（来源：WELEGAL法盟）
现在大模型迭代很快，越来越强大了，不仅可以用来写程序代码，写博士论文，还可以研制新药。但是，法律界现在普遍还不敢完全相信大模型生成的法律意见。因为大量使用反馈表明，即便是像ChatGPT、DeepSeek这样先进的通用大模型（以下简称"大模型"），有时也会编造法条和案例。这就是所谓的"AI幻觉"。对于大模型生成的法律问题回复或法律文件，如果不进行人工复核，说不定什么时候就会掉进大模型埋的坑里。
为什么万能的大模型面对法律问题时却不太靠谱呢？要解释这个问题，首先我们得了解一下大模型是什么以及它有哪些特点。
一、大模型及其特点
（一）大模型的定义及分类
大模型是具有超大规模参数量和复杂结构神经网络，计算能力强大的人工智能模型。它具备"类人"的强大学习能力和表达能力。根据其功能或数据处理能力，大模型主要分为两类：
一是大语言模型（Large Language Model，LLM），指专注于推理、文本理解和生成的人工智能模型，它不具有文生图、文生视频的功能。代表有DeepSeek、ChatGPT-4o、Claude ；
二是多模态大模型（Multimodal Large Model，MLM），指能够同时处理和理解多种类型数据（如文本、图像、音频、视频等）的大规模人工智能模型。代表有豆包、通义千问、ChatGPT--dall、Gemini-imagen 。
用于处理法律问题的大模型主要是大语言模型。
（二）大模型的特点
大模型具有四大特点：
1、参数量庞大，大模型通常有十亿（B）甚至万亿（T）级别的参数量。在机器学习和 AI 领域，"参数"可以理解为模型内部存储的"知识载体"，是模型通过学习数据后形成的核心组件。相当于10亿参数相当于让10亿人共同协作完成语言生成任务（类似全民投票预测下一个词）。
2、海量训练数据，使用互联网规模的文本、图像或跨模态数据进行训练，例如：训练数据可能涵盖书籍、网页、代码、学术论文等。从而奠定大模型广泛的知识基础、模型的泛化能力。
3、强大的泛化能力，大模型通过预训练（Pre-training）学习通用知识，再通过微调（Fine-tuning）可适配多种任务，如问答、翻译、编程等等。
4、多任务处理，单一大模型可同时处理文本生成、逻辑推理、代码编写等任务，无需为每个任务单独训练模型。
二、大模型在处理法律问题方面表现不佳的根本原因
大模型在处理法律问题方面表现不佳，是因为其存在天然不足。主要表现在以下五个方面：
（一）大模型不是专门为处理法律问题而构建
通过大模型本质上是面向泛化任务的"通才"，其混合专家（MoE）架构虽能处理多领域问题，但缺乏垂直领域的深度专家系统。拿处理法律问题来说，它需要结合完整详细的事实描述，根据现行有效的法律法规、相关的司法判例和价值取向等进行分析和决策的能力，而通用模型缺乏针对这些任务的专用子模块，导致逻辑推理与领域知识割裂。
（二）大模型不会特别针对法律问题进行预训练
大模型的预训练目标是语言建模，核心就是根据前面的文本来预测下一个最可能的token（通俗地说就是字、词），而非解决复杂决策问题，如制定诉讼策略的博弈优化、为犯罪嫌疑人辩护的价值取向。这也导致大模型在生成法律意见的算法上存在不足。法律意见的核心逻辑（如防范公司治理风险与限制大股东权利的关系）需转化为数学规则或算法，但通用模型仅通过文本隐含学习，无法显式建模。
（三）大模型缺乏高质量垂直领域数据
处理法律问题需要多维度数据支持，包括：背景情况、完整事实、现行有效的法律法规和司法解释、相关司法判例、交易习惯、政策导向等等。但大模型又不可能考专门为这些数据信息建立数据，其收到用户咨询时，只能从浩瀚的互联网世界去收集。而网上的数据鱼龙混杂，充满"数据噪声"。所以大模型难免会基于抓取到的错误、不准确、不完整的数据，给出错误的意见，甚至可能会编造数据，即出现"幻觉"。据 AI 数据服务公司 Vectara 的测评，DeepSeek-R1 的幻觉率高达 14.3% 。
（四）大模型动态知识更新机制缺失
法律条文、司法解释和判例具有强时效性，比如《民法典》实施后就有《合同法》《物权法》《婚姻法》等大量法律和司法解释被废止。但大模型依赖静态预训练数据，无法实时同步法规修订或新判例。大模型在训练时所投喂的语料都是历史数据，其对不断产生的新数据缺乏有效的动态更新机制。不知你是否注意到，在年初用DeepSeek时，它回复所依据的数据往往是2023年8月份之前的？
（五）大模型没有追问机制
大模型的核心机制是根据用户提供的输入生成回应，而非主动引导对话。它们的训练目标是"预测下一个token"，而非设计为多轮信息收集系统。再加上开发大模型的公司为了避免因过度收集用户信息而引发合规监管，所以大模型在解答法律问题时通常不会追问涉及用户身份、隐私、财产、商业等方面的信息，往往就"草率"地输出意见。其结果就像你要买袜子，你在电商平台搜索"袜子"，电商平台不会自动问你具体要买哪种袜子，因此也就不易找到你想要的袜子。
综上所述，我们在使用大模型解答法律问题时，可以用它来作基本的、方向性判断，而不要完全依赖大模型给出的结论，特别是对于重要的、高风险的事项，一定要对大模型输出的法律意见中所引用的法条和案例进行复核，以防范其错误引用。此外，对同一个问题，也可向多个大模型提问，以进行交叉验证，并对各模型差异回复进行人工查证。如此，才是善用之道，既不因噎废食——错失与科技同行的机会，也不完全依赖——被工具所左右。
内容标签：#WELEGAL法盟 #人工智能 #法律科技 #大模型 #AI幻觉 #法律合规
热门跟贴