介绍 Tenet，我们首款针对法律领域进行后训练的模型。

Tenet 是基于 Kimi K3 的模型，我们与
@FireworksAI_HQ
合作，使用公开可用的法律数据、合成数据以及模拟长时程法律工作的专家数据对其进行后训练。

训练使 Tenet 在 LAB 上的全通过率提高了 82%，在 LAB Contracts 上的通过率提高了 22%，相较于 Kimi K3 基础模型。它在 LAB Contracts 上达到了最先进的性能，并在 LAB 上排名第二。

这些提升也泛化到了其他领先的代理基准测试，包括
@mercor
的 Apex Agents - Corporate Law、
@crosbylegal
的 Redline Bench，以及
@scale_AI
的 Professional Reasoning Bench。

Tenet 还针对令牌效率进行了优化，其运行成本不到领先基础模型的四分之一。

我们额外为 Tenet 后训练了三款专属模型，作为其子代理使用：

1) 并购尽职调查：与
@baseten
合作，在我们的 LAB Diligence 环境中使用 RLM 框架进行后训练，该模型针对大规模、长时程任务进行了优化。

2) 审查表格：与
@appliedcompute
合作，在我们的 Review Table 环境中进行训练，该模型在高容量文档审查和结构化数据提取方面达到了最先进的性能且成本效益高。

3) 律所知识：与
@EngramLab
合作，在我们的合成律所环境中进行训练，该模型针对通过记忆和结构化笔记来学习和搜索律所知识进行了优化。

有关模型训练、环境设计、基准测试、结果等的更多细节，请参阅
@gabepereyra
下方的文章。

Harvey 研究的下一步是什么？
- 将 LAB 扩展到更多司法管辖区、实践领域和工作流程
- 扩展计算资源，为 Harvey 带来新的通用模型和能力

更多内容即将推出。