您好，感谢您的关注，

• 训练数据方面，我们已将自主构建的核心数据以论文的形式发表[1]，对应的构建方法和数据请参考 paper code link。

• 训练方式、训练代码和数据处理等与目前比较流行的集成训练框架（如 ChatGLM-Efficient-Tuning (archived) 和 LLaMA-Factory 等）类似。我们参考的是非常早期时的 ChatGLM-Efficient-Tuning (archived) 开源项目 以及 GLM 和 LLaMA 的训练，而最新的此类框架已经非常完善，可以直接使用和训练。

[1]. Wentao Deng, Jiahuan Pei, Keyi Kong, Zhe Chen, Furu Wei, Yujun Li, Zhaochun Ren, Zhumin Chen, and Pengjie Ren. 2023. Syllogistic Reasoning for Legal Judgment Analysis. In Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing, pages 13997–14009, Singapore. Association for Computational Linguistics.