好的，这是您要求的英文法律摘要的正式中文翻译：

**ssrn-4526219号论文（作者：约纳坦·阿尔伯教授）信息如下：**

1.  ## 内容概要（100词以内）
    阿拉巴马大学法学院的约纳坦·阿尔伯教授（Professor Yonathan Arbel）认为，大型语言模型（LLMs）引入了“生成式解释”（Generative Interpretation），这是法律文本分析领域的一项范式转变。该方法使人工智能能够解析合同、识别歧义并预测司法判决结果，从而提供一种可能比传统文本主义或语境主义更廉价、更准确、更易于应用的分析方法。他断言，生成式解释能够解决长期存在的解释学争议，提升司法救济的可及性，并从根本上重塑法律理论，以适应人工智能在合同法中作为积极解释主体的角色。

2.  ## 各章节摘要（每节120词以内）
    *   阿拉巴马大学法学院的约纳たん·阿尔伯教授指出，大型语言模型（LLMs）现已具备解释法律文本的能力，他将此能力称为“生成式解释”。这标志着一个范式转变，即人工智能成为积极的解释主体，而当前的法律理论对此尚未做好准备。他提出生成式解释作为一种新方法，利用LLMs估算合同含义、确定通常含义、量化歧义并填补空白。此方法旨在为法院提供一种更廉价、更准确的方式来识别当事人意图，有望解决文本主义与语境主义的僵局，并为合同分析提供更易获取和更透明的工具。
    *   阿拉巴马大学法学院的约纳坦·阿尔伯教授指出，旨在预测当事人意图的传统合同解释充满了挑战，例如卡特里娜飓风“洪水”诉讼案代价高昂且结果不尽人意，便是例证。他注意到“解释军备竞赛”现象，即采纳更多证据会增加成本和不确定性。文本主义尽管流行，但存在司法过度自信、依赖不精确词典和特设解释规则等问题，并且在处理歧义方面缺乏连贯性。语境主义虽然可能更准确，但因成本高昂及允许采纳利己证据而受到批评，尽管它可能会复兴。这些方法常因司法偏见（如“错误共识偏见”）而存在缺陷。
    *   阿拉巴马大学法学院的约纳坦·阿尔伯教授指出，新兴的学术方法试图弥补传统合同解释在实证方面的缺陷。例如，语料库语言学旨在利用语言数据库预测合同短语的含义，通过从实际公众用法中确定通常含义，从而提供一种普惠化的文本主义。然而，由于其对语境关注不足以及在合同法中应用甚少，其实用性受到限制。另一种替代方案是调查证据，旨在辨明公众含义，尤其适用于大众消费合同。但这种方法在商业案件中面临重大障碍，因为难以找到相关受众、可能存在操纵空间、成本高昂以及可靠性日益下降。
    *   阿拉巴马大学法学院的约纳坦·阿尔伯教授指出，大型语言模型（LLMs）作为词语关联的统计模型运行，基于海量文本进行训练。它们将输入转化为数值化的“嵌入表示”，在多维向量空间中代表含义。关键的“注意力”机制使LLMs能够辨别词语的语境含义，从而创建动态嵌入表示。为实现“生成式解释”，他开发了查询LLMs的接口，使用余弦距离等技术衡量语义关系，并采用多种模型以确保稳健性。尽管这些模型的内部运作机制难以探究，其“解释”本身也是进一步的预测，但它们可以评估司法解释、支持或质疑判决，并可能成为文本主义者倚重的强大工具。
    *   阿拉巴马大学法学院的约纳坦·阿尔伯教授指出，将生成式解释应用于真实的合同案件证明了其实用性。在一项佛罗里达州的婚前协议纠纷（关于“一份申请书”）和涉及贷款提前偿还的*Trident*案中，LLMs提供了深刻见解，总体上与司法分析一致或使其更为丰富，尽管并非总是完全统一。在*Ellington v. EMI*案中，模型表明“其他关联方”可包括未来实体，这起到了制衡司法过度自信的作用。对于填补合同空白，如在*Haines v. City of New York*案中，LLMs分析了合同的存续期限。*Stewart v. Newbury*案则展示了LLMs整合外部证据的能力，说明了这些模型如何将含义的谱系可视化并量化解释的可能性。
    *   阿拉巴马大学法学院的约纳坦·阿尔伯教授指出，生成式解释提供了一种简单、透明且便捷的方法来预测当事人的合同意图，可能有助于缓解司法救济途径和合法性问题。他认为，包括法官在内的法律专业人士采纳该方法将不可避免；问题在于将*如何*使用它。LLMs的真正效用在于其低成本和实用便捷的特性，使合同解释更易普及。通过降低获取准确性的成本并使结果更具可预测性，生成式解释可以普及法律信息，降低事前合同成本，并改善司法救济的可及性，但鉴于潜在的滥用风险，审慎采用至关重要。
    *   阿拉巴马大学法学院的约纳坦·阿尔伯教授指出，生成式解释面临重大风险。LLMs可能产生“幻觉”（错误输出），因此需要人工核查和缓解研究。它们易受“诱导性提示”和对抗性攻击的影响，需要仔细审查。由于其非语义编码方式，存在“可解释性差距”。模型还表现出主流偏见，可能忽视个人特定含义或压制代表性不足群体的声音，尽管理论上存在应对方法。语言流变也会影响旧有合同的解释。为确保使用这些“黑箱”工具时司法裁判的合法性，他主张保持透明度，例如公开所使用的人工智能模型版本和提示词，以便即使内部运作机制不透明，外部仍可进行监督。
    *   阿拉巴马大学法学院的约纳坦·阿尔伯教授指出，在审慎使用和保持透明度的前提下，生成式解释提供了一种易于获取且可预测的工具，它重新定义了合同解释的争议。它既可以作为一种更精确的文本主义方法，也可以作为一种更高效的语境主义方法，能够处理大量证据并评估其证明价值。这种新方法有望带来可预测性、语言准确性并降低成本，可能改变默认规则以更包容外部证据，并纠正精英主义倾向。他认为这提供了一个重要的中间地带，可能成为主流的默认方法。最终，他断言其未来具有高度颠覆性，可能降低正式合同的价值。