في عالم القانون، يلعب الذكاء الاصطناعي دورًا متزايد الأهمية، خاصة مع استخدام نماذج اللغات الضخمة (Large Language Models) للإجابة على الأسئلة القانونية. ومع ذلك، تركز تقييمات هذه النماذج عادةً على دقة الخيارات المتعددة، مما يغفل فشلًا شائعًا: وهو ما إذا كانت المصادر المقتبسة التي ترتبط بالإجابة موجودة وتدعم القاعدة القانونية المعزوة لها.

لذلك، تم تقديم L-MARS، النظام القانوني المفتوح الذي يتبنى نهجًا متعدد الوكلاء في أسئلة وأجوبة القانون. هذا النظام لا يكتفي بتقديم الإجابات، بل يجري عمليات تدقيق معتمدة على الأدلة والتي يقودها القضاة، ليضمن دقة كل إجابة استنادًا إلى مصادرها المرجعية.

كل ادعاء في النظام يُصنف ضمن نموذج تصنيفي مكون من ست فئات ويُقيم بعناية وفقًا لطريقة الـ strict-ALCE، بحيث يكون المجيب والمدقق من عائلات نماذج مختلفة. في تجربة من 100 سؤال من اختبار المحاماة، نجد أن استرجاع المعلومات لم يؤثر بشكل كبير على الدقة. ومع ذلك، فإن الدورات المتعددة للقضاة ساهمت في تحسين درجة الاقتباس من 0.13% باستخدام نموذج RAG البسيط إلى 0.25%، مع تقليل معدل عدم الاقتباس من 34% إلى 13%.

ولإضافة تعزيزات جديدة، تم تقديم **Faith-Search**، خطوة بعد إعداد المسودة لإعادة التحقق وتصحيح الاقتباسات التي يصعب الوصول إليها، مما أدى إلى تقليل معدل الاقتباسات غير القابلة للوصول إلى أقل من 1%. لكن تلك الخطوة لم تُحسن من درجة F1، مما يجعلها نقطة تدخل مركزة بدلاً من اختراق في المواءمة.

تؤكد دراسة حالة استبيان LegalSearchQA المكونة من 50 سؤالًا هذه النتائج: حيث أن نموذج استرجاع-ثم-صوغ يجعل الدقة تصل حد أعلى بقليل من 0.75 في درجة الاقتباس، بينما يسقط نموذج البحث الأحادي إلى 0.22 تحت تدقيق خارجي.

مع هذا التطور الرائد، يُظهر L-MARS كيف يمكن استخدام الذكاء الاصطناعي بشكل مسؤول وموثوق في تجديد العالم القانوني. ما رأيكم في هذا التقدم المثير؟ شاركونا في التعليقات.