律师如何利用大语言模型辅助法律工作

A. 由于适用于所有诉讼理由的原因，起诉书不成立

• 原告缺乏第一条规定的资格来主张他们的索赔。
• 原告未能获得匿名诉讼的许可。
• 起诉书中对六个 OpenAI 实体的不加区分的指控不符合起诉条件。

B. 《版权法》优先于一些州法律的诉讼请求

C. 原告的索赔要求由于每个索赔的具体原因而失败。

1. 原告的 DMCA 索赔应该被驳回。

   • a. 原告没有适当地提出删除 CMI 的要求。
   • b. 原告未能提出对分发已删除 CMI 的作品副本的索赔。
   • c. 原告未能证明 OpenAI 在 Copilot 输出方面传递了任何虚假的 CML。

2. 原告的违约索赔不成立

   • a. 原告没有充分地证明合同的存在。
   • b. 原告没有指控事实来证明 OpenAI 实体据称违反的合同条款。

3. 对合同关系的侵权干扰的索赔失败。

4. 原告未能指控虚假原产地名称的索赔。

5. 原告未能提出不当得利的诉求。

6. 原告未能提出不公平竞争的索赔。

7. 原告未能充分陈述违反《竞争法》的行为。

8. 原告未能提出过失索赔。

9. 原告没有提出民事共谋的要求。

10. 原告未能提出宣告性救济的要求。

**指令要求：**请根据美国联邦法院驳回诉讼请求的审理意见，以原告及其代理人视角，提出上诉的理由。

大模型回复：

在考虑上诉的理由时，原告及其代理人可能会关注以下几个方面，以期在上诉过程中挑战联邦法院的驳回决定：

1. 资格问题：原告可能会争辩他们实际上具有提起诉讼的资格，可能通过证明他们受到了直接和具体的损害，或者他们代表了那些受到损害的集体。
2. 匿名诉讼许可：如果原告未能获得匿名诉讼的许可，他们可能会寻求重新申请并提供充分的理由，说明为何匿名对于保护他们的隐私和安全是必要的。
3. 对 OpenAI 实体的指控：原告可能会重新整理对 OpenAI 实体的指控，使其更加具体和明确，以满足起诉条件。
4. 州法律与《版权法》的优先级：原告可能会争辩，尽管《版权法》可能优先于某些州法律，但这并不意味着州法律下的索赔完全不能成立。
5. DMCA 索赔：原告可能会重新审视 DMCA 索赔，确保他们已经充分提出删除版权管理信息（CMI）的要求，并且能够证明 OpenAI 实体在分发作品副本时删除了 CMI。
6. 合同违约索赔：原告可能会提供更充分的证据来证明合同的存在，以及他们所声称的违反合同条款的具体事实。
7. 侵权干扰索赔：如果原告的侵权干扰索赔失败，他们可能会重新评估并提供更有力的证据来支持这一索赔。
8. 虚假原产地名称和不当得利：原告可能会重新审视这些索赔，并提供更具体的证据来支持他们的主张。
9. 不公平竞争和违反《竞争法》：原告可能会更详细地阐述微软的行为如何构成不公平竞争，并提供证据来支持违反《竞争法》的指控。
10. 过失索赔和民事共谋：原告可能会提供额外的证据来支持他们对过失行为和民事共谋的指控。
11. 宣告性救济：如果原告未能提出宣告性救济的要求，他们可能会在上诉中包括这一点，并解释为何宣告性救济对于解决争议是必要的。

在准备上诉时，原告及其代理人需要仔细分析初审法院的裁决，找出法律和事实上的弱点，并构建有力的论点来挑战这些裁决。他们还需要确保所有的论点都基于法律原则和证据，并且符合上诉法院的程序规则。

