「Fileread」完成600萬美元種子輪融資，使用LLM提高法律發現的效率

今天小編分享的互聯網經驗：「Fileread」完成600萬美元種子輪融資，使用LLM提高法律發現的效率，歡迎閱讀。

法律發現是訴訟中最耗時的環節之一，專家團隊通常需要花很多時間來梳理堆積如山的檔案。而「Fileread」使用大型語言學習模型（LLM）創建了更快、更高效的法律發現工具，幫助解決這一問題。

據TechCrunch報道，這家法律技術初創公司「Fileread」剛剛完成了種子輪融資，本輪由 Gradient Ventures 領投，Soma Capital 參與投資，融資金額共 600 萬美元。新資金将被「Fileread」用于招聘、擴大產品規模，并尋找新的将 LLM 用于法律應用的方法。

「Fileread」的工具旨在以更快的速度發現更多的關鍵信息。聯合創始人 Chan Koh 表示，他的父母曾在 2008 年的住房危機中失去了住所，然而因為他們的法律意識欠缺，當時沒有找到救濟途徑挽回這一損失。這段經歷使他決心做一些事情，以幫助這些有類似遭遇的人。

「Fileread」成立于 2020 年，該團隊由 Koh 和聯合創始人兼聯席首席執行官 Daniel Hu 領導，此前他們與斯坦福大學的 Deliberate Democracy Lab 合作，對其決策進行分析。首席運營官兼共同創始人 Freya Zhou 随後加入，「Fileread」由此構建了他們的首個 LLM 平台。LLM 模型有着從海量文本中找到正确段落的強大能力，而法律發現正需要這種能力。

例如，目前「Fileread」正在應用于一個包含一百多萬份檔案的案件中，而僅有 40 至 50 名專業評審員構成的團隊參與審理。「Fileread」能夠回答評審員關于已上傳至平台的檔案内容的任何問題，從而節省查詢時間。舉個例子，當他們詢問 " 參與這些交易的人是誰 " 時，「Fileread」會将原始檔案中所有可能的答案突出顯示出來。

在法律領網域，還有一些其他初創公司，例如 Casetext 和 Harvey。Koh 表示，「Fileread」與 Casetext 的區别在于 Casetext 主要關注案例研究而非發現。與此同時，Harvey 則專注于為更廣泛的法律服務市場提供服務。