分析称eDiscovery中GenAI审阅与人工评审相当

Gordon Cormack 与 Maura Grossman 在 arXiv 发表论文，对 Redgrave LLP 的案例研究数据提出分析称，在考虑评估者分歧及召回率-精确率、成本收益权衡差异后，Relativity 的生成式 AI 审阅工具 aiR（召回率 88%）与人工评审结果可比。 该论文同时称，采用持续主动学习（CAL）与可扩展持续主动学习（S-CAL）的既有机器学习模型，在仅用 2000 条首轮评审人员相关性判断样本训练时，即达到先进效果且效率更高；而 Redgrave 研究中机器学习工具 RAL 的召回率为 64%，因上述差异两种结果不可直接比较。

AI 根据报道生成 · 3 小时前更新