Unilaw-R1：基于强化学习与迭代推理的法律推理大语言模型
计算与语言
2025-12-09 v2
摘要
尽管推理导向的大语言模型（LLM）正在快速演进，但其在处理复杂法律问题方面的能力仍未得到充分探索。本文我们提出Unilaw-R1，这是一个专为法律推理设计的大语言模型。该模型在70亿参数规模上实现了轻量化，显著降低了部署成本，同时有效应对法律领域的三个核心挑战：法律知识不足、推理逻辑不可靠以及业务泛化能力弱。为此，我们首先构建Unilaw-R1-Data，包含1.7万个提炼筛选后的链式思维（CoT）样本的高质量数据集。基于此，我们采用结合监督微调（SFT）和强化学习（RL）的两阶段训练策略，显著提升了在复杂法律推理任务上的性能，支持法律AI应用中可解释的决策。为评估法律推理能力，我们还引入Unilaw-R1-Eval，一个专为评估单选与多选法律任务而设计的专项基准。Unilaw-R1在权威基准测试上表现突出，超越了规模相似的所有模型，并与规模更大的DeepSeek-R1-Distill-Qwen-32B（54.9%）达到相当水平。在完成领域特定训练后，它在LawBench和LexEval上的表现显著提升，平均超过Qwen-2.5-7B-Instruct（46.6%）6.6个百分点。
引用
@article{arxiv.2510.10072,
title = {Unilaw-R1: A Large Language Model for Legal Reasoning with Reinforcement Learning and Iterative Inference},
author = {Hua Cai and Shuang Zhao and Liang Zhang and Xuli Shen and Qing Xu and Weilin Shen and Zihao Wen and Tianke Ban},
journal= {arXiv preprint arXiv:2510.10072},
year = {2025}
}