/ Модель

Характеристики

Контекст
512 токенов
Параметры
138 млн
Архитектура
bert · dense

custom-legalbert

Заполнение пропусковТекст → текст3 профессии

Англоязычная BERT-модель, обученная на судебных решениях США для заполнения пропусков и дообучения на юридические задачи.

1 820скачиваний за 30 дней21лайквеса обновлены2 июл 2021

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

Custom Legal-BERT — англоязычная модель семейства BERT, разработанная авторами работы «When Does Pretraining Help? Assessing Self-Supervised Learning for Law and the CaseHOLD Dataset». Модель обучена с нуля на корпусе из 3 446 187 судебных решений федеральных судов и судов штатов США, охватывающем период с 1965 года до настоящего времени. Для юридических текстов адаптированы токенизация и сегментация предложений; словарь SentencePiece содержит 32 000 токенов.

Модель с 137,8 млн параметров обучалась 2 млн шагов на задачах masked language modeling и next sentence prediction. Она предназначена для заполнения пропусков в юридическом тексте и может служить основой для дообучения на классификацию и задачи множественного выбора, включая анализ отмены судебных прецедентов, условий обслуживания и CaseHOLD. Контекст составляет до 512 токенов; доступны веса для PyTorch, TensorFlow и Flax.

Модель специализируется на юридическом английском и корпусе судебных решений США, поэтому её пригодность для других языков, правовых систем и широких разговорных задач не установлена. Условия лицензирования в предоставленных сведениях не описаны.

Сценарии применения

  • заполнение пропусков в текстах судебных решений
  • дообучение классификатора юридических документов
  • анализ отмены судебных прецедентов
  • классификация условий обслуживания
  • выбор подходящего прецедента в задаче CaseHOLD

Ограничения

Контекст ограничен 512 токенами; обучение ориентировано на англоязычные судебные решения США, поэтому перенос на другие языки и правовые системы может быть ограничен. Лицензия в предоставленных сведениях не описана.

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

Custom Legal-BERT

Model and tokenizer files for Custom Legal-BERT model from When Does Pretraining Help? Assessing Self-Supervised Learning for Law and the CaseHOLD Dataset