原创约纳森·阿贝尔上海市法学会东方法学
生成式解释是一种使用大型语言模型估算合同含义的新方法。在人工智能方兴未艾的当下，通过运用扎实的基础案例研究方法每个案例都以独特的方式说明了这些新工具的功能。通过借鉴著名的合同司法意见并获取案例裁判所涉的实际协议可以展示出人工智能模型帮助事实认定者确定上下文语境中的普通含义，量化歧义并填补双方协议中的空白。同时，还说明了模型如何计算单个外在证据的证明价值。即便这些模型具有局限性，使用这些模型仍存在最佳实践范例，它们对司法实践和合同理论产生影响。使用大型语言模型可以让法院低成本、准确地预估当事人的意图，因此生成式解释打破了当前的解释僵局。使用大语言模型回应了注重效率的文本主义者和以正义为导向的语境主义者，这两者争论的焦点是当事人更倾向于成本和确定性，还是准确性和公平性。当事人和法院更倾向于中间道路，即裁判者努力预测合同的真正含义，在避免无指导和有偏见地吸收证据的同时，采纳足够的语境信息以接近现实。由于生成式解释提供了这种可能性，它可以成为合同解释的新生主力。
引言
卡特里娜飓风期间，新奥尔良的堤坝决堤，人员和经济损失席卷全城。随之而来的是律师。在投保人对其保险公司提起的大规模合同诉讼中，为数百亿美元的潜在责任而战的律师们最终争论的是一个词的含义，而该词代表了保险公司可将其排除在保险责任范围之外的概念：“洪水”（flood）。原告首先努力说服法官，“洪水”可能并不是指人类造成的水灾，这样他们就可以向事实认定者证明，他们的保险单并没有考虑到因陆军工兵部队的疏忽而造成的损失。被告律师辩称，这个词在上下文语境中是明确的，无论水位上升的原因如何，都包括了上涨的水域，因此无需进行进一步的事实认定。在这里，就如真实的法庭诉讼中经常发生的那样，尽管在法学院的课堂上很少见，但昂贵、烦琐且不尽如人意的合同解释过程却占据了中心位置。
经过多年的诉讼，第五巡回法院在上一代最著名、最有影响的合同案中认为，“洪水”是明确的：它指任何发大水（洪涝），与具体原因无关。为了得出这一结果，法院采用了晚期资本主义最巧妙且最明确的文本主义形式。法院参考了四部字典、一部百科全书、两部专著、一系列正反两方面、有无管辖权的案例，以及两部语言学的且拉丁化的解释性原则或规则。这些都建立在地区法院用四本字典和案例法汇编二十页分析同一问题的基础之上。
在本文中，我们提供了一种确定合同当事人意思的新方法，我们称之为生成式解释。这个想法很简单：为了预测当事人在缔约时所述内容的意思，将大型语言模型应用于合同文本和外部证据。我们的目标是让您相信，生成式解释可以避免在卡特里娜飓风诉讼中困扰第五巡回法院的一些问题，同时在实质上更容易理解，也更加透明。为法院提供一种便捷的方法，使其能够采用一种廉价且可预测的合同解释方法，这将是合同法的一大进步。当事人可能会开始将其纳入他们法律选择的指令系统中。我们认为，正如我们将自始至终阐明的那样，尽管用于查询这些大型语言模型的工具仍有待开发、完善和验证，但即使是今日刚刚问世的大型语言模型也能为我们提供服务。
要说服法官放弃字典和解释性规范，采用如今以鼓励律师提交虚假权威而著称的聊天工具，这将是一项艰巨的任务。我们将主要通过示范性案例研究来进行讨论。让我们从“洪水”一词开始。在“卡特里娜”一案中，问题实际上是“洪水”的广泛含义是否合理地排除了人为灾害。要回答这个问题，你可以像法院一样，求助于传统的高级文本主义工具。或者你可以对投保公民进行调查（条件是你能找到他们并避免动机答案的话）。如果你有足够精湛的技术水平和耐心，你甚至可以查询一些相对较小的数据库，询问在报纸、书籍和类似的资料中，哪些英语词汇通常倾向于与洪水一起出现或进行搭配。
图1由十种嵌入模型计算得出的免责条款与各种术语和短语之间的余弦距离分析，即一种术语的数字表示（嵌入）之间的距离度量
阅读图1时，请注意黑点标记的位置（横轴上标识的小点）。离原点越远，模型（平均）认为短语之间的语义关系就越疏远。
我们认为，该图为法院判断洪水可能是非自然原因造成的提供了即时可用的、客观的、低成本的支持。有关洪水的常见句子并不区分洪水原因的类型，而似乎更注重其典型性。我们的质量检查术语，即“喜悦的泪水（喜极而泣）”和“警察”确实比“暴雨”或“大暴风雨”更靠右，这表明它们与洪水的典型关联性较低。虽然我们的实验支持法院的这一判决，但也对其他判决提出了质疑。路易斯安那州法院拒绝将水管破裂引发的大水排除在外，尽管从语言上看，这类洪水与其他任何洪水事件一样。
现在，该模型没有（也不可能）提供一种科学的答案来判断单词是否足够接近，从而使“洪水”的通常含义（平义）毫不含糊。这一选择最终是法官必须作出的规范性选择。但是，基于对数十亿文本的统计分析而得出的有根据的结论与几位辞典编著者的判断之间存有一定区别。法院所使用的巴洛克式和昂贵的文本主义与低成本、可复制、快速并且最为至关重要的是非常简单易用的代码之间也有着天壤之别。简而言之，许多案件目前采用更昂贵，也可以说更具不确定性的方法，生成式解释对这种情况来说已经足够好了。对于资源受限的合同诉讼领域而言，这是一种可行的、熟练的方法。
在第一部分中，我们介绍了合同解释的方法论，并认为这些方法论严重违背了其核心目的，即无偏见、无障碍地确定当事人的本来意愿。在实践中，解释是作为一种笨拙的预测机制进行运作的。文本主义和语境主义都在努力预估各方当事人就某一问题本可能说些什么，同时考虑到源于证据和成本的现实限制。但是，这些制约因素会带来实际的权衡，无法避免法院动机性推理所产生的合法性问题。我们描述了一些现代对解释学常规科学提出的改进建议，并指出无论这些方案前景多么光明，对可用性和成本的担忧都会损害它们在现实世界中的效用。
