垂直模型对齐怎么做：把奖励规则写成代码，再跑 GRPO
金融、医疗、法律任务里，很多错误可以直接核验。GRPO 去掉 Critic 后，可用代码奖励替代一部分奖励模型；省下价值网络的同时，采样开销、规则漏洞和评测压力会更突出。
阅读全文
Search
站内搜索
关键词：法律AI
找到 2 篇相关文章
不用脱敏也能审合同？Claude 4.0沙盒模式怎么拿下法务信任
Claude 4.0推出沙盒模式，承诺数据不用于训练、处理后自动销毁，直击企业法务痛点。杭州、合肥、深圳三家企业实测显示，该模式不仅将合同审阅时间从数小时压缩至分钟级，还帮助团队识别出多项重大违约风险条款。在欧盟AI法案
阅读全文