Harvey führt agentive Retrieval für Patentforschung ein
Harvey hat ein neues agentives Retrieval-System vorgestellt, das dazu konzipiert ist, die Komplexitäten der Patentforschung zu bewältigen. Im Gegensatz zu traditionellen Retrieval-unterstützten Generationssystemen (RAG), die auf festen Indizes und vorhersehbaren Forschungswegen basieren, passt sich Harveys Ansatz dynamisch an die sich entwickelnden Bedürfnisse jeder Anfrage an. Diese Innovation zielt darauf ab, den komplexen Prozess der Nachverfolgung von Patentansprüchen, Verfahrenshistorien und rechtlichen Status über fragmentierte Datenquellen zu optimieren.
Herausforderungen in der Patentforschung
Die Patentforschung erfordert oft mehr als nur das Abrufen eines einzelnen Dokuments. Fragen wie "Was deckt der Anspruch 8 ab?" können das Überprüfen des ursprünglichen Antrags, der ausgegebenen Ansprüche, der Verfahrenshistorie und der nachfolgenden rechtlichen Verfahren beinhalten. Traditionelle Systeme haben mit dieser Komplexität zu kämpfen, weil Patentinformationen über verschiedene Quellen verstreut sind, einschließlich veröffentlichter Patente, Patentamtssysteme und internationaler Datenbanken. Jede Quelle hat einzigartige Grenzen, Einschränkungen und Datenformate, was es schwierig macht, sie in einem einzigen Index zu konsolidieren.
Harveys agentives Retrieval-System
Der Patentforschungsagent von Harvey beginnt mit einem klaren Forschungsziel, das den vollen Kontext der Anfrage des Nutzers bewahrt, einschließlich Patentnummern, Anspruchsdetails und rechtlichem Kontext. Das System identifiziert die erforderlichen Informationen und wählt dynamisch geeignete Quellen aus. Zum Beispiel kann eine Anfrage zum Umfang eines Anspruchs das Abrufen ausgegebener Ansprüche, das Überprüfen von Wiederprüfungsunterlagen und das Konsultieren von PTAB (Patent Trial and Appeal Board) Entscheidungen umfassen. Der Agent priorisiert autoritative Quellen wie die USPTO und verwendet bei Bedarf Alternativen wie Google Patents.
Das System verwendet eine Routing-Tabelle, um die Quellenauswahl zu steuern. Jede Quelle gibt an, welche Daten sie enthält, ihre Stärken und Fallback-Optionen an. Dies stellt sicher, dass der Agent sich an unvollständige oder nicht verfügbare Daten anpassen kann, indem er Suchen auf alternative Quellen umleitet. Der Forschungsweg entwickelt sich, wenn neue Informationen entdeckt werden, und ermöglicht es dem Agenten, seinen Fokus zu verfeinern und anzuhalten, wenn das Ziel entweder vollständig unterstützt wird oder die verbleibenden Lücken innerhalb des Forschungsbudgets klar identifiziert sind.
Auswirkungen und zukünftige Anwendungen
Derzeit können Nutzer Harveys Patentforschung als Wissensquelle integrieren und von seinem zielgerichteten, adaptiven Retrieval-Modell profitieren. Im Laufe der Zeit könnte dieser Ansatz auf nicht-patentliche Literatur, internationale Patentamtsunterlagen und lizenzierte oder private Datensätze ausgeweitet werden. Durch die Entkopplung von Workflows von spezifischen Anbietern bietet das System einen skalierbaren Rahmen für verschiedene rechtliche und technische Forschungsaufgaben.
Das agentive Retrieval-System von Harvey stellt einen bedeutenden Fortschritt in der rechtlichen KI dar und bietet eine robuste Lösung für die Herausforderungen der Navigation durch fragmentierte und dynamische Patentinformationen.