arXiv cs.AI· Gordon V. Cormack, Maura R. Grossman, Jeremy Pickens·· 3 天前AI 评分22
比较 GenAI、机器学习与人工审阅在 eDiscovery 中的效果
Comparing GenAI to Machine Learning and Manual Review for eDiscovery
AI 导读
针对 Redgrave LLP 案例研究中 Relativity 生成式 AI 审阅工具 aiR 达 88% 召回率、其机器学习工具 RAL 仅 64% 召回率的结论，分析指出两者方法目标不同、评估者间存在分歧，结果不可直接比较。
正文 · AI 翻译
摘要：Keeling 等人 [Keeling2026Generative] 报告了 Redgrave LLP 最近进行的一项案例研究，其中他们声称 Relativity 的生成式 AI 审查工具（aiR）达到了 88% 的召回率，而其机器学习工具 Relativity Assisted Learning（RAL）达到了 64% 的召回率。这些结果不可比较，因为所采用的方法目标不同，因为评估者之间存在分歧，并且因为它们代表了不同的召回率-精确率与成本效益权衡。我们对 Redgrave 数据的分析表明，当考虑到这些差异时，aiR 与人工审查是可比的。此外，采用持续主动学习（CAL）的成熟机器学习模型在仅使用 2,000 份初审审查员相关性判定的样本进行训练时，展现出最先进的有效性和更高的效率。
| 评论： | 8 页；2 幅图 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；信息检索（cs.IR） |
| 引用为： | arXiv:2610.16925 [cs.LG] |
| （或 arXiv:2610.16925v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16925 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Gordon Cormack [查看电子邮件]
[v1]
2026 年 10 月 12 日星期一 15:08:40 UTC（63 KB）
来源：arXiv cs.AI · arxiv.org