理想情况下，我们会向您展示这些方法与法官查阅字典或听取有动机的证词一样正确和可靠。我们还不能完全做到这一点。在大多数合同案件中，我们手头并没有基本的事实。也就是说，我们无法真正了解双方在缔约时的意图，而只能作出我们最好的猜测。因此，“正确性”不得不让位于“足够好”。大型语言模型是否能够以较低的成本、相当的可复制性和一定程度的透明度来接近法院的结果？我们是否可以提供一些方法，让法院减少当事人对解释机器的输入进行博弈的能力，从而减少司法的障碍？
目前有关大型语言模型的实践及其未来的用途是有条件的，取决于律师往往在理论尚未成熟就开始使用工具。在第三部分中，随着实现生成式解释的技术在持续快速发展，与生成式解释互动的工具不断进步，并且律师和法官对生成式解释的使用也呈爆炸式增长，我们提出了一套理论，以证明生成式解释的合理性，并对生成式解释的发展加以约束。我们提出两个主张：
首先，该方法满足了一种显著需求，即为解释方法提供一种简单、透明、便捷的方式，而这种解释方法有助于预测当事人的意图。如果法院遵循不断发展的最佳实践，并且我们在此提供了一份初步清单，法院就能避免困扰现代合同诉讼中的某些司法途径和合法性问题。其次，人工智能的使用不应仅仅对以辞典和解释规范为特征的文本主义进行边际改进，或对其作为一种20世纪60年代加利福尼亚语境主义形式的否定，而是应该促使人们从上到下重新审视证明这些解释方法正当性的假设。随着越来越多的法院致力于生成式解释，当事人在评估其交易时可能会更倾向于根据上下文评估其含义，从而颠覆合同法中长期存在的默认规则。
我们确实考虑了一些正在形成的反对使用大型语言模型的意见，包括它们的幻觉错误、偏差、黑箱方法，以及它们部署的快速性与作出先例裁判决策的审慎需求之间的紧张关系。正如我们所示，生成式解释的危险性说明了它的局限性：法官必须将这些引擎作为工具进行使用，以挖掘出规范性判断，而所有解释和裁决工作都是建立在这些规范性判断之上的。大型语言模型不是机器人法官。它们将做的（也许已经在做的）事情是帮助法官阐明我们尽己所能，意欲在多大程度上给予各方当事人通过讨价还价所真正想争取的东西。
一、作为预测的合同解释
但是抛开规范性问题不谈，由于每个人都赞同预测问题是核心，甚至关于解释的基本操作经验也难以把控。预测并非易事，错误是在所难免的。准确性是指我们确实尽可能接近于知道当事人会说什么，这个意义上的准确性需要与成本和确定性进行权衡。注重效率的学者一再指出，随着为证明当事人签约当时的意思而提供的证据数量的增加，多个领域的成本也在增加。
语言文本主义项目长期以来一直备受争议。首先，未经深思熟虑的常识字面含义这一方法会使法官过于自信地认为他们的信念和结论比实际情况更为普遍。正如阿瑟·科尔宾（ArthurCorbin）在很久以前所说，“当法官阅读合同中的文字时，他可能会立即作出自信的判断，认为这些文字只有一个合理的含义，而且他知道是什么含义”。此后，实验性和社会学的实证研究发现，法官在进行字面含义分析时，对于他们认为显而易见的事情，会与其他法官彼此间以及与律师之间产生分歧。
其次，批评者还指责文本主义者在对模棱两可歧义的认识上缺乏连贯性。为了达到明确字面含义的安全浅滩，文本主义者首先要问语言是否明确。虽然文本主义提供了发现歧义的工具，但在实践中，批评者认为，文本主义并不能将一种合理的解释置于另一种解释之上。它看似简化了解释性争议，但在现实中有时却助长了代价高昂、有失偏颇的外在证据之争。
但即使不存在歧义，文本主义的基本方法论工具也明显不够完善。学者们经常指责字典的简陋。奉行文本主义的法院有时会因为没有使用字典而被推翻。但这对于辨别当事人在起草阶段的意图而言是一个并不精准的工具。在字典之间进行选择是一种带有价值取向的行为，而且即使在同一本字典中，字典也不会提供单一简单的或多数主要的词义。至关重要的是，字典定义甚至对内部语境，即文本主义者所接受的文件或法规的其他部分也视而不见。正如凯文·托比亚（kevinTobia）所证明的，定义可能无法很好地跟踪实际使用情况，任何不将西红柿添加到水果沙拉中的人都可以很好地理解这一点。
抨击字典的法学家面临两种截然相反的批评：他们对自己的约束太多，但也太少。前者剥夺了司法程序的微妙本质，后者滋生了诡计和偏见。这种批评（公平地说）有点过激。法官当然会认真对待字典，但他们也坦然承认字典并非“万无一失”。甚至勒恩德·汉德（LearnedHand）也告诫说，“不以字典为堡垒，是成熟发达的法学最可靠的指标之一”。字典通常对结果的决定性不足，这是优点而不是缺点。正如我们将要指出的，生成式解释同样具有这种优点。
同样，解释技术原则也很难从实证角度对本身加以证成。这些技术原则传统上以其令人回味的拉丁名称而闻名，即关于相同主题，明示其一即排除其他，同类解释规则，不利解释原则，一般事项不减损特殊事项／一般词句不影响特别词句。这些技术原则被用来填补字典的空白。它们试图通过提供启发式方法来分析当事人提出的含义，从而解决上下文语境问题。这些解释技术原则受到法官们的欢迎，但在《合同法第二次重述》中却没有出现，学者们批评这些解释技术原则基本上是临时性的。当不同的解释规则导致不同的结果时，没有明显的方法知道该怎么做，这意味着它们提供了与字典相同的自由度。
合同语言解释技术原则是否植根于当事人的思考或书写方式，这一点同样不明确。关于成文法解释中的语言规范的现有实证研究表明，合同语言解释技术原则可能是植根于当事人的思考或书写方式的，但只是在某些时候。现在，可以肯定的是，有些解释技术原则，如“不利解释原则”，并不是为了复制当事人在起草合同时如何理解合同的（如果这在合同中具有稳定含义，而该合同对数以百万计的合同履约者发挥作用）。这些规范性解释技术原则可能与当事人当时的意图有关，也可能无关。但其他解释规则旨在反映语言的普通日常用法，却极少受到被控制的审查。
