[控场AI]
模型

JurisCoT-SFT

一种用于法律推理大模型的两阶段训练框架中的第一阶段监督微调方法,通过长度归一化的双目标学习平衡推理链和答案的监督信号。

时间轴 (近 90 天)

11月13日

论文提出了JurisCoT-SFT,对推理链和最终答案分别计算损失,并按序列长度做归一化,使两部分的学习信号处于可比较的量级。

待验证50%
11月13日

实验结果显示,该框架在推理链质量和最终答案准确率上均有稳定提升,且模型在与更大规模模型对比时保持竞争力。

待验证50%
11月13日

论文强调的提升是'一致性'的——不是某个单项指标暴涨,而是推理链质量和最终答案准确率两个维度同时改善。

待验证50%
11月13日

该框架的通用性仍需验证,两阶段训练对数据质量的依赖程度、以及奖励调度策略在跨法系场景下的稳定性都是后续值得关注的问题。

待验证50%

全部知识事实 (4)

来源文章