/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
16,1 ГБ
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
2 июл 2025

qwen3-4b-legal-pretrain

Генерация текстаТекст → текст3 профессии

Дообученная на вьетнамских юридических текстах языковая модель для генерации ответов и работы с правовыми материалами.

430скачиваний за 30 дней0лайковвеса обновлены3 июл 2025

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

VLSP 2025 LegalSLM Task Organizers разработали эту плотную причинно-языковую модель на архитектуре Qwen3 для генерации текста в юридической области. Это дообученная версия Qwen/Qwen3-4B с дальнейшим предобучением на корпусе примерно из 144 тысяч вьетнамских текстов: официальных правовых документов, новостей и комментариев. Модель предназначена для понимания юридических текстов и ответов на вопросы по ним.

Модель содержит 3,7 млрд параметров, использует библиотеку Transformers и формат safetensors. Метаданные указывают контекст до 40 960 токенов; в README для обучения указана максимальная длина последовательности 4096 токенов. Основной язык и область специализации — вьетнамский и право. Лицензия в предоставленных данных не указана.

Сценарии применения

  • ответы на вопросы по вьетнамским законам и кодексам
  • поиск и объяснение положений правовых документов
  • подготовка черновиков текстов на юридическую тематику
  • анализ вьетнамских юридических новостей и комментариев

Ограничения

Специализация модели ограничена вьетнамскими юридическими текстами, поэтому её надёжность для других языков и областей не подтверждена. README указывает длину последовательности 4096 токенов, тогда как метаданные каталога задают контекст 40 960 токенов.

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

🧠 Vietnamese Legal Base Model - Qwen1.7B (Pretrained)

This model is a Vietnamese legal-domain base model pretrained from Qwen-4B, adapted specifically for legal text understanding and legal question answering tasks.

📌 Overview

  • Base model: Qwen-4B
  • Domain: Vietnamese legal language
  • Training objective: Continual pretraining on legal-domain texts

📚 Training Data

The model was continually pretrained on a curated corpus of Vietnamese legal texts, including:

  • Official legal documents (laws, codes, decrees, etc.)
  • Legal news articles and commentary

📊 Dataset Statistics

The training corpus includes a total of approximately 144,000 Vietnamese texts categorized as follows:

  • ~96,000 legal documents: Official sources such as laws, decrees, circulars,...
  • ~48,000 legal news articles: Collected from online legal news portals, featuring case studies, legal interpretations,...

Training Configuration

The model was trained using full-parameter fine-tuning (no quantization or LoRA). Below is the training setup used for continual pretraining:

🔧 Model & Tokenization

  • Base model: Qwen/Qwen3-4B
  • Maximum sequence length: 4096
  • Block size: 4096

All texts were collected from publicly available and legally permitted sources, then preprocessed to ensure quality and consistency for domain adaptation.

🚀 Example Usage

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("VLSP2025-LegalSML/qwen3-4b-legal-pretrain")
model = AutoModelForCausalLM.from_pretrained("VLSP2025-LegalSML/qwen3-4b-legal-pretrain")

🧑‍💼 Maintainers

This model is developed and maintained by the VLSP 2025 LegalSLM Task Organizers.

For inquiries, please contact: leanhcuong@tdtu.edu.vn

⚠️ License & Usage

This model is released for research purposes only under the scope of the VLSP 2025 Evaluation Campaign. Any use outside the competition must comply with relevant data and model licensing agreements.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
06c1914

0 моделей