尽管合同文本主义在方法论上存在缺陷，但它却越来越受欢迎。造成这种情况的原因有很多，最主要的原因莫过于其主要概念对手，即语境主义的弱点。这个我们熟悉的替代方案始于与文本主义相同的视角：如果我们在合同中询问当事人，他们会说他们的意思是什么吗？但语境主义要求当事人提供外在证据，以增加预测分析的深度。通过这样做，语境主义寻求优先考虑准确性，即当事人的真实意图。
事实上，学者们经常以效率为由为文本主义辩护。虽然可能并不清楚当事人希望解释规则是什么，但几乎可以肯定的是，律师起草人更倾向于文本主义而非语境主义的决策模式。埃里克·波斯纳（EricPosner）很好地诠释了这一观点：当事人通常会加入明确的合并条款，但很少有人会费心考虑“反合并条款”。因此，从诉讼案件的角度来看，至少是那些有钱和有律师的当事人之间的诉讼案件，语境主义更难成立。
文本主义与语境主义之间的争论由来已久，学者们提出了各种理论视角，根据不同视角，关于这两种主义孰优孰劣的结论也此消彼长。大多数支持或反对外在证据的论点都是基于以下假设：当事人会想要什么（如果我们询问他们的话），以及哪些方法能促进社会福利。这些论点往往理论丰富，但从实证角度往往难以立足。
最近，学者们提出了两种新的方法，两者在推进文本主义确定性价值的同时，也加入了一丝语境主义的准确性利益。其中一派侧重于使用单词语料库来预测合同文本中短语的含义，即所谓的语料库语言学。举个典型的例子，请看下面这个摘自保险合同的措辞：“本保险不适用于任何人在练习或参加贵方赞助的任何体育或运动比赛或展览时遭受的‘人身伤害’，包括死亡。”被保险人在浮潜时死亡，这属于“体育或运动竞赛”吗？正如斯蒂芬·莫西森（StephenMouritsen）所观察到的，使用经典的基于字典和解释技术原则的文本主义工具并不能轻易回答这个问题。而且考虑到保险合同是由实力雄厚的公司起草的，这些公司会对合同进行监管审查，因此使用公司或被保险人制定的外在表达方式对解决问题似乎毫无帮助。相反，莫西森建议，法院（在当事人对抗性陈述的帮助下）可以查询语言数据库，以确定体育和浮潜的含义是否在之前的一些例子中被认定为较为接近。也就是说，从该词在以往文本中的常见用法推导出该词的含义（答案或多或少是体育是基于规则的竞赛，而浮潜则是戴着潜伏面罩游泳）。
语料库语言学是传统文本主义或语境主义的进步。它提供了一种方法论，理论上允许法院在根据词语的实际用法确定其通常含义时遵循一套客观的回应。从本质上讲，这是一种不依赖字典定义或一系列解释技术原则的文本主义形式。它所反映的不是字典编纂者在其隐蔽、汗牛充栋的办公室中作出的静态决定，而是根植于词语的公开使用，即民主化的文本主义。
奥马里·本-沙哈尔（OmriBen-Shahar）和利奥尔·斯特拉希莱维茨（LiorStrahilevitz）提出了一种不同的限制方法，鼓励法院使用调查证据来决定特定合同文本的公共含义。正如他们所指出的，这种调查证据仅次于我们上文所述的预测性理想：
合同应具有交易各方赋予文本的含义。（但）询问诉讼中的实际当事人在订立合同时合同文本对他们意味着什么是毫无意义的，因为他们会扭曲自己的答案以契合自己的诉讼目标。因此，法律应该询问像他们一样无利害关系的人。
因此，尽管调查方法在商标案件中是一种成熟的技术，而且很可能对理解某些消费者合同的含义大有助益，但它不太可能成为普通合同解释案件中的变革性技术。迄今为止，我们尚未发现任何允许使用调查证据来确定合同含义的案例。
总而言之，尽管人们对解释的预测性目标达成了广泛共识，但也有一种共同的感觉，即法学家在如何平衡准确性和效率之间存有偏颇。文本主义承诺能实现后者，但在实践中，它往往只是促进法官自己过于自信地作出裁判。语境主义许诺实现前者，但很可能根本无法实现，而且语境主义同时削弱了当事人对庭审结果做好规划的能力，并使得除最富有的当事人之外的其他所有当事人都需要面对高昂的诉讼费用。在这些旧技术的基础上进行的两项最先进的现代改进，即经统计的字面含义和调查证据，有望将文本主义从其自身的某些罪恶中拯救出来，但尚未在实际案件中得到应用。
二、生成式解释
合理预期原则在保险合同监管中发挥着重要作用。一般来说，被保险人的合理预期高于保险合同的条款，而对许多其他法院来说，保单的字面含义应该起控制作用。众所周知，这类案件会促使法官们进行纸上谈兵的臆测，而法官的生活经验、教育水平、专业程度以及来之不易的犬儒主义与大多数外行人大相径庭。更糟糕的是，我们对词语的解释在我们自己的头脑中显得非常确定。这是心理学家称之为“虚假共识偏差”现象的主要对象。为说明这种效应，学者劳伦斯·索伦（LawrenceSolan）、特里·罗森布拉特（TerriRosenblatt）以及丹尼尔·奥谢森（DanielOsherson）向非专业人士和法官提出了合同解释问题。受试者在发表意见后，会被要求预估有多少其他参与者会同意他们的观点。通过这种设计，我们可以将答案的实际分布和人们预期的分布情况进行比较。结果令人震惊：普通人和法官都高估了他们所选解释的普遍性。法官甚至高估了其他法官对他们观点的认同程度。
因此，内省式解释的风险之一是，其产物具有高度黏性且难以去除。这会导致异议及其结论的推翻，当然还会导致相应的解释违背当事人的预期。共同解释的不确定性是使用调查的一个有吸引力的理由。而且，如果不是因为我们刚刚讨论过的实际困难，调查将在解释方面大有用武之地。
如西和杰化肥公司诉联合相互保险公司案。西和杰是一家化肥公司，该公司总裁从联合相互保险公司购买了一份入室盗窃保险。购买前的讨论表明，该保险不承保内部作案。保险公司在谈判中坚持认为，要提出索赔，西和杰公司必须提供确凿证据，证明盗窃是由陌生人所为。保险合同中的以下承诺体现了这一观点：
