Harvey và EngramLab đã phát hành một bộ dữ liệu tổng hợp mã nguồn mở chứa hơn 100 triệu token, về cơ bản là xây dựng toàn bộ khối lượng công việc của một văn phòng luật sư giả để các hệ thống AI thực sự có thể học cách các công ty thực tế hoạt động. Bộ dữ liệu bao gồm hơn 250 vụ việc giả của 46 khách hàng, với khoảng 10.000 tệp cá nhân đại diện cho loại kiến thức tổ chức thường tồn tại trong đầu các đối tác đã hành nghề hàng chục năm.
Dữ liệu thực sự chứa gì
Đóng góp của EngramLab tập trung vào công nghệ lớp bộ nhớ của công ty, mà theo công ty tuyên bố có thể nén ngữ cảnh tổ chức đến mức giảm việc sử dụng token lên đến 100 lần. Về mặt thực tế, điều đó có nghĩa là một hệ thống AI có thể xử lý lượng kiến thức tổ chức tương đương với sự nghiệp của một đối tác mà không làm tiêu tốn ngân sách tính toán.
Harvey, về phần mình, đã không ngừng xây dựng để đạt đến sự ra mắt này. Đầu năm 2026, công ty đã mở nguồn Legal Agent Benchmark, được biết đến với tên LAB, thiết lập các phương pháp chuẩn hóa để đo lường hiệu suất của các tác nhân AI trong các nhiệm vụ pháp lý. Bộ dữ liệu tổng hợp này là phần bổ sung tự nhiên, cung cấp cho các nhà nghiên cứu và nhà phát triển các tài liệu đào tạo thực tế để sử dụng cùng các bộ tiêu chuẩn đó.
Các công ty đứng sau bản phát hành
Harvey đã trở thành một trong những người chơi nổi bật nhất trong lĩnh vực AI pháp lý, hiện có giá trị 11 tỷ USD. Công ty đã định vị mình như một nền tảng dành cho các công ty luật muốn tích hợp AI vào quy trình làm việc của họ mà không phải từ bỏ quyền kiểm soát tri thức sở hữu của mình.
EngramLab huy động được 98 triệu USD vào ngày 23 tháng 6 năm 2026 với định giá khoảng 600 triệu USD. Công nghệ cốt lõi của họ tập trung vào các lớp bộ nhớ học được cho các hệ thống AI, giảm thiểu chi phí tính toán cần thiết để duy trì ngữ cảnh trong các tương tác dài.
Sự hợp tác giữa hai công ty đã diễn ra trước khi phát hành bộ dữ liệu này. Sự hợp tác của họ tập trung vào việc mã hóa các quy trình của các công ty luật thông qua AI, với Legal Agent Benchmark là sản phẩm công khai đầu tiên của công việc đó.
Tại sao mã nguồn mở lại quan trọng ở đây
Các công ty luật nổi tiếng vì bảo vệ dữ liệu của họ, và điều này hoàn toàn chính đáng. Quyền ưu tiên luật sư-khách hàng, nguyên tắc sản phẩm công việc và bí mật cạnh tranh đều tạo ra những rào cản lớn trong việc xây dựng loại dữ liệu huấn luyện mà các hệ thống AI cần. Dữ liệu tổng hợp cung cấp một giải pháp thay thế: toàn bộ độ phức tạp về cấu trúc của công việc pháp lý thực tế, nhưng không có bất kỳ mối lo ngại nào về tính bảo mật.
Điều này có nghĩa gì đối với cảnh quan AI pháp lý
Yêu cầu nén 100x của EngramLab, nếu được xác thực trong thực tế, có thể đặc biệt quan trọng. Một giao dịch M&A duy nhất có thể tạo ra hàng chục nghìn trang tài liệu. Bất kỳ công nghệ nào có thể duy trì ngữ cảnh có ý nghĩa trên quy mô lớn như vậy mà không làm tăng chi phí tương ứng đều giải quyết một trong những điểm nghẽn cơ bản khi triển khai AI quy mô lớn trong các công ty luật.
Đối với Harvey, chiến lược mã nguồn mở củng cố vị thế của nó như một lớp hạ tầng cho AI pháp lý, thay vì chỉ là một giải pháp điểm. Bằng cách cung cấp cả bộ chuẩn (LAB) và bây giờ là dữ liệu huấn luyện, công ty đang định hình các tiêu chuẩn mà toàn bộ ngành sẽ dựa vào.