arXiv · Computation and Language· Yida Cai, Xin Dai, Bingxiang He, Huiyuan Xie, Yuxiao Ye, Zhenghao Liu, Yang Bai, Zhiyuan Liu·· 3 小时前AI 评分34
LexReward：面向法律语言模型的分层奖励框架
LexReward: A Taxonomy-Driven Reward Framework for Legal Language Models
AI 导读
LexReward 提出基于 Style、Element、Chain 三维的法律响应质量评估框架，为每个维度制定评分标准并生成配对偏好数据，用于 DPO 训练与奖励模型学习。实验表明该奖励信号能有效区分不同质量的法律回答，且 DPO 训练在三个维度上均提升性能；学习到的 LexRM 奖励模型可在强化学习中按维度优化策略，无需参考答案。
来源：arXiv · Computation and Language · arxiv.org