（联合相互保险公司）将对被保险财产以重罪的方式被盗取的情况进行赔付：（1）某人通过实际武力和暴力，以重罪的方式进入被保险处所，从该处所内非法盗窃被保险财产，且该武力和暴力带有由工具、爆炸物、电力或化学品造成的明显痕迹……
原来，一名窃贼对化肥厂进行了抢劫，且窃贼抢劫化肥厂的手法非常高明。他在泥地里留下了一些轮胎痕迹，强行进入仓库，抢走了价值7.5万美元（按现在的美元计算）的化肥。保险公司拒绝理赔，并辩称根据保险条款的字面明文规定，没有工具（而不是轮胎）留下的明显痕迹就意味着保险公司不需要赔偿。
爱荷华州最高法院在一份合同案例集的主文中认为，以这种方式适用免责条款违反了被保险人的合理预期。没有人会合理地预期入室盗窃只限于那些留下明显强行进入痕迹的人。法院在得出这一观点时仅仅依靠了自己的常识，而没有任何实证依据。这是否合理呢？
这个问题引发了大型语言模型作为解释过程一部分的最简单用例。法官只需要求模型作出评估即可。这在三年前还是天方夜谭，而当下，你可能仅仅对模型能够连贯且合理地回答这个问题而感到震惊。以下是模型的回答，为便于阅读而进行了编辑：
一份保险单规定：“保险公司将对被保险财产以重罪的方式被盗取的情况进行赔付：（1）某人通过实际武力和暴力，以重罪的方式进入被保险处所，从该处所内非法盗窃被保险财产，且该武力和暴力带有由工具、爆炸物、电力或化学品造成的明显痕迹。”
有鉴于此，请您就大多数投保人根据这些条款，对以下命题的可能期望作出预测，并在括号中列出相应的置信度。
换言之，模型的结果与法院的多数意见不一致。该模型（就像反对意见一样）预测，投保人会被要求提供一些强行进入的证据，以证明入室盗窃并非内部人员所为。
表1GPT-4对有关保单条款中缺口可能内容之命题估计
对我们来说，这些发现从表面上看是合理可信的：它们证实了这一廉价便捷的工具在实际案件中可能会派上用场。但是仅仅因为概率是合理的并不意味着结果是准确的。你的直觉应该是：证明它！你想更多地了解，该模型在生成百分比时在做什么，查询的选择会如何影响结果，以及该方法如何符合法院解释保险合同的目的。让我们从第二部分第一节开始。然后，我们将在本部分的其余之处尝试解析一些更复杂的例子。
1.大型语言模型综述
当GPT-4告诉我们，针对“经证实的第三方入室盗窃”，保单赔付的可能性为90%时，幕后发生了什么？我们在这里试着解释一下，因为大语言模型技术非常复杂而且日新月异，我们知道这样做很困难。从根本上说，大型语言模型通过对大量现有文本的洪流进行训练，其中有些文本是历史文本，有些是人工提取的文本，从而创建一个有关词语如何连接的统计模型。
通常而言，大型语言模型以文本形式接收用户输入，并以文本形式产生输出。在幕后，模型获取文本并将文本转换成数字。这一点至关重要，因为（从表面上看）计算机无法读取文本。与字母相比，数字可以编码更多的信息，而且数字更有价值，因为数字可以让计算机执行数学运算。这在歧义的情况下很容易看出来：duck既是动词又是名词。但在数字系统中，我们可以使用20这样的前缀来表示动词，用10来表示名词，因此我们可以对duck这个词进行两次编码。例如，一个是201,另一个是101,这样就可以指定不同的含义并消除歧义。
这一简单的说明并不能充分展现这一被称为“嵌入”过程的实用性。机器学习模型不是为每个单词分配一个数字，而是将它们转化为长长的数字列表，列表中的每一项都能捕捉到某些方面的含义。5这种向量的长度非常长；常用的最新模型之一采用了一个包含12288组数字对的向量。6为了便于阐述，假设您有一份常见动物列表，并有一个描述这些动物的二维向量。一个维度可以是脚的数量，另一个维度可以是它们生活在陆地还是海洋。我们可以将这样产生的矢量可视化如下：
矢量之所以如此强大，是因为它们让我们不仅能捕捉到词义，还能捕捉到与其他词的句法关系。在非常简单的模式中，马和牛彼此之间的距离要比与鲸鱼或海龟更接近。蛇总是难以处理，自成一类。如果再添加蝾螈，我们就会发现两栖类动物与陆地哺乳动物并列一起出现，成为一个独特的类别。现在，假设你对一万多个维度执行了相同的处理。你可以想象，当按照如此复杂的维度来描述词语时，可能会产生怎样的洞见。
图2通过简单嵌入对含义进行编码的价值予以说明
事实证明，在许多机器学习任务中，将单词维度化已是非常强大有效的，但这还不足以推动新的大型语言模型革新。我们需要的是“注意力”这一概念。9阅读以下句子：
“大谷翔平感受到了压力。无奈之下，他挥动了球棒。”（ShoheiOhtanifeltthestress.Inadesperateattempt，heswungthebat.）
这些想法结合起来就能训练出一个模型。模型指的是以特定方式组织的参数集合（主要是称为“权重”和“偏置”的参数），这些参数的值用于将输入转换为模型的输出。现代语言模型包含数百亿到数千亿个这样的参数，因此通常被称为“大型语言模型”。
语言模型是用某目标函数进行训练的，这是一项它们试图实现的任务，并根据该任务对其进行评估。就大多数流行的大型语言模型之语境而言，其目标是预测。我们向模型提供了这样一个句子：“大谷翔平感受到了压力。无奈之下，他挥动了［？］（ShoheiOhtanifeltthestress.Inadesperateattemptheswungthe［］）”，然后模型就会预测接下来会出现哪个词。如果模型没有经过校准，它可能会猜测“灯”或“物质性实体”。由于这些猜测（很可能）是不正确的，模型随即会通过一种名为梯度下降的过程来校准准确度。4这个过程会不断重复，直到模型得知“bat”（球棒）跟随的概率为90.14%，“球”（ball）的概率为1.31%，“棒球”（baseball）的概率为0.91%，“第一”（first）的概率为0.35%，“club”（球杆）的概率为0.29%，以此类推。
