Harvey 如何用生成式奖励模型（GRM）增强复杂法律领域的人类偏好

Harvey 提出用生成式奖励模型（GRM）解决律师偏好判断难以对齐的问题：其人类偏好研究显示，律师仅在 25% 的对比中达成一致，Fleiss' κ 仅 0.129，前三名模型的一致率降至 11%。Harvey 在 Moonshot K3 技术报告的 GRM 协议基础上扩展，为 GRM 配备可核查原始环境或网络事实的子智能体，并按准确性、覆盖度、依据、推理、对齐、风格、语气等轴标注评分标准。