CN120278126A 基于三段式grpo强化学习的裁判文书摘要生成方法 （湖南工商大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120278126A

(43)申请公布日2025.07.08

(21)申请号202510758056.1

(22)申请日2025.06.09

(71)申请人湖南工商大学

地址410205湖南省长沙市岳麓区岳麓大

道569号

(72)发明人彭晗阮日青张技权李紫慕张金传刘星宝吴博任剑

(74)专利代理机构长沙轩荣专利代理有限公司43235

专利代理师丛诗洋

(51)Int.Cl.

G06F40/166(2020.01)

G06F40/205(2020.01)

G06N5/04(2023.01)

G06N20/00(2019.01)

权利要求书3页说明书10页附图2页

(54)发明名称

基于三段式GRPO强化学习的裁判文书摘要

生成方法

(57)摘要

CN120278126A本发明实施例中提供了一种基于三段式GRPO强化学习的裁判文书摘要生成方法，属于数据处理技术领域，具体包括：步骤1，建模三段式思维链；步骤2，根据三段式思维链对原始裁判文书数据集进行数据蒸馏与分层，得到不同类型的数据集，其中，所述类型包括高相关性、中相关性和低相关性；步骤3，使用高相关性数据集对大语言模型进行SFT监督微调训练；步骤4，利用全部数据集对训练后的大语