**LexReward:面向法律大模型的分类驱动奖励框架** _LexReward: A Taxonomy-Driven Reward Framework f
原帖
**LexReward:面向法律大模型的分类驱动奖励框架**
_LexReward: A Taxonomy-Driven Reward Framework for Legal Language Models_
> 该论文提出 LexReward 框架,从风格、要素和推理链三个维度构建法律响应质量评估标准。通过基于评分细则的奖励信号生成偏好数据,用于 DPO 训练及奖励模型构建。实验表明,该方法能有效区分不同质量的法律回答,并在无需参考答案的情况下,通过强化学习显著提升模型在各维度的表现。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-05 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.39071)