GLM-Legal

Z.ai(지푸 AI) 블로그의 2026년 10월 12일 리서치 글 "GLM-Legal: Advancing Agentic Legal Intelligence"예요.

왜 법률인가

LLM은 단일 턴 코드 생성에서 더 넓은 전문 협업(Professional Cowork)으로 옮겨 가고 있어요. 실제 지식 노동은 구체적 목표와 빠듯한 마감 아래 흩어진 원본 파일을 소화하고, 전문 지식을 일관된 분석으로 구조화하고, 실행 전 과정에서 도메인 엄밀성을 유지해야 해요. 법률 업무는 사실–법리–분석–의뢰인에게 낼 결과물이 끊김 없이 이어져야 해서, 고위험 전문 환경에 맞는 모델을 훈련하기에 이상적인 스트레스 테스트라는 설명이에요.

벤치마크

• Harvey LAB: 24개 업무 영역의 실제 로펌 워크플로에서 올패스 19.2%, 베이스 모델 대비 +12.5%p. 엄격한 all-pass 채점에서 중간 품질 저하 없이 끝까지 과제를 수행한다는 근거로 제시해요.
• LegalBench: 특수 계약서, 합병 신고서, 판결문 해석에서 최상위 폐쇄형 프런티어 모델과 대등하다고 해요(파라미터는 훨씬 적다고 강조).
• PLawBench: 중국 법률 상담·사건 분석·문서 작성에서도 세밀한 루브릭 기준으로 선두 시스템과 대등해요.

학습 방법

경량 GLM-5.3-Flash를 기반으로 했어요.

1. Mid-training: 고품질 법률 코퍼스를 늘려 법 개념, 조문, 해석 틀을 밀도 있는 도메인 맥락 속에서 익히게 하고, 사실–규칙–결론의 연역적 연결을 강화했어요.
2. Post-training(모델과 하네스의 공진화): 수만 개의 현실적 법률 환경에서 강화학습으로 분석 계획, 워크플로 진행, 결과물 생성을 배우게 했어요. 하네스는 작업 맥락 관리·도구 연결·실행 피드백 라우팅을 맡는 런타임 오케스트레이션 프레임워크인데, 하네스 구조와 모델 학습을 나란히 반복 개선했어요. 학습 중 드러난 엣지 케이스가 하네스 병목을 짚어 주고, 반대로 하네스 개선이 모델을 실제 실행 제약에 노출시켜요.
3. 프로덕션 피드백 루프: 법률가가 "핵심 쟁점과 예외를 다 다뤘나, 논거와 인용이 법적으로 타당한가, 사건 브리프를 지켰나, 손질 없이 바로 쓸 수 있나"로 평가한 결과를 구체적인 손실 신호로 바꿔요. 사실 누락·얕은 분석·형식 이탈이 생기면 모델 지능, 맥락 구성, 워크플로 로직 중 어디 문제인지 파이프라인 전체를 살펴 다음 학습 주기에 반영해요.

AutoClaw에서의 예시

곧 데스크톱 에이전트 플랫폼 AutoClaw에서 쓸 수 있게 되며, 베이스 모델과 비교한 세 예시를 보여 줘요.

• 계약 검토: 공급업체 교체를 앞둔 의뢰인을 위해, 편의 해지 통지 기간을 60일→30일로 줄이고, IP·기밀·데이터 보안 위반에는 치유 기간 없이 즉시 해지하게 하고, 대금 지급 여부와 무관하게 모든 산출물·진행 중 작업을 반환하게 하고, 최대 90일 이전 지원을 넣자는 구체적 수정을 내요. AutoClaw는 이를 Word 문서에 변경 추적과 코멘트로 반영해요.
• 증거 분석: 소프트웨어 분쟁 문서 40건에서 "정상 진행·60% 완료" 대외 보고와 내부 41% 스냅샷, 위험을 숨기고 청구를 계속하라는 CEO 지시를 엮어 은폐 이론을 세우되, 사실과 추론을 구분하고 남은 요건을 검증하라고 제안해요.
• 컴플라이언스 조사: 싱가포르·말레이시아·인도네시아 출시를 앞둔 웹사이트에 대해 영어·인도네시아어 개인정보 고지, 비필수 분석·광고 opt-in, 수신 거부 목록화, 벤더별 데이터 이전 경로 매핑과 각국 조항(SG PDPA s26, MY PDPA s129, ID PDP Law 55–56조) 확인을 P0 우선순위로 정리해요.