GLM-Legal

GLM-Legal은 경량 GLM-5.3-Flash를 기반으로, 법률 지식뿐 아니라 원문 문서 분석부터 논증 구성과 최종 결과물 작성까지 수행하도록 훈련한 법률 특화 모델임 자체 평가에서 Harvey LAB 전체 통과율 19.2% 를 기록해 기반 모델보다 12.5%포인트 높았으며, LegalBench와 PLawBench에서는 더 적은 파라미터로 선도적인 비공개 모델과 대등한 성능을 보임 법률 자료를 활용한 중간 학습과 수만 개의 현실적인 법률 환경에서 수행하는 강화학습을 결합하고, 모델 실행을 조율하는 에이전트 하네스를 함께 개선함 실무자의 검토 결과를 학습 환경과 평가 기준에 반영하며, 사실 누락이나 얕은 분석, 형식 오류의 원인을 모델 역량, 맥락 준비, 워크플로 로직으로 나누어 점검함 계약 검토, 증거 분석, 다국가 개인정보 규제 조사 사례에서 구체적인 수정 조항과 근거 문서, 실행 체크리스트를 생성하며, 증거의 추가 검증과 국가별 요건 확인이 필요한 부분도 구분함 전문 협업을 위한 법률 모델 LLM이 단일 턴 코드 생성에서 전문 업무 협업(Professional Cowork) 으로 확장되면서, 분산된 자료를 구체적인 목표와 납품 제약 아래 분석하고 전문 지식을 일관된 결과물로 구성하는 능력이 중요해짐 법률 업무에서는 사실, 법규, 분석적 추론, 고객에게 전달할 결과물이 끊김 없이 연결되어야 함 원문에서 핵심 쟁점을 추출하고, 방어 가능한 논증을 구성하며, 과업이 요구하는 정확한 형식을 따라야 함 GLM-Legal의 평가는 복잡한 과업 실행, 전문 법률 추론, 실제 법률 워크플로라는 세 축으로 구성됨 벤치마크 성과와 평가 범위 Harvey LAB은 24개 업무 분야의 실제 로펌 워크플로를 평가하며, GLM-Legal은 엄격한 전체 통과 기준에서 19.2% 를 기록함 기반 모델 대비 12.5%포인트 향상됐으며, 개발사는 이를 중간 단계의 품질 저하 없이 과업을 끝까지 수행하는 능력의 근거로 삼음 자체 평가상 LegalBench에서는 전문 계약서, 인수합병 신고 자료, 판결문을 분석하는 법률 추론 성능이 최상위 비공개 모델과 대등함 파라미터 규모는 이들 모델보다 상당히 작지만, 구체적인 규모는 공개하지 않음 PLawBench에서는 세분화된 평가 기준에 따라 중국 법률 상담, 사건 분석, 문서 작성 성능을 측정했으며 선도 모델들과 대등한 결과를 얻음 개발사에 따르면 추론 효율도 높음 중간 학습과 모델/하네스 공동...