Harvey、長期的法務エージェント向けモデル「Harvey Tenet」を公開

記事の3ポイント

1. 1

   技術的基盤と学習手法

   Tenet は Kimi K3 ベースモデルを Fireworks との連携で非同期強化学習（RL）により微調整したもので、合成データ、公開法務データ、専門家データを組み合わせて訓練された。

2. 2

   ベンチマークでの性能向上

   Harvey の法務エージェントベンチマーク（LAB）において、ベースモデルと比較して完了タスク数が約2倍に増加し、契約関連タスクでは合格率が9ポイントと2ポイントそれぞれ向上した。

3. 3

   汎用性とコスト効率

   訓練データに含まれていない外部ベンチマークでも性能が転移し、より短い処理軌道を選択する報酬設計により、品質を維持しながらトークン消費量を削減している。