基于大语言模型的法律问答事实性增强方法、系统及设备

本发明公开了一种基于大语言模型的法律问答事实性增强方法、系统及设备，属于智能司法领域。本发明的方法首先基于大语言模型构造第一训练数据集以及第二训练数据集，使用监督微调的方法在第一训练数据集和第二训练数据集上对大语言模型基座进行微调，得到微调后的模型，利用基于难样本感知的强化学习算法对微调后的模型进行若干次迭代微调，直至达到预设的迭代轮次阈值或者模型收敛，得到法律问答模型。本发明构造了两阶段的高质量训练数据，并基于难样本感知的强化学习算法增强法律问答事实性，具有良好的应用前景。