Harvey推出法律领域后训练模型Tenet，基于Kimi K3，性能提升。

RT @harvey: 介绍Tenet，我们第一个为法律领域后训练的模型。Tenet基于Kimi K3基础模型，我们与@FireworksAI_HQ一起，在公开法律数据、合成数据和模拟长时程法律工作的专家数据语料上进行了后训练。与Kimi K3基础模型相比，训练使Tenet在LAB上的完全通过率提高了82%，在LAB Contracts上提高了22%。它在LAB Contracts上达到了最先进的性能，在LAB上排名第二。这些提升也泛化到了其他主流智能体基准，包括@mercor的Apex Agents - Corporate Law、@crosbylegal的Redline Bench和@scale_AI的Professional Reasoning Bench。Tenet还针对token效率进行了优化，运行成本不到领先基础模型的四分之一。我们还额外后训练了三个专家模型，供Tenet作为子智能体使用：1) 并购尽职调查：与@baseten一起在我们的LAB尽职调查环境中以RLM框架后训练，该模型针对高规模、长时程任务进行了优化。2) 审查表：与@appliedcompute在我们的审查表环境上训练，该模型在大批量文档审查和结构化数据提取方面具有最先进且成本效益高的表现。3) 律所知识：与@EngramLab在我们的合成律所环境上训练，该模型优化用于通过记忆和结构化笔记学习和检索律所知识。关于模型训练、环境设计、基准测试、结果等更多细节，请参阅下面@gabepereyra的文章。Harvey的研究下一步是什么？- 将LAB扩展到更多司法管辖区、业务领域和工作流程- 扩展计算能力，为Harvey带来新的通用模型和能力。敬请期待。