随着人工智能在高合规性领域的深入应用，如何在保障模型表达能够满足严格法规约束，成为大语言模型面临的核心挑战。针对现有方法存在的标注成本高、难以适应动态监管场景及偏好与规则冲突等问题，本文提出一种基于合规知识库反馈的强化学习微调框架（RLKBF， Re...