我们说模型会“学习”。但这是什么意思呢？答案很简单，在训练过程中，模型会调整数十亿个参数的数值，使其产生的预测结果更有可能实现训练目标。它通过各种（相当简单的）代数运算，从“你好，你怎么”（“Hello，howareyou”）这样的句子中预测出下一个概率最高的词是“样”（“doing”）。然而，这种简单性并不能反映整个过程：这些参数被有效地编码在庞大而难以捉摸的矩阵中，其含义非常难以破译，其组织结构也是陌生的。大型语言模型无法解释其预测的原因。
这种解释忽略了最难的问题，即为什么模型将最高概率定为“90%”。诚实的回答相当令人不满意：它之所以选择这个数字，是因为根据其庞大的训练数据和内部统计模型，它发现“90%”比“10%”更有可能是一个延续。这与人类会给出的解释完全不同，人类会给出理由和事实考虑。这也不是对其内部评估进行反省分析的结果。模型的输出结果只是一个粗略的统计数据。我们可以要求模型证明自己的合理性。而模型也会兢兢业业地给出答案。但关键是要明白，无论模型告诉你什么，它其实根本就不是解释。它只是一种针对询问后可能出现解释的预测。因此，与大型语言模型一起工作确实需要观念的飞跃，需要认识到除了用于产生预测结果且难以捉摸的长矩阵之外，不会有更好的解释。
在掌握了这项技术之后，让我们举一些更日常的例子来说明大型语言模型在保险语境之外的潜在用途。正如我们所描述的那样，文本主义者认为文本有其固有的字面含义，至少在书面文件的语境中是如此的。问题在于确定它是什么，以及我们的直觉是否具有代表性。大型语言模型可以作为揭示这些答案的有力工具。
5.3詹妮的利益和义务。如果婚姻因解除婚姻关系而结束，或马克去世时解除婚姻关系的诉讼尚未裁判，那么詹妮应获得第5.3条第a至d款所述的额外福利和义务。
a.自任何一方提出解除婚姻关系申请之日起90天内，马克应向珍妮支付以下金额，具体金额标注在提出解除婚姻申请时双方结婚的完整年数旁边。
虽然詹妮在七年后提出了离婚申请，但她从未送达过离婚申请书，后来还主动撤回了诉讼。十年后，她再次提出离婚，这次她的态度很坚决。根据婚前协议，结婚七年，她有权获得270万美元；结婚十年，她有权获得高达420万美元。双方面临一个随之而来但基本的解释问题：当婚前协议提及，提出“一次”（“a”）申请时的年数时，双方指的是第一次申请还是最终一次申请？
双方都认为没有必要提供证人，因为双方都认为请愿书是明确无误的（并且有利于己方）。不幸的是，佛罗里达州的一家上诉法院判詹妮败诉。法院部分依据字典，强调“a”是不定冠词。法院指出，通常情况下，当人们以不确定事件作为条件时，他们指的是该事件的首次发生。因此，想象一下，如果一个高尔夫球场发布了一条规则：“当一次（‘a’）雷雨临近时，你必须结束你的高尔夫比赛。”这将“被普遍地理解为……意指第一次雷雨来临之时”。因此，提交“一次”申请必须单纯是指第一次提交申请。法院的证明方法似乎是合理的。但法院如此自信是否正确？
我们向GPT-4提交了婚前协议，并向其提问：如果其中一方提出离婚申请后又撤回了申请，几年后又提出了新的申请，那么婚姻的完整年数是由哪一天决定的：是第一次提出申请还是第二次提出申请？它生成了一句话，基本上支持了詹妮的观点。不过，为了说明该模型如何帮助法院得出更精确的判决结果，我们可以及时冻结输出结果，并探究其背后运作的原理，如表2所示。
第二次申请将确定婚姻的完整年数。
表２Davinci-003,temp=1,frequencyandrepetitionpenalty=0,bestof1,fullspectrum，提供法米格里奥事实，并询问“如果其中一方提出离婚申请并撤回申请，几年后又提出新的申请，那么婚姻的完整年数是由哪一天决定的：是第一次申请还是第二次申请？”
表2捕捉到了模型思考语言及其自身过程的概率方式。当模型开始生成答案时，它预测答案应该以“The”开头。现在，我们和模型都不知道它将如何继续这个句子。它阅读了我们的问题及其部分答案，然后作出预测。根据上下文和它所处的庞大语料库，接下来应该是什么，即第二次还是第一次？它的结论是“第二次”更有意义。一旦“第二次”出现，答案的其余部分也就呼之欲出了。
3.歧义问题
以著名的三叉戟中心诉康涅狄格大众人寿保险公司案为例，该案经常被列为反对加利福尼亚州式文本主义的主要论据。一群律师在其他房地产投资者的协助下，试图购买商业房地产来建造他们的律师事务所。他们向康涅狄格州保险公司借款5600万美元，并约定以12.25%的年利率分15年偿还。协议一度规定本金不能提前偿还，至少在协议的前12年内不能提前偿还。然而，利率下降了，借款人试图用他们从别处借来的钱提前偿还贷款。在遭到谴责后，他们转而提起诉讼。
本票明确规定，借款人“无权提前偿还全部或部分本金”。但他们指出了一项不同的条款，该条款规定，如果贷款人提前偿还贷款，违约贷款将被处以10%的提前还款罚金。借款人的律师依据加利福尼亚州语境规则的著名论述，即太平洋煤气公司案，认为应允许他们提供外在证据，即谈判、贸易惯例，以支持他们的合同解读。
在第九巡回法院，科津斯基（Kozinski）法官利用此案对加利福尼亚州口头证据规则的松散性进行了他人所称的“尖锐抨击”。他对借款人提前还款的说法不以为然，因为这是出借方的选择。他还得出结论，合同中的“无权”条款非常清楚地表明禁止提前还款。单独来看，该条款不太容易受到借款人意思的合理影响。尽管如此，科津斯基法官还是将案件发回重审。他写道：
