Что такое ИИ-агент для юристов: Harvey Tenet вдвое обошла базовую модель без закрытых API

Чтобы понять, что такое ИИ-агент (программа, которая сама планирует цепочку действий, вызывает инструменты и доводит задачу до результата без пошаговых команд человека) в юридическом контексте, проще всего разобрать реальный кейс. Harvey Tenet как раз такой кейс: компания взяла базовую модель Kimi K3 с открытыми весами и дообучила её при помощи Fireworks через асинхронное обучение с подкреплением на длинных юридических сценариях. Обучающие данные объединили синтетику, публичные юридические корпуса и экспертную разметку. Harvey заявляет, что данные клиентов не использовались.

Что даёт Tenet на цифрах?

По данным Harvey, после дообучения модель выполняет почти вдвое больше задач на их Legal Agent Benchmark (LAB, собственный юридический бенчмарк Harvey) и на 20% больше на LAB: Contracts по сравнению с базовой K3. Показатель all-pass rate (доля задач, решённых полностью) вырос на 9 и 2 процентных пункта соответственно.

Harvey заявляет о лучшем результате на LAB: Contracts и втором месте на общем LAB. Здесь важная оговорка: LAB запущен без публичного лидерборда, все оценки проведены самой Harvey. Независимой проверки на момент публикации нет.

Результаты перенеслись и на сторонние тесты. Tenet улучшил показатели на Mercor APEX Agents (корпоративное право) и Crosby Redline Bench, хотя на этих данных модель не обучали. При этом на классических юридических бенчмарках (LegalBench, CUAD, MAUD, Scale PRBench) качество не просело: агентное дообучение не разрушило базовые юридические знания.

Что понадобится

Если вы хотите воспроизвести подход Harvey на своих задачах, вот минимальный набор:

• Базовая модель с открытыми весами. Harvey использовали Kimi K3. В РФ доступны аналоги: Qwen, LLaMA, Mistral. Главное, чтобы лицензия разрешала дообучение.
• Инфраструктура для обучения с подкреплением. Harvey потратили около 150 GPU NVIDIA B300 за два месяца. Для задач меньшего масштаба достаточно облачных GPU (Yandex Cloud, Selectel, аренда серверов с A100/H100).
• Юридический корпус для дообучения. Публичные решения судов, шаблоны договоров, синтетические примеры. Клиентские данные Harvey не использовали, и вам не стоит без согласия.
• Система оценки качества. Harvey строили рубрики из атомарных критериев «прошёл/не прошёл», по 50 критериев на задачу, иногда сотни. Без такой разметки обучение с подкреплением не работает.
• Время и экспертиза. Нужен юрист, который размечает и проверяет, плюс ML-инженер с опытом RL (обучения с подкреплением).

Пошаговая инструкция: как адаптировать подход Harvey к своим юридическим задачам

1. Определите тип задач. Harvey выделили три направления: M&A due diligence (анализ документов при сделках слияния и поглощения), работа с контрактами (драфтинг, проверка, редлайн), поиск прецедентов по базе знаний фирмы. Выберите одно направление, не пытайтесь охватить всё сразу.

2. Соберите обучающий корпус. Объедините три типа данных, как это сделали в Harvey:

3. публичные юридические документы (судебные решения, типовые договоры);
4. синтетические примеры (сгенерированные задачи с эталонными ответами);

5. экспертная разметка (ваши юристы размечают реальные кейсы).

6. Постройте среду для агента. У Harvey каждая задача выглядит так: инструкция партнёра (в среднем 50 слов), набор ключевых и периферийных документов, экспертная рубрика из атомарных критериев. Один прогон может занимать больше 1 000 шагов. Для начала упростите: 10 критериев, 5 документов, 50 шагов.

7. Настройте обучение с подкреплением. Harvey использовали метод GSPO с LoRA ранга 64. Проще начать с PPO или DPO, библиотеки trl и OpenRLHF поддерживают оба метода:

# Пример запуска дообучения с подкреплением (упрощённо)
# Установите trl: pip install trl
from trl import PPOTrainer, PPOConfig

config = PPOConfig(
    model_name="ваша_базовая_модель",
    learning_rate=1e-5,
    batch_size=8,
)
# reward_fn — ваша функция оценки по юридической рубрике
trainer = PPOTrainer(config=config, reward_fn=legal_rubric_reward)
trainer.train()

1. Оцените на независимых задачах. Harvey проверяли Tenet на бенчмарках, которых модель не видела при обучении. Отложите 20% ваших задач и проверяйте на них. Если качество на отложенных задачах не растёт, рубрика слишком узкая.

2. Оптимизируйте стоимость. Harvey отдельно отмечают: вознаграждение настроено так, чтобы модель предпочитала короткие цепочки рассуждений при равном качестве. Это снижает расход токенов (единиц текста, которые модель обрабатывает) и стоимость каждого запроса.

Что с этого вам прямо сейчас?

Юристам и in-house командам в РФ. Harvey Tenet недоступен: платформа продаётся только зарубежным юридическим фирмам, весов нет, API нет. Но рецепт открыт. Возьмите модель с открытыми весами (Qwen, Mistral, LLaMA), соберите рубрику из критериев под ваш тип договоров и дообучите. Это реальный путь к собственной специализированной модели без зависимости от закрытых API.

Авторам Дзена, пишущим про право и технологии. Кейс Harvey Tenet наглядно объясняет, что такое ИИ-агент: не чат-бот, отвечающий на вопросы, а программа, которая сама планирует цепочку из сотен шагов, работает с документами, вызывает подагентов и выдаёт структурированный результат. Используйте этот пример в контенте, он конкретнее абстрактных определений.

Предпринимателям, работающим с большим объёмом договоров. Страхование, финансы, энергетика, здравоохранение: Harvey прямо называет эти отрасли целевыми. Если ваш бизнес перерабатывает сотни контрактов, пилотный проект с открытой моделью и 50 размеченными примерами покажет, есть ли экономия. Harvey отчитываются о снижении стоимости запроса на 90% в задаче поиска по базе знаний фирмы. Ваши цифры будут другими, но порядок экономии стоит проверить.

Кейс Harvey Tenet не про конкретную модель, которую можно скачать прямо сейчас. Он про то, что юридический ИИ-агент, построенный на открытых весах и обученный на собственных рубриках, перестал быть теорией. Рецепт опубликован, базовая модель доступна, инфраструктура арендуется. Осталось написать рубрику, и это работа юриста, а не программиста.