第二步指令：

提示：对于上面的每个项目符号点，包括每个索赔要素的子项目符号。

大模型回复：

在上诉过程中，原告及其代理人可能会针对每个驳回理由提出以下详细的上诉点：

1. 资格问题：原告可能会争辩他们具有法律上的资格，因为他们能够证明他们受到了微软行为的直接伤害，或者他们代表了那些受到损害的集体。他们可能会提供证据，如个人代码被未经授权使用的情况，以证明他们的利益受到了侵害。
2. 匿名诉讼许可：原告可能会重新申请匿名诉讼许可，并详细说明为何保护他们的身份是必要的，例如出于安全考虑或避免职业报复。
3. 对 OpenAI 实体的指控：原告将重新明确对 OpenAI 的指控，指出具体的实体和具体的不当行为，确保符合起诉条件。
4. 州法律与《版权法》的优先级：原告可能会争辩，尽管《版权法》可能优先，但州法律提供的保护并不与之冲突，因此州法律的索赔仍有其独立的价值。
5. DMCA 索赔：删除 CMI 的要求：原告可能会重新提出删除版权管理信息（CMI）的具体实例。分发已删除 CMI 的作品副本：原告可能会提供证据，证明 OpenAI 实体分发了删除了 CMI 的作品副本。传递虚假的 CML：原告可能会寻找证据，证明 OpenAI 实体在 Copilot 输出中使用了虚假的版权声明。
6. 合同违约索赔：合同的存在：原告可能会提供更明确的证据，如书面协议或行业惯例，来证明合同的存在。违反合同条款：原告可能会详细说明据称被违反的具体合同条款，并提供相应的证据。
7. 侵权干扰索赔：原告可能会提供证据，证明他们与第三方的合同关系因微软的行为而受到干扰。
8. 虚假原产地名称和不当得利：原告可能会提供证据，证明微软的行为构成了虚假原产地名称的侵权，以及他们因此遭受了不当得利。
9. 不公平竞争和违反《竞争法》：原告可能会详细说明微软的行为如何违反了《竞争法》的具体条款，并提供相应的证据。
10. 过失索赔和民事共谋：原告可能会提供证据，证明微软的行为构成了过失，并可能涉及共谋。
11. 宣告性救济：原告可能会争辩，宣告性救济是必要的，以明确法律关系和防止未来的法律纠纷。

在上诉中，原告及其代理人需要提供比初审时更有力的证据和法律论据，以说服上诉法院重新考虑初审法院的裁决。他们需要仔细研究法律先例，确保他们的上诉点符合法律标准，并且能够提供充分的证据支持其主张。

第三步指令：

提示：现在，对于每个 2 级子项目符号（要素），请提供可能是潜在相关事实的 3 级子项目符号示例，这些示例表明原告满足每个要素。排除与医疗伤害有关的事实。相反，应关注与商业伤害和合同伤害有关的事实。