该判决理由写得精妙绝伦，被许多合同案例集收录，但其本身也是一个谜。加利福尼亚州的现行规则规定，只有当合同中的语言“合理地受到”当事人提出的解释所影响时，外在证据才能被采纳。因此，如果科津斯基真的确信语言清晰，他就不应该发回重审。我们想知道他的事实前提是否正确，并请大型语言模型提供帮助。
图3
注：TurboGPT-4、Claude2和Llama-270b，设定温度为1,并完整地输入三叉戟案本票。模型被问及合同的语言是否可以合理地被理解为赋予借款人提前还款的权利。在X轴上，0表示这种解释是错误的，100表示这种解释是正确的。事人提前还款的可能性。为了捕捉各种模型的回答，我们多次重复相同的问题，同时将“温度”设定在足够高的水平，以确保可以挑选出不同的回答。
图3展示了生成式解释如何深化并丰富司法分析。总体而言，各模型都平均地大致同意不允许预付，平均得分约为41分。与功能更强大的专有模型相比，功能最弱的Llama-2模型对这种可能性持更开放的态度。但两个最强大的模型，claude2和GPT-4都有类似的评价：它们估计多数派的解读并不是三叉戟中心提出的。
现在来看看另一个关于歧义的案例：爱灵顿公爵诉百代音乐公司案（Ellingtonv.EMI）。本案的争议源于音乐家爱德华·肯尼迪·爱灵顿公爵与他的唱片公司百代音乐公司于1961年签订的一份净收入协议。按照当时的惯例，双方同意在扣除第三方在国外市场的中间商费用后，对半分成版税。这份净收入协议对百代音乐公司及它的“其他关联公司”具有约束力。在此后的几十年中，音乐产业经历了重大整合，百代音乐公司开始使用自己的关联公司，而不再依赖第三方开展国外业务。它试图在支付爱灵顿的遗产之前扣除这些附属公司的费用。
爱灵顿的孙子感到很沮丧，于是提起诉讼，认为合同中的两个关键表述存在歧义：（1）版税条款中的“实际收到的净收入”短语；（2）第二方定义中的“任何其他关联公司”一词。纽约上诉法院，即美国最著名的文本主义法庭，驳回了这一主张。多数法官的意见认为，这些条款是明确无误的：它们仅提及缔约时存在的关联公司。考虑到双方使用的时态以及法院对前瞻性语言的反感，根本不可能以任何其他方式解读这些条款。
在描述模型的答案之前，我们应该强调生成式模型解释的两个稳健性问题。模型对所用的提示相当敏感。这就给模型带来了“引导性提示”的问题，即把模型引向理想答案的询问。而且正如我们之前所描述的，模型可以被设置为更热（更随机）或更冷（更确定）。这就为用户（法官、研究人员、决策者）提供了许多自由度。
为了解决这些问题，我们尝试了一些新方法。我们没有使用单一的提示语，而是对同一法律问题使用了20种不同的提示语变体，每种提示语变体在相对较高的温度设置下被询问10次。我们提出了“是／否”问题，其中“是”表示同意法官的解释。图4总结了三种主要模式的实验结果。
图4
注：爱灵顿公爵诉百代音乐公司案，在向犌犘犜-4植入案件背景信息后，使用温度1分析了对“其他关联公司”的解释，并对犌犘犜-4生成的20个提示语变体作出了10次回应。
如图所示，这三种模式与纽约州法院所确信的并不一样：对“其他关联公司”最常见的解释包括合同签订后的关联公司。开放源代码模型犔犾犪-犿犪-2对百代音乐公司的论点持开放态度，这反映出百代音乐公司的论点在表面上具有一定的合理性。当然，即使在强大模型之间存在一致性也不能证明什么。关键是要说明大型语言模型的价值，它可以方便地检查法官是否过于自信，也可以激励人们进行更多的反思（尽管持不同意见者认为合同歧义这一事实可能也会引发同样的反思）。
我们在这里和其他地方选择的提示语并不中立。但这并不是大型语言模型查询所独有的问题：案情摘要、陪审团指示、证词和证据规则都是影响司法判决的框架模式，而且往往是有意影响司法判决的。我们在此试图说明的是，生成式解释可以提供一种方法来控制框架中不可避免的主观性。我们提供的是一种技术，未来的工作可能会衡量其消除偏差的效果，也许还会有其他新方法。
4.空白填补
合同是不完整的：各方当事人给许多议题留出了必要的推论空间。这种空白并不总是有意为之：有时，当事人根本没有考虑到某个问题，如全球大流行病、供应链中断、另一艘从孟买启航的无双号轮船，因而法院必须参与填补空白，而不仅仅是解释纸面上的文字。
以1977年纽约上诉法院审理的海恩斯诉纽约市（HainesV.CityofNewyork）一案为例。该案解决了1924年纽约市与一个北部村庄之间的合同纠纷，在该合同中，纽约市承诺向该村镇支付费用，让该村镇处理自身污水，进而纽约市的供水可以得到净化（也就是说，纽约市付钱给该村庄，让其不要污染环境）。几十年过去了，村镇不断发展壮大，联邦政府也通过了环境法规。到了20世纪70年代初，面对强大的预算压力，纽约市拒绝继续支付该村镇扩建污水处理设施的费用。当地的一家开发商提起诉讼，认为合同中没有规定期限，也没有规定市政府的义务范围，这意味着市政府违反了合同。
法院在裁决中考虑了这些论点，而这一裁决仅考虑了书面合同。法院认为，当事人并不希望合同永远有效，因为合同条款的简短是其显著特点。
这里的逻辑并不令人信服，但却有先前的实证样本为依据：在默认情况下，当事人在写下无限义务时并不打算随意终止合同，而且合同的语言或情境都不能得出相反的结论。
根据协议，该市有义务建造一个经过详尽描述的垃圾处理设施，并延长该设施的管线，以满足未来增加的需求。目前，这些管线的延伸将导致系统超负荷运行。原告声称，该市必须建造一座新的处理厂或扩建现有设施，以解决这一问题。我们不同意这一观点。如果将污水管线延伸至原告的房产区域会导致系统超负荷运行，从而无法正常处理污水，那么就不应该要求市政府将污水管线延伸至原告的房产区域。在约定延长污水管线的同时，合同并没有约定市政府有义务为目前未覆盖污水处理服务地区的房屋提供污水处理服务，甚至也没有约定市政府有义务为目前已覆盖污水处理服务地区的新房产提供污水处理服务，如果这样做可能会大幅增加对现有污水处理厂设施需求的合理预期。
