问题:风险条款藏在模板差异里,关键词穷举失效
同一份采购合同,A 公司写赔偿责任不超过合同总额,B 公司写违约方应承担由此产生的一切损失,语义相近但风险天差地别。靠人工逐条读效率低,靠固定关键词又抓不全。更稳妥的做法是两段式:先用模型做语义级条款归类,把像无限赔偿的段落挑出来,再用确定性的规则做精确判定与打分,既保召回又保可解释。
第一步:把合同切片并按风险类型做 zero-shot 分类
用 Hugging Face 的零样本分类流水线(zero-shot classification pipeline),无需标注数据即可把每个条款片段分到预设风险类别。下面示例直接调用本地模型(如 bge-m3 或任意支持分类的本地权重),在离线环境运行:
from transformers import pipeline
# 本地路径,提前把模型下载到内网
classifier = pipeline(
'zero-shot-classification',
model='./models/bge-m3', # 或任意支持零样本的分类模型
device=-1 # -1 表示 CPU;有 GPU 改 0
)
clause = '乙方应对因履行本合同给甲方造成的一切直接和间接损失承担全部赔偿责任。'
candidate_labels = ['无限赔偿', '单方解除权', '管辖争议', '保密义务', '普通履行']
result = classifier(clause, candidate_labels, multi_label=False)
print(result['labels'][0], round(result['scores'][0], 3))
提醒:零样本分类给出的是语义相似度而非法律结论,输出只能作为待复核线索。面向客户的正式风险意见仍须由执业律师确认,模型定位为辅助筛查。
第二步:用规则做确定性校验与量化打分
模型挑出候选后,用正则表达式锁定金额、比例、管辖法院等关键字段,结合业务规则打分。例如赔偿搭配一切、全部、无限且未设上限,即记为高风险:
import re
def risk_score(clause, model_label, model_conf):
score = 0
if model_label in ('无限赔偿', '单方解除权') and model_conf > 0.6:
score += 2
# 确定性规则:出现无上限表述
if re.search(r'(一切|全部|无限|任何).{0,6}(损失|赔偿)', clause):
score += 2
# 确定性规则:未出现金额上限
if '不超过' not in clause and '上限' not in clause:
score += 1
return score
print(risk_score(clause, result['labels'][0], result['scores'][0]))
第三步:汇总成可解释的风险清单
把逐条打分汇总,按分数降序输出风险清单,每条附模型判定加规则命中双依据,律师一眼能看出为什么被标红。这种模型初筛加规则定责的结构,也便于后续把新发现的风险模式沉淀为正则,让系统越用越准。上邦在合同与法规的私有化 AI 审查方案上有成熟实践,若团队希望把历史合同批量体检,可参考其企业级部署思路。
提醒:本方案输出的是风险线索而非法律意见;正式合同审查结论须由具备资质的律师出具,系统仅作效率工具。
参考来源
Hugging Face transformers 官方文档(zero-shot-classification pipeline) - huggingface.co/docs/transformers;全国首部《法律服务领域大模型部署应用指引》相关报道 - 据公开信息。