清华 NLP 推出 LexReward:三维分类体系驱动法律大模型奖励建模
TsinghuaNLP · hf · 2026-10-05
清华 NLP 发布 LexReward,一个分类体系驱动的法律奖励建模框架,解决现有奖励方法粗粒度、缺乏领域可解释性的问题。
- 三维质量分类:Style(词汇与句法质量)、Element(法律主体、事实、法条与裁判)、Chain(推理顺序、完整性、正确性与无冗余)
- 为每个维度制定 rubric,明确评价标准与质量等级
- 产出用于构建成对偏好数据,支持 DPO 训练与奖励模型训练,后者在三个维度上均提升表现
- 维度专属奖励模型 LexRM 可通过强化学习优化对应维度,且奖励时无需参考答案
实验证明 rubric 奖励能可靠区分不同质量的法律回答,分类体系与奖励构建方式均有效。
「研究」频道最新
- BitDecoding-FP4:原生 FP4 KV 缓存解码,精度不输 BF16 — kalyan_kpl · 2026-11-20
- ICML 2026 论文:多智能体 LLM 辩论会涌现集体偏见,源自阿伦特'平庸之恶' — Hidenori8Tanaka · 2026-11-20
- 腾讯 WeVisForensics:自进化 Agent 检测 AI 生成视频 — tencent · 2026-11-20
- KAIST VSpark:投机解码让 VLA 机器人模型提速至 2.1 倍 — kaist-ai · 2026-11-20
- 字节 FlashMorph2:在线策略层选择改造混合注意力模型 — ByteDance-Seed · 2026-11-20
- 亚马逊 CompoundingKernel:自进化 Agent 写 GPU 核冲上榜单第一 — AmazonScience · 2026-11-20