主要观点总结
文章主要讨论了数据合规领域的一些实务问题,包括AI法律检索中的幻觉问题、小米公布车辆行驶数据是否侵权的问题,以及实务人士在数据合规方面的思想碰撞和交流。文章涵盖了多个关于AI应用、个人信息保护和法律研究等关键议题。
关键观点总结
关键观点1: AI法律检索中的幻觉问题
讨论了AI法律检索工具存在的问题,如提供不准确的内容,以及模型倾向于使用精确数值内容导致的幻觉叠加现象。同时提到知识库的重要性,以及尝试通过过滤AI生成内容来解决问题。
关键观点2: 小米公布车辆行驶数据是否侵权问题
针对小米公布车辆行驶数据的事件,讨论了公众对此的看法和观点碰撞。涉及个人信息处理、数据安全的讨论,以及不同观点对于数据是否构成个人信息的看法。
关键观点3: 实务人士间的思想碰撞与交流
强调了实务人士间思想碰撞和交流的重要性,因为数据合规是一个相对较新的领域,很多问题难以通过公开渠道检索到答案。
正文
AI法律检索如何减少幻觉
-问:
元宝不开联网做个法律研究还有60分,开了联网就是负分,都被污染成垃圾场了。这一页5个案例,全是编的,100%的编造率。
-答1:
同感,我试过perplexity和元宝都用R1,开联网搜索,结果差异很大,公众号内容现在AI生成的不准确内容过多了,模型还倾向于用有精确数值的内容,幻觉叠加了。还是用回DS官网吧,以后得加个选项过滤AI生成内容。换句话说,知识库的重要性就凸现出来了。
-答2:
R1会编V3好一点,
然后还有些参数要设置。
RAG+RPA。
-答3:
G
rok
的幻觉很轻,其次是
Gemini
和
Claude
,r1实在联网以后做境外检索感觉没几个真的。
-答4:
元宝以前搜腾讯的内部规则和相关讨论很准确,现在一开联网就不行,
个人感觉general的英文问题
kimi
比deepseek好用不少。
-答5:
元宝的效果还行,但还是会比ds差,ds做了很多参数优化。
专业性的东西不能用ai,巨坑,反而花了更多时间去验证来源。
-答6:
多次体验到DS的深度推理能力一上来,容易变成一位重度话痨,简单的事儿说得特复杂、细节啰嗦一堆。对于专业用户而言,RAG限制一下基座模型的“放飞“能力,还是很重要的。
-答7: