/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Библиотека
transformers
Опубликована
11 июл 2026

xtremedistil-l6-h384-uncased-legal-classification-hpt

Классификация текстаТекст → label5 профессий

Модель классифицирует юридические документы Европейского союза по 29 категориям для организации и маршрутизации правовых материалов.

13скачиваний за 30 дней0лайковвеса обновлены11 июл 2026

Бенчмарки

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

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

IndranilB разработал эту модель как дообученную версию microsoft/xtremedistil-l6-h384-uncased для многоклассовой классификации юридических документов Европейского союза. Модель на базе BERT Encoder содержит 25,9 млн параметров и распределяет документы по 29 категориям, включая регламенты, директивы, решения, рекомендации, заключения и сообщения. Она принимает текст документов на английском языке и предназначена для автоматической категоризации, маршрутизации и организации юридических материалов, а также для использования в системах поиска правовой информации.

Максимальная длина входа — 512 токенов; более длинные документы обрезаются, поэтому важные сведения за пределами этого окна могут быть потеряны. На валидационной выборке указаны точность и micro-F1 68,59%, что следует учитывать при автоматической обработке документов. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • классификация нормативных актов ЕС по типу документа
  • автоматическая сортировка юридических документов
  • маршрутизация правовых материалов в профильные подразделения
  • категоризация документов для поиска по правовой базе
  • классификация регламентов, директив и решений ЕС

Ограничения

Максимальная длина входа составляет 512 токенов, а более длинные документы обрезаются; важная информация в конце документа может быть потеряна. На указанной в README валидационной выборке точность и micro-F1 составляют 68,59%, поэтому результаты могут требовать проверки.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

XtremeDistil-L6-H384 Legal Document Classifier

This model is a fine-tuned version of microsoft/xtremedistil-l6-h384-uncased for multi-class legal document classification.

It classifies European Union legal documents into 29 categories using the document text as input.


Model Details

PropertyValue
Base Modelmicrosoft/xtremedistil-l6-h384-uncased
ArchitectureBERT Encoder
TaskMulti-class Text Classification
Number of Classes29
FrameworkHugging Face Transformers
Fine-tuningFull Fine-tuning

Intended Use

The model is designed for automatic categorization of legal documents.

Example applications include:

  • Legal document organization
  • Regulatory document classification
  • Document routing
  • Legal information retrieval pipelines
  • Research on legal NLP

Dataset

The model was trained on a corpus of European Union legal documents consisting of 29 document categories.

Examples include:

  • Regulations
  • Directives
  • Decisions
  • Recommendations
  • Opinions
  • Communications
  • Other legislative and administrative legal acts

The dataset was split using an 80/20 train-validation split with a fixed random seed.


Training Configuration

Hyperparameters

HyperparameterValue
Epochs5
Learning Rate5e-5
Batch Size16
Gradient Accumulation1
Mixed PrecisionBF16
OptimizerAdamW
Evaluation StrategyEvery Epoch
Checkpoint StrategyEvery Epoch
Early StoppingPatience = 2
Best Model SelectionValidation Accuracy

Tokenization

The original tokenizer from the base model was used.

  • Maximum sequence length: 512 tokens
  • Dynamic padding using DataCollatorWithPadding
  • Documents longer than 512 tokens are truncated

Evaluation

MetricScore
Validation Accuracy68.59%
Micro F168.59%
Validation Loss2.1866

Usage

from transformers import AutoTokenizer
from transformers import AutoModelForSequenceClassification

import torch

model_name = "IndranilB/xtremedistil-l6-h384-uncased-legal-classification-hpt"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

text = "Your legal document goes here."

inputs = tokenizer(
    text,
    truncation=True,
    return_tensors="pt",
)

with torch.no_grad():
    outputs = model(**inputs)

prediction = outputs.logits.argmax(dim=-1).item()

print(prediction)

Training Pipeline

The model was trained using the Hugging Face Trainer API with:

  • Cross-Entropy Loss
  • Automatic Mixed Precision (BF16)
  • Weights & Biases experiment tracking
  • Early stopping
  • Best checkpoint selection based on validation accuracy

Limitations

  • Maximum supported sequence length is 512 tokens.
  • Longer legal documents are truncated before inference.
  • Performance may decrease when critical information occurs beyond the first 512 tokens.

Future improvements include:

  • Long-context transformer models
  • Hierarchical document classification
  • Chunk-based inference
  • Parameter-Efficient Fine-Tuning (PEFT)

Acknowledgements

This work builds upon:

  • Microsoft Research's XtremeDistil
  • Hugging Face Transformers
  • PyTorch
  • Weights & Biases

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertForSequenceClassification
Ревизия весов
91eff10

0 моделей