法院再一次提及该协议，但其裁决并没有注意到细节。它发现了义务的一个隐含条件：只有在系统不超负荷的情况下才需要延期。但这只是一种填补空白的做法，法院根据自己的判断来确定双方本应说些什么。这种判定是纽约法院特征的一部分，倾向于对缺失条款采取更宽松的卡多兹式处理方法。
图5
注：使用GPT-4（32k上下文长度）和Claude2（100k上下文长度）对海恩斯诉纽约市案的空白填补进行分析。
第二组问题涉及市政府义务的范围。GPT-4强烈反对法院的意见，它认为市政府的义务是没有范围的。重要的是，GPT-4的推理依据是合同中被法院忽略的部分：第6条。该条规定，“只要因各社区……未来的发展而有必要扩展任何污水管线……”，该市就有义务延长污水处理计划。
该条款意味着增建污水处理厂的义务。但Claude2更适合法院的解释，并提供了一个看似合理的限制性论据，认为：“协议规定在增长需要时进行扩建，这意味着一种合理的义务。”
5.从文本到语境
承包商完成项目的第一部分后，提交了一份账单。铸造厂拒绝付款。承包商坚称，按照惯例，应在每月月底支付应付款项的85%，但铸造厂辩称，只有在项目（实质性）完工后才应支付款项。承包商见没有付款，于是停工。双方反诉对方违约。
如今，默认的规则是，建筑合同中的款项只需在合同得到实质性履行后方可支付。目前尚不清楚双方在1919年达成协议时是否已实行这一规则。铸造厂辩称，根据合同不应该支付任何款项，因此承包商拒绝施工是不合法的。因此，现在我们有一个解释性问题：双方是否约定了特定的付款制度？
表3
注：根据法律和交易语境对“支付义务按月计算”所表达的置信度。提交给GPT-4（32k上下文语境窗口）和claude-2（100k上下文语境窗口）。
表3显示了每一个额外的证据是如何改变分析结果的。就本案例的目标而言，它表明至少对模型而言，外在证据对结果具有实质意义。
说明每项证据的额外价值可以提供意想不到的启示。法官在考虑可能不可靠的证据时，可能会合乎情理地担心仅仅接触到这些证据就会对他们的判决造成不可逆转的损害。通过在仔细审查某些形式的证据之前对其证明价值进行估计，法官可以在相对较少接触证据的情况下对其证明价值进行启发式评估。因此，该模型可为外在证据的评估提供结构，使其对事实认定者更具吸引力。在其提示的范围内，其结论是连贯的、廉价的，而且似乎是可信的。
在本部分中，我们涉猎了充分的内容，看到了与大型语言模型的各种互动模式，并说明了它们的可感性。与前几代人工智能相比，我们对模型输出的表面合理性感到震惊。但是为了对未经驯化地使用这些模型充满信心，法学家们自然希望更多地了解边缘案例。这些结果对我们使用的特定提示（或其多种变体）有多敏感？模型本身的稳健性如何，诉讼当事人是否有机会操纵其输出结果？我们能否量化这些模型相对于当事人真实意图的准确性？现在让我们更详细地考虑这些问题（以及其他问题）。
三、合同解释的未来
如今的大型语言模型如此便捷，其输出结果又如此诱人，以至于在本文付梓之时，这些工具成为主流约一年之后，如果法官还没有使用它们来解决合同解释问题，那才是真正令人吃惊的。在2023年夏天向律师提供的实用指南中，我们看到律师被鼓励使用大型语言模型进行法律研究、起草取证问题和合同，以及预测和解价值。而且有迹象表明，法官已经在使用ChatGPT来回答其他类型的解释性问题，就像他们使用谷歌一样。在最近的一项调查中，四分之一的法官承认使用过该工具，尽管许多人对其可靠性表示担忧。
这些模式之所以有用，是因为它们提供了新的工具为旧的解释目标服务，而这些工具是高速、廉价的，有时甚至是错误的。法院很快就会使用诸如“一打”（dozen）这样的短语，并要求chatGPT对其进行解释，而不是求助于字典或谷歌；或者询问模型，当合同留有空白时，合同可能作出的假设是什么；或者检查模型是否认为保险单考虑到了狡猾的窃贼。他们会隐蔽或公开地这样做，既有主动的，也有对案情摘要的回应。几乎可以肯定的是，首批肯定性主张使用该工具的书状将来自资源有限的公司。正如我们在本文第二部分所述，大型语言模型已经适用于法院每天面临的实际问题，如果认为法院没有使用大型语言模型，那就太天真了。
1.提供99%的解释？
生成式解释是一种工具，它在多个层面上回应了这种诉诸司法的关切。
首先，如果法院采用这种方法，那么在合同解释争议中实现准确性的成本就会降低。这是因为精确度较低的文本主义证据形式，即字典和解释规范，即使相对便宜，也会被更好的形式所取代。随着争议成本的下降和结果的可预测性增强，机会主义违约行为的收益也会下降，而这种违约行为通常会使经验丰富的参与者受益。诚然，这些模型可能会在市场竞争中出现，但正如我们上文所述，更复杂的模型往往会在含义上趋同：与字典不同，它们不会提供因人、因地、因时而异的具有特异性且精心设计的定义。
模型可能会受到各方的对抗性攻击或提示注入，或以其他意想不到的方式变得脆弱。举例来说，现代人工智能系统可以可靠地区分熊猫和马的图片，或停车标志和让行标志。但是，如果一个经验丰富的当事人能够不着痕迹地改变这里或那里一个像素的颜色，就足以让模型错误地看到一匹马或一个让行标志。同样的操作也可以用来“攻击”大型语言模型的模型。合同措辞的细微变化，例如，文字表述的细微变化，都可能入侵模型逻辑系统并改变其解释。目前尚无解决此类问题的通用方案。但是，如果法官和当事人意识到这种微妙篡改、操纵的可能性，他们可能会制定防御措施，比如在分析中使用经过净化的合同版本。
