今天小编分享的互联网经验：「Fileread」完成600万美元种子轮融资，使用LLM提高法律发现的效率，欢迎阅读。
法律发现是诉讼中最耗时的环节之一，专家团队通常需要花很多时间来梳理堆积如山的檔案。而「Fileread」使用大型语言学习模型（LLM）创建了更快、更高效的法律发现工具，帮助解决这一问题。
据TechCrunch报道，这家法律技术初创公司「Fileread」刚刚完成了种子轮融资，本轮由 Gradient Ventures 领投，Soma Capital 参与投资，融资金额共 600 万美元。新资金将被「Fileread」用于招聘、扩大产品规模，并寻找新的将 LLM 用于法律应用的方法。
「Fileread」的工具旨在以更快的速度发现更多的关键信息。联合创始人 Chan Koh 表示，他的父母曾在 2008 年的住房危机中失去了住所，然而因为他们的法律意识欠缺，当时没有找到救济途径挽回这一损失。这段经历使他决心做一些事情，以帮助这些有类似遭遇的人。
「Fileread」成立于 2020 年，该团队由 Koh 和联合创始人兼联席首席执行官 Daniel Hu 领导，此前他们与斯坦福大学的 Deliberate Democracy Lab 合作，对其决策进行分析。首席运营官兼共同创始人 Freya Zhou 随后加入，「Fileread」由此构建了他们的首个 LLM 平台。LLM 模型有着从海量文本中找到正确段落的强大能力，而法律发现正需要这种能力。
例如，目前「Fileread」正在应用于一个包含一百多万份檔案的案件中，而仅有 40 至 50 名专业评审员构成的团队参与审理。「Fileread」能够回答评审员关于已上传至平台的檔案内容的任何问题，从而节省查询时间。举个例子，当他们询问 " 参与这些交易的人是谁 " 时，「Fileread」会将原始檔案中所有可能的答案突出显示出来。
在法律领網域，还有一些其他初创公司，例如 Casetext 和 Harvey。Koh 表示，「Fileread」与 Casetext 的区别在于 Casetext 主要关注案例研究而非发现。与此同时，Harvey 则专注于为更广泛的法律服务市场提供服务。
