數據
    • 文本提取(Tika)、OCR以及作為選項的去重處理
  • 實驗室:FreeEed攝取——針對刻意設置的雜亂文檔集(郵件/PST、掃描件、負載文件)構建攝取管道。

模塊3:搜索與檢索——基礎

  • 學習目標——構建核心電子證據披露原語:在任何內容中查找任意信息。
  • 主題內容——全文搜索與索引(Solr/Lucene);相關性、元數據和日期過濾;跨OCR識別內容的搜索
  • 實驗室:電子證據披露搜索——對語料庫進行索引,並運行真實場景的電子證據披露風格搜索,包括在OCR掃描內容內部進行搜索。

模塊4:面向法律文檔的RAG——帶有引用

  • 學習目標——構建能夠引用來源的法律文檔RAG系統。
  • 主題內容
    • 針對敏感材料為何選擇檢索而非微調——模型永不吞噬文檔數據
    • 分塊、嵌入,以及最重要的引用/溯源
    • 多文檔與線程摘要生成
  • 實驗室:帶引用的法律RAG——構建一個基於文檔集的RAG問答系統,並能以源引用作為回答。

第2天:使其私密、可辯護且可部署

模塊5:隱私、特權與本地服務——特權陷阱

  • 學習目標——確保法律數據留存本地,並能夠證明其狀態。
  • 主題內容
    • 數據接入雲AI時實際流向哪裡
    • 特權放棄、能力義務以及“私密”光譜(合同約束 vs. 物理隔離)
    • Morgan v. V2X案及其對本地部署法庭可辯護性的影響
    • 服務本地模型 (Ollama / vLLM)並監控外發 流量
  • 實驗室:本地模型 + 出口證明——端到端運行本地模型,並通過監控手段證明無數據外泄。

模塊6:可辯護的AI審閱

  • 學習目標——衡量並記錄AI審閱過程,以確保其法律效力。
  • 主題內容
    • 在法庭上站得住腳的指標:召回率、遺漏率、精度、基準驗證 ; TAR / 主動學習
    • 透明度(為何對該文檔進行此分類)與可復現性 ——鎖定模型版本,固定設置,記錄一切。
    • 讓一年後他人重新運行的審閱結果保持一致的“可辯護案例快照”。
  • 實驗室:可辯護審閱 ——針對盲測基準驗證對AI審閱進行測量,並生成復現包。

模塊7:部署——工作流、私有部署與治理

  • 學習目標——將各部分組裝為工作流,實現私有部署並進行評分。
  • 主題內容
    • 多步驟法律工作流(攝取→搜索→摘要→審閱→交付)及人工介入機制
    • 私有/本地部署要素(容器化;確保數據不出企業網絡)
    • 簡要介紹面向法律的AI治理,並使用SAIS-100(Elephant Scale Secure AI Score)對系統進行評分。
  • 實驗室:評分與打包 ——連接多步驟工作流,使用SAIS-100進行評分,並將其打包以用於私有部署。

期末綜合項目(貫穿第2天)

  • 端到端構建一個私密的、可辯護的法律AI應用程序 ——攝取雜亂的語料庫,進行搜索,使用本地模型帶有引用地回答問題,測量可辯護審閱結果,並將其打包以用於私有部署。
  • 學員將帶走一個組合項目作品,該作品即為法律工程師的核心工作內容。

可選第3天 / 高級模塊(可作為第3天或模塊系列交付)

  • 調查:實體、關係與時間線 ——提取人員/組織/日期,重構郵件線程,構建年表,映射近似重複項與文檔淵源。實驗室任務:構建時間線和實體/關係視圖。
  • 智能體與多步驟法律工作流(深度探究) ——更豐富的編排、合同分析、多文檔綜合、工具使用與防禦機制作為設計原則。實驗室任務:構建帶有審查節點的多步驟工作流。
  • 規模化部署 ——本地及設備端部署,大容量數據的分佈式處理,受監管環境(CJIS、政府、高等教育),硬件配置估算。實驗室任務:容器化並在多個工作者之間擴展處理任務。
  • 治理與合規深度探究 ——AI監管格局(超過100項美國州級AI法規、歐盟AI法案)、審計要求,以及完整的SAIS-100治理審計。實驗室任務:使用治理/可辯護性檢查清單對法律AI系統進行審計。

最低要求

  • 熟悉Python和基本API的使用
  • 有幫助的技能:用戶層面對大型語言模型(LLM)的熟悉度(無需機器學習背景,我們將構建相關心智模型)
  • 無需法律背景——所需的法律概念將在語境中進行講解

目標受眾

  • 希望轉型進入法律科技領域的軟件/AI工程師
  • 需要深化法律領域知識的法律科技公司工程師
  • 具備技術背景的法律、電子證據披露或信息管理專業人士,他們希望動手構建而非僅購買產品。
  • 任何以“法律工程師”或“AI法律工程師”角色為目標的人群
 14 小時

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類