智谱把 harness 和模型一起训出一个法律模型。Harvey LAB 全过率 19.2%。
Z.ai 周一发布 GLM-Legal，基于轻量的 GLM-5.3-Flash 训出来的法律专用模型，帖子在 Hacker News 拿了 366 分。头条数字是 Harvey 法律 agent 基准的全过率 19.2%，这是最严的评分方式，交付物只有每一条标准都过才算数，比基座模型高 12.5 个点；LegalBench 和中文实务的 PLawBench 上跟闭源前沿打平。Meta 同一天的 Muse Wonder 模型卡也引用 Harvey LAB，说明法律工作产出已经成了前沿模型的标准计分板。
有意思的是方法不是分数。Z.ai 描述了先用更大的法律语料做中期训练，再在几万个模拟法律环境里做 RL，然后直说 harness 和模型是同步训练的：训练里冒出来的边缘案例暴露 harness 的瓶颈，harness 改了又让模型面对更真实的执行约束，再把执业者的生产反馈变成损失信号，有没有漏掉问题、引用站不站得住、下游团队能不能不返工直接用。harness 被当成可训练的组件，不是外壳。这就是"harness 不是模型的附属"这个论点由一家实验室写成训练配方，而且是在一个 harness 得打开 Word 文件、留下修订痕迹的领域。
例子把差别说清楚了。让它审一条退出条款，基座模型建议缩短通知期。GLM-Legal 把通知期从 60 天砍到 30 天，删掉知识产权和数据安全违约的补救期让客户能立即解约，再加上按供应商现行费率提供 90 天过渡协助，然后 AutoClaw 带批注写进文档。40 份文件的项目纠纷里，它把 9 月 30 日的"进度正常"报告跟 9 月 8 日内部那封"里程碑无法如实达成"的警告对着读。产出像初级律师的工作成果，不像摘要。
该打的折扣跟今年每个垂直模型一样：Z.ai 领先的那个基准是 Harvey 做的，部署落点是 Z.ai 自家的 AutoClaw 桌面 agent，还没上线。19% 全过率也意味着五件事里四件至少挂一条标准。但一个 Flash 体量的模型在法律推理上追平前沿，harness 算进模型的一部分，这是目前有人展示过的通往专业级 agent 最便宜的路。
博客：https://z.ai/blog/glm-legal
← 返回所有文章
有意思的是方法不是分数。Z.ai 描述了先用更大的法律语料做中期训练，再在几万个模拟法律环境里做 RL，然后直说 harness 和模型是同步训练的：训练里冒出来的边缘案例暴露 harness 的瓶颈，harness 改了又让模型面对更真实的执行约束，再把执业者的生产反馈变成损失信号，有没有漏掉问题、引用站不站得住、下游团队能不能不返工直接用。harness 被当成可训练的组件，不是外壳。这就是"harness 不是模型的附属"这个论点由一家实验室写成训练配方，而且是在一个 harness 得打开 Word 文件、留下修订痕迹的领域。
例子把差别说清楚了。让它审一条退出条款，基座模型建议缩短通知期。GLM-Legal 把通知期从 60 天砍到 30 天，删掉知识产权和数据安全违约的补救期让客户能立即解约，再加上按供应商现行费率提供 90 天过渡协助，然后 AutoClaw 带批注写进文档。40 份文件的项目纠纷里，它把 9 月 30 日的"进度正常"报告跟 9 月 8 日内部那封"里程碑无法如实达成"的警告对着读。产出像初级律师的工作成果，不像摘要。
该打的折扣跟今年每个垂直模型一样：Z.ai 领先的那个基准是 Harvey 做的，部署落点是 Z.ai 自家的 AutoClaw 桌面 agent，还没上线。19% 全过率也意味着五件事里四件至少挂一条标准。但一个 Flash 体量的模型在法律推理上追平前沿，harness 算进模型的一部分，这是目前有人展示过的通往专业级 agent 最便宜的路。
博客：https://z.ai/blog/glm-legal
评论