Embeddings geheime codes vormen de onzichtbare sleutel die teksten laten “praten” binnen het Legal Momo platform. Een embedding is een numerieke representatie (vector) van een stuk tekst – alsof je elk document of vonnis omzet in een

Stel je voor: je uploadt een omvangrijk juridisch dossier en AWS SageMaker turbo orkestreert binnen enkele seconden een volledige analyse, inclusief RAG-search en AI-antwoorden. Dit voelt alsof je een turbo onder de motorkap van Legal Momo hebt:

RAG in actie is als vissen met een intelligent net: je haalt precies de relevante jurisprudentie naar boven zonder door een oceaan aan data te zwemmen. RAG, oftewel Retrieval-Augmented Generation, combineert gericht zoeken met tekstgeneratie – het

RLHF leren, oftewel Reinforcement Learning from Human Feedback, is een aanpak waarbij AI-modellen leren door beoordeling en bijsturing door menselijke experts. In plaats van de AI alleen te laten optimaliseren op basis van vooraf gedefinieerde doelen, krijgt

Fine-tuning AI is het proces waarbij een bestaand AI-taalmodel verder wordt getraind op specifieke data om beter te presteren in een bepaald domein. In de context van Legal Momo betekent dit dat een generiek taalmodel wordt afgestemd

Multi-turn reasoning houdt in dat een AI-model over meerdere interacties of “beurten” logisch redeneert in plaats van slechts één enkel antwoord te geven. Het model onthoudt de context van eerdere vragen en bouwt daarop voort bij vervolgstappen.