LexRM

新的LexReward框架增强了法律语言模型的评估能力

研究人员推出LexReward，一个旨在提高法律语言模型质量和可解释性的新框架。这种由分类法驱动的方法通过三个维度评估法律响应：风格（词汇和句法质量）、要素（法律主题、事实、法规和判决）和链条（法律推理的顺序、完整性和正确性）。通过使用这些标准来创建直接偏好优化（DPO）的偏好数据，LexReward提高了模型性能，并允许进行特定维度的奖励模型，从而在无需参考答案的情况下提高策略性能。