为什么法律注释与其他领域不同
法律文档的属性使注释比标准文本标记任务困难得多。该语言是专门的、设计上不明确的并且依赖于管辖权。同一短语（“合理努力”、“重大违约”、“间接损害”）在普通法和民法体系中具有不同的法律含义，在每个体系内的特定司法管辖区中也具有不同的含义。
法律注释错误会产生不对称的后果。零售目录中错误分类的产品图像会产生稍差的搜索结果。法律人工智能系统中错误分类的合同条款会产生不正确的法律建议，这些建议可能会被用来做出具有重大财务或个人后果的决策。
这种结果的不对称性是法律注释程序设计的决定性约束。与可比较的通用领域注释任务相比，它需要更高的准确度阈值、更多的专家评审员参与以及更严格的质量流程。
核心用例：合法的人工智能注释实际产生什么
法律人工智能不是单一的应用程序。注释要求因用例而异。了解每个系统正在尝试做什么会影响注释设计的每一个决定。
- 合同审查人工智能：从商业合同中识别并提取特定条款类型（赔偿、责任限制、不可抗力、适用法律、争议解决）。训练需要带有子句类型、位置和解释标签的子句级注释。
- 电子取证和文件审查：将诉讼取证集中的文件分类为对特定取证请求的响应/非响应，并识别必须从生产中排除的特权文件（律师与委托人的通信）。培训需要文档级和段落级分类。
- 监管合规监控：从监管文本（GDPR、MiFID II、PDPA、当地金融法规）中提取义务、禁止和许可并进行分类，以进行合规差距分析。训练需要义务类型注释和实体解析。
- 法律研究人工智能：为法律推理模式注释判例法——判决与判决、先例链、司法推理类型——以训练模型，帮助律师识别相关先例。
- 合同谈判人工智能：从特定方的角度将条款注释为有利、中立或不利，并提供风险严重程度评级。需要谈判律师级别的注释专业知识。
法律文本中的命名实体识别：注释挑战
法律文档中的命名实体识别 (NER) 涉及标准 NER 训练数据集中未出现的实体类型，并且其行为与一般域实体不同。合法的 NER 注释必须解决通用注释指南无法应对的几个挑战。
- 当事人参考：合同通过定义的术语（“公司”、“供应商”、“许可方”）指代当事人，这些术语必须解析为特定的法律实体。注释者必须跟踪整个文档中定义的术语。
- 日期和期限实体：法定日期很复杂（生效日期、到期日期、通知期、治愈期）。注释必须捕获日期值及其所服务的法律功能。
- 货币金额和阈值：合同中的金额通常是有条件的（“最高 X 美元”、“不少于 Z 的 Y%”）。注释必须捕获条件结构，而不仅仅是数字。
- 管辖权和适用法律：要确定每个条款受哪个法律体系管辖，需要了解管辖法律条款可能不会出现在其管辖的条款附近。
- 交叉引用解决方案：法律文件包含广泛的内部交叉引用（“如第 3.2(b) 节中所定义”）。注释系统必须解析这些引用才能进行子句级分析。
合约AI所需的注解类型
合同人工智能注释通常涉及应用于同一文档的多个注释层。每层服务于不同的模型或同一模型推理过程的不同阶段。
- 跨度注释：标记文档中条款、义务、权利或定义术语的确切文本边界。精度很重要——这一级别的误差会传播到所有下游分析。
- 子句类型分类：将每个已识别的子句分配给子句类型的分类。标准分类法包括 50-150 个子句类型；针对特定行业（金融服务、知识产权许可、就业）的专门分类法可能有更多。
- 义务提取：在每个条款中，确定谁必须在何时做什么——义务持有人、义务内容以及最后期限或条件。
- 风险评分：对于合同谈判人工智能，根据特定方的潜在不利结果为条款分配风险评分（通常为 1-5）。这需要真正的法律专业知识，并且不能由普通注释者来执行。
- 修订建议注释：对于人工智能辅助合同起草，注释谈判历史中的哪些条款版本更可取以及原因——需要法律专业知识和对培训目标的理解。
法律标注数据安全要求
法律文档是组织处理的最敏感的数据类型之一。合同条款、诉讼策略、监管立场和客户沟通——所有这些都出现在电子取证和合同审查数据集中——必须通过超出标准注释供应商要求的安全控制来保护。
法律注释业务的最低安全要求：
- 律师-委托人特权保护：电子取证注释需要特权审查工作流程，在一般注释之前将潜在特权文档路由给律师审查。非律师注释者不得看到可能受保护的内容。
- 数据驻留限制：许多法律约定规定客户数据不得离开特定司法管辖区。通过美国或欧盟服务器路由数据的基于云的注释平台可能不符合具有数据主权要求的亚太地区客户。
- 注释者保密协议和道德墙：处理法律文件的注释者必须签署个人保密协议。对于竞争性或对抗性问题，注释团队之间可能需要道德墙。
- ISO 27001 认证：对任何处理法律文档数据集的供应商的最低认证期望。
- 审计跟踪：每个注释决策都必须记录注释者 ID、时间戳和版本 - 出于法律保留合规性和审计目的。
注释者资格：当领域专业知识不可协商时
法律注释是注释行业中最明显的案例之一，普通大众注释者不足以完成高价值任务。所需的专业知识水平因任务类型而异。
对于合同条款识别和标准 NER，经过 40-80 小时法律文档指导的训练有素的注释人员可以在密切监督下产生可接受的质量。对于风险评分、义务解释和电子证据开示特权审查，需要具有实际法律教育或法律专业经验的注释者。
这并不是建议使用律师作为大批量任务的注释者——这样做成本高昂且不必要。实用的模型是分层的劳动力：经过培训的注释员负责大量结构性任务，法律专业人员（律师助理、初级律师或法律技术专家）负责解释和风险任务，高级法律审查员负责特权和风险评分输出的质量保证。
越南法律注释团队为亚太地区的工作提供了独特的优势：以远低于西方法律专业人士的报酬，获得来自越南和地区法学院的受过法律教育的注释人员，并且熟悉越南、泰国和其他不适用普通法假设的东盟司法管辖区的民法传统。
确定法律注释试点项目的范围
与通用领域试点相比，法律注释试点需要更仔细的范围界定，因为如果没有专家审查，注释错误更难检测到，并且错误通过法律人工智能培训的传播方式不同。
实用的法律注释试点结构：200-300 个文档，代表生产数据集中文档类型、复杂性和管辖权的实际分布。三个注释器在同一组中独立工作。专家法律审稿人根据黄金标准对每个注释者的输出进行评分（而不是相互对立，以避免锚定）。在条款类型级别（不仅仅是文档级别）进行注释者间一致性测量，以显示在生产开始之前需要改进指导的特定注释类别。
法律注释试点始终呈现相同类别的指南差距：跨文档部分的定义术语跟踪、交叉引用的处理、同时服务于多种法律功能的混合条款的分类以及标准条款解释中特定于司法管辖区的变化。在生产开始之前，请在指南中解决这些问题。