大模型回复：

在上诉过程中，原告及其代理人可能会提出以下与商业伤害和合同伤害相关的潜在事实，以满足每个索赔要素的要求：

1. 资格问题：直接经济损失：原告可能会提供证据，显示由于 GitHub Copilot 使用其代码而遭受的销售额下降或市场份额减少。个人作品的未经授权使用：原告可能会展示其代码作品被 GitHub Copilot 未经授权使用的具体实例，导致其知识产权价值受损。行业声誉损害：原告可能会提供证据，证明由于微软的行为，其在行业中的声誉和专业地位受到了负面影响。
2. 匿名诉讼许可：个人隐私风险：原告可能会说明，公开身份可能导致其面临网络骚扰或其他形式的个人攻击。职业安全：原告可能会提供证据，表明其因提出诉讼而在职业上面临报复的风险。商业机密保护：原告可能会主张，保持匿名是保护其商业机密和竞争优势的必要条件。
3. 对 OpenAI 实体的指控：具体的侵权行为：原告可能会详细描述 OpenAI 实体在 GitHub Copilot 项目中的具体角色和行为。直接的经济利益：原告可能会提供证据，显示 OpenAI 通过 GitHub Copilot 获得了直接的经济利益。违反明确的合同条款：原告可能会提供合同文档或其他证据，以证明 OpenAI 违反了明确的合同条款。
4. 州法律与《版权法》的优先级：州法律的具体保护：原告可能会指出州法律提供的特定保护措施，这些措施在《版权法》中未被涵盖。法律冲突的实例：原告可能会提供具体例子，说明州法律和《版权法》之间的冲突，以及如何影响他们的索赔。州内经济损失：原告可能会展示由于《版权法》优先权导致的在州内的经济损失。
5. DMCA 索赔：版权管理信息的删除实例：原告可能会提供 GitHub Copilot 生成的代码样本，其中显示了版权管理信息被删除的情况。分发的证据：原告可能会提供证据，证明删除 CMI 的代码已被分发，例如通过 GitHub Copilot 生成的代码的下载记录。虚假版权声明的证据：原告可能会提供 GitHub Copilot 输出的代码示例，其中包含了虚假的版权声明。
6. 合同违约索赔：合同文档：原告可能会提供书面合同或电子协议，证明与微软或 OpenAI 之间存在合同关系。违反条款的具体行为：原告可能会详细说明微软或 OpenAI 未履行合同中的特定条款，例如未经许可使用代码。依赖和履行的证据：原告可能会提供证据，证明他们依赖于合同条款，并已履行了自己的义务。
7. 侵权干扰索赔：第三方合同的证据：原告可能会提供与第三方签订的合同，证明他们有一个预期的商业关系。干扰行为的证据：原告可能会提供证据，显示微软的行为如何干扰了这些商业关系，例如通过提供侵权代码导致第三方终止合同。经济损失的证明：原告可能会提供财务记录，证明由于合同干扰而遭受的经济损失。

通过提供这些具体的商业伤害和合同伤害的事实示例，原告及其代理人可以在上诉中构建一个强有力的案例，以挑战初审法院的驳回决定。这些事实将有助于证明原告满足了每个索赔要素的要求，并可能有助于上诉法院重新考虑并支持原告的主张。

三、律师使用大模型需注意的方面

1. 信息准确性与可靠性

尽管大模型能够提供法律分析和建议，但其生成的内容并非完全可靠。律师必须对大模型的回答进行必要的审核和验证，特别是涉及重要法律问题时，必须以权威的法律文献和案例为准。大模型存在'幻觉'现象，即可能编造看似合理但实际不存在的事实或法律条文，因此人工复核至关重要。

2. 保护客户隐私

律师在使用大模型时，必须注意保护客户隐私和敏感信息。不应将涉及客户隐私的内容直接输入大模型，以免造成信息泄露。建议使用脱敏后的数据，或在本地部署的私有化模型中进行处理，确保数据不出域。

3. 坚持独立专业判断

律师应恪守职业道德，为客户提供专业、负责任的法律服务。大模型虽然是一个强大的辅助工具，但不能过度依赖，必须以律师自己的专业判断为主导，避免因盲目信任大模型而产生法律风险。最终的法律意见必须由律师本人确认并承担法律责任。

4. 与传统工作方式相结合

大模型虽然能够提高法律工作效率，但并不能完全取代传统的法律工作方式。律师应将大模型与传统工作方式相结合，扬长避短，充分发挥人工智能和人力资源的各自优势。例如，利用 AI 进行初步检索，人工进行深度研判。

5. 合规与伦理考量

随着人工智能技术的监管日益严格，律师在使用大模型时需关注相关法律法规。例如，欧盟的《人工智能法案》及中国关于生成式人工智能服务的管理办法，都对数据训练、内容生成提出了合规要求。律师应确保所使用的工具符合所在司法管辖区的规定，避免违规风险。

最后，随着人工智能技术的不断发展，国内外大语言模型在法律领域的应用将日益深入。律师应积极拥抱这一技术革新，不断学习和适应，用好大模型这一得力助手，为客户提供更加优质、高效的法律服务。同时，也要注意大模型使用中的风险和局限性，坚持独立专业判断，切实维护客户利益。只有在人工智能和专业能力的协同发展中，律师才能更好地适应时代发展，提升职业竞争力。