LexReward：法律语言模型可解释奖励框架

发生了什么

Hugging Face Papers发布研究论文，介绍LexReward框架。该框架通过风格、法律要素和推理链三个维度评估法律响应质量，构建可解释奖励用于偏好优化和强化学习。实验表明，基于规则的训练能提升各维度性能，且无需参考即可进行下游优化。