arXiv：cs.CL（计算语言学，全量分类）· Yida Cai, Xin Dai, Bingxiang He, Huiyuan Xie, Yuxiao Ye, Zhenghao Liu, Yang Bai, Zhiyuan Liu·· 3 小时前AI 评分32
LexReward：面向法律语言模型的分类驱动奖励框架
LexReward: A Taxonomy-Driven Reward Framework for Legal Language Models
AI 导读
LexReward 是一个面向法律语言模型的分类驱动奖励框架，从 Style、Element、Chain 三个维度刻画法律回答质量，并为每个维度制定评分细则。基于该奖励构建的偏好数据用于 DPO 训练，在三个维度上均提升表现；其训练出的奖励模型 LexRM 无需参考答案即可通过强化学习提升对应维度的策略表现。
来源：arXiv：cs.CL（计算语言学，全量分类） · arxiv.org