第 01 章
什么是法律大模型
应用场景
课程目标与学习路径
第 02 章
Python环境配置
PyTorch安装
CUDA与GPU环境验证
Hugging Face库安装
第 03 章
法律文本数据特点
数据采集方法
数据清洗与预处理
数据标注规范
第 04 章
指令微调数据格式
Alpaca / ShareGPT
法律问答对构建
多轮对话数据构造
第 05 章
Tokenizer原理
BPE / WordPiece
法律领域分词挑战
第 06 章
Transformer回顾
LLaMA架构详解
ChatGLM架构特点
法律领域模型选型
第 07 章
低秩适配原理
LoRA参数配置
为什么LoRA适合法律微调
第 08 章
4-bit量化原理
NF4数据类型
双重量化
分页优化器
第 09 章
连续提示学习
P-Tuning v2原理
与LoRA的对比
第 10 章
全参数微调原理
显存优化策略
梯度累积与混合精度
第 11 章
LLaMA-Factory介绍
框架安装与配置
配置文件详解
第 12 章
单卡LoRA微调流程
训练参数设置
启动训练与监控
第 13 章
DeepSpeed ZeRO Stage
张量并行与流水线并行
多卡训练配置
第 14 章
TensorBoard使用
Loss曲线分析
学习率调度策略
第 15 章
Checkpoint保存策略
模型合并
格式转换(Hugging Face)
第 16 章
vLLM部署框架
量化推理(GPTQ/AWQ)
API服务搭建
第 17 章
法律条文注入方法
司法解释数据增强
案例库构建
第 18 章
思维链(CoT)在法律应用
法律逻辑推理数据构造
第 19 章
判决书生成
起诉状生成
法律意见书生成
第 20 章
法律咨询问答
法条检索问答
案例匹配问答
第 21 章
命名实体识别(NER)
关系抽取
事件抽取
第 23 章
自动评估指标(BLEU/ROUGE/F1)
人工评估标准
法律领域评估集构建
第 24 章
OpenCompass评测框架
法律评测基准(LawBench)
评测结果分析
第 25 章
回译增强
同义词替换
法律文本生成增强
第 26 章
问题分析
EWC (弹性权重巩固)
多任务学习缓解策略
第 27 章
人类反馈强化学习原理
DPO (直接偏好优化)
法律场景偏好对齐
第 28 章
法律大模型安全风险
内容过滤
合规性检查