生成式解释需要一种自己的语言。尽管学者们经常大肆宣传客观、科学的证明和判断方法，但这种解释和证明权力行使的方式并不令人信服，甚至可能令广大人民反感。这是我们在本文中试图减少统计数据和声称单一答案的原因之一。毕竟，陪审团不会看到简单的概率论证明，法官通常也不会通过说他们有51%的机会是正确的来证明自己的判决是正确的。因此，该方法与第一部分讨论的语料库语言学和调查方法学共同面临的一个真正问题是，如何以加强而非削弱司法合法性的方式向非专业普通受众解释自身。从社会学角度看，“鸡”（chicken）一词的含义来自字典和行业用法。对于黑盒中的大型语言模型来说，这种社会学框架尚不存在。
总之，生成式解释有望成为一种易于使用、相对可预测的工具，帮助律师和法官解释合同。若要实现这一承诺，法院需要谨慎使用这一工具，同时注意其用途和局限性。为了指导必然会出现的探索过程，我们根据技术基础和法律限制提出了一系列最佳实践，这些技术基础和法律限制界定了这一工具的局限性。默认情况下，法官应公开他们所使用的模型和提示，并尝试用不同的模型和多种输入验证他们的分析。理想情况下，他们应在网上公布调查结果。他们要小心各方的操纵行为，并考虑如何（以及是否）挖掘非多数人的私人含义。通过这样做并且清楚地说明他们正在做什么，并适当地认识到大型语言模型的缺陷，法院可以公平地实验这项新技术，更好地掌握合同的含义，而不会滥用工具或使他们自己的判决被推翻。
2.超越文本主义/语境主义划分
正如我们在第一部分中所描述的，关于解释的现代辩论将预测作为目标视为既定事实。但在决定如何最好地实现预测时，学者和法院对一个经验性的元问题存在分歧：大多数当事人希望法院如何解释他们的交易？许多人认为，经验丰富的当事人更喜欢文本主义。其他人则认为，语境主义更受欢迎，尤其是在长期关系语境下。一些人认为，这种偏好是与背景有关的。诉讼案件的情况似乎各不相同。对贫困当事人的观点则很少进行研究。诚然，语境主义有望保护当事人免受诱饵和机会主义起草方式的影响。但谁能负担得起呢？
生成式解释挑战了这一古老二元论的实用性。从文本主义出发，其支持者认为，文本主义建立了通用的商业词汇，促使合同起草清晰明了。但如果运用得当，生成式解释（作为文本主义的一种形式）即使不援引专门的语言或使用昂贵的起草方式，也能很好地预测当事人的意图。如果法院遵循我们建议的最佳实践，这种方法也可以事先预测。如果当事人能够事先预见到模式的选择，并且我们认为他们应该能够在合同中明确约定——那么他们就能在诉讼之前提前澄清争议。即使法官参考的证据基础比合同本身更广泛，模型也能将其纳入其中并产生一致的结果。
所有这些都表明，传统的僵局将被打破。生成式解释既有可预见性，又有克制性，同时还能提供更好的语言准确性。同时，它还能控制诉讼成本。或者换一种说法，在四个角或根本没有角之间作出选择是时代和特定裁判技术的产物。随着技术的进步，法官可以放宽旧有的保障措施，采用更具包容性的方法。
可以肯定的是，生成式解释将是一个简单的默认翻转：当事人可以表示他们的意思不是由大型语言模型决定的，就像他们现在可以承诺避免使用某些字典或选择其他字典一样。正如使用字典来解释秘密的密码是一种愚蠢的解释方式，遵循各方表达的解释偏好才是明智之举。一般来说，赋予当事人控制合同解释方式的能力，既尊重了他们的自主权，又能提高效率。这里也是如此：生成式解释扩大了“大多数”当事人希望法院考虑的证据种类，但并不适合所有人。
史密斯诉花旗银行案（SmithV.Citicorp）就是一个生成式解释可以受益的典型案例。史密斯夫妇需要借钱偿还一笔旧贷款并支付一些房屋装修费用。他们向花旗银行求助，花旗银行声称可以以他们的房屋为抵押签订一份循环贷款协议。争议的关键在于这笔贷款的年利率为13.99%，而这一利率只适用于循环贷款，不适用于封闭贷款。史密斯夫妇认为，封闭式贷款协议正是贷款协议的内容。神奇的是，史密斯夫妇有两名花旗银行员工签署的宣誓书，证明花旗银行从未打算为这笔贷款提供预付款（这将定义为无期限、循环贷款）。但阿拉巴马州最高法院忽视了这一具有高度证明力的罕见证据，因为它超出了合同纸面四角的范围。
结语
在本文中，我们介绍了生成式解释，一种使用大型语言模型解释法律文本的方法。我们的工作紧随快速发展的实践：律师和法官已经在全国各地的律师事务所和内庭尝试使用这些模型，有些是隐蔽的，有些则不那么隐蔽。我们深入探讨了该技术工作（和失败）的方式，并探索了使用该技术更好地执行解释任务的技巧。我们证明了这种技术可以应用于著名的合同案例，往往能以更低的成本和更高的确定性得出相同的答案，有时还能揭示含糊之处，消除对含义的固执偏见，以及分散新证据对解释的边际效应。
考虑到这些局限性，我们认为，生成式解释在过于冷淡的文本主义和过于火热的语境主义之间开辟了一条重要的中间道路。传统的文本主义和语境主义之间的权衡认为，我们的文本主义探究必须依赖字典，而外在证据必然代价高昂且容易被操纵。由于生成式解释法易于使用、成本低廉、准确性高，而且不容易受到这些特定偏见的影响，因此它提出了一种可行的第三条道路。我们认为，考虑到这种技术，当事人更希望法院使用一些外在证据来确定含义。因此，生成式解释将成为多数人的默认选择。
最后，我们提出一种不同的预测。如果这些模型真的可以近似地确定当事人的意图，那么法院显然会（也应该）使用它们来更好地作出解释。但如果真是这样，我们不禁要问，为什么当事人还要继续对合同作出承诺呢？正式签约耗资巨大。为什么不干脆在关系开始时就写出共同的目标，然后让模型在问题出现时生成行为准则和法律责任呢？或者换一种说法，生成式人工智能看起来像是一种有前途的司法辅助工具。但这项技术的未来更具颠覆性：正式合同本身可能会过时。或者说，至少法学家们应该考虑，如果条款本身可以从当事人的目标中公平地确定，那么法学家们至少应该考虑缔约的边际价值。
往期精彩回顾
迪米特里奥斯·利纳达托斯赵诗文译｜在民法案例研究中的人工智能