/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B
Библиотека
transformers
Опубликована
22 сен 2026

prabhasa-nyaya-step2-sft-arm-c-discrim16

Генерация текстаТекст → текст3 профессии

Модель AxisMeru на базе Qwen2.5-3B для генерации формализованных доказательств применимости отдельных норм индийского уголовного законодательства с проверкой Lean 4.

233скачиваний за 30 дней0лайковвеса обновлены22 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

prabhasa-nyaya 3B — вариант Qwen2.5-3B, дообученный командой AxisMeru для формализованного анализа отдельных положений индийского уголовного законодательства. Это плотная авторегрессионная языковая модель на 3,1 млрд параметров с контекстом до 32 768 токенов; она принимает текстовые запросы в специальном сыром формате и выдаёт структурированные доказательства, отказы и ссылки на нормы, рассчитанные на проверку Lean 4. Модель обучалась на примерах по 14 прочтениям статей IPC и BNS, включая доказательства, пропуски и определение применимой нормы.

В оценке с грамматически ограниченной генерацией и Lean-проверкой приняты 108 из 377 доказательств; среди 389 случаев, где нормы не должны применяться, доля ложных доказательств составила 1,03%, но корректные отказы получались лишь в 1,8% случаев. Результаты основаны на одном запуске и существенно зависят от ограниченного декодирования и проверяющей системы; свободная генерация работает хуже. Формат запросов должен соответствовать обучающему шаблону: чат-формат для модели нехарактерен. Это исследовательский артефакт, не предназначенный для юридических рекомендаций; охват ограничен указанными прочтениями законов, без судебной практики. Производная распространяется по лицензии Qwen Research Licence: некоммерческое исследовательское использование, для коммерческого требуется разрешение Alibaba Cloud.

Сценарии применения

  • формирование структурированного доказательства применимости нормы IPC или BNS
  • определение применимой нормы среди ограниченного набора статей индийского законодательства
  • подготовка формализованных юридических доказательств для проверки Lean 4

Ограничения

Охватывает только 14 прочтений указанных статей IPC и BNS, не включает судебную практику и не предназначена для юридических рекомендаций. Корректные отказы редки; опубликованные результаты получены в одном запуске с ограниченным декодированием и Lean-проверкой, а свободная генерация работает хуже.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

prabhasa-nyaya 3B — order + volume + 16 confusable negatives (arm_c_ordervol_discrim16)

The best configuration as of 2026-09-22. It adds 16 "looks like section X but isn't" training cases, which bring false proofs under the 2% ceiling.

MeasureResult
Proofs accepted by the Lean checker108 / 377 (28.65%)
False proofs on cases that should not apply4 / 389 (1.03%): under the 2% ceiling
Correct refusals7 / 389 (1.8%): far below the 90% target

195 of the 263 malformed outputs declare ELEMENT elN GUNA where NODE elN GUNA belongs. No training row does this; the error arises during training.

How it was trained

  • Base: Qwen/Qwen2.5-3B (the pretrained base, not Instruct), with full-parameter supervised fine-tuning on the local RTX 5090 (about 14 min, ~24 GB peak).
  • Prompts: raw text, not a chat template. The model was trained on the raw prompt format rendered by render_prompt() in prabhasa_nyaya/p2b_preflight.py; chat-formatted prompts are off-distribution.
  • Data: the P2b training tiers of AxisMeru/prabhasa-nyaya (private): 344 teacher-written, Lean-verified proof/omission examples over 14 Indian statute readings (IPC 405/415/416/182, BNS 46/47/69/85), plus abstain and statute-identification rows. The abstain tier was downsampled from 5,255 to 1,000 rows and trained before the proofs ("order + volume"), which fixed an earlier collapse onto a single repeated template.
  • Output: a line-by-line structured proof (the "wire" format: NODE / CLAIM / PRATIJNA / HETU / UDAHARANA / UPANAYA / NIGAMANA / HETVABHASA / CITE / ABSTAIN / ANSWER) that a compiled Lean 4 checker (sha-pinned 9bff8f30) accepts or rejects.

How it was evaluated

Grammar-constrained decoding (WireGrammarLogitsProcessor, repetition_penalty 1.15) on the frozen P2b evaluation set: 377 cases where a section applies and 389 where it should not. Figures are single runs, one seed.

Limits — read before use

  • Research artifact, not legal advice. Covers 14 statute readings only; no case law.
  • Correct refusal is not solved: most "should not apply" cases produce malformed output rather than a clean abstention.
  • Scores are meaningful only with the constrained decoder and the Lean checker. Unconstrained free generation is much worse.
  • Licence: a derivative of Qwen2.5-3B under the Qwen Research Licence (included). Non-commercial research use; commercial use requires permission from Alibaba Cloud. Built with Qwen.

Part of the Prabhāsa-Nyāya programme (AxisMeru). Training metrics are in training_metrics.json; the evaluation summary is in eval_summary.json.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
0269825

0 моделей