记录研究中的方法,也分享项目与技术探索。
从后续环境观测中提炼监督信号,改进 Agent 的强化学习训练。
先观察学生后续轨迹是否改善,再决定保留哪些教师指导用于蒸馏。
从被告角色与判决结果出发,让多被告案例检索更贴近法律推理。
让 Agent 学会何时调用技能、何时跳过,而不是一味增加技能调用。
当法条发生修订,检验司法预测模型能否相应调整判断。
不只看召回率,用诊断性测试评估案例检索中的法律推理能力。
把涉案金额的定量推理引入判决预测,更好地连接案情与量刑。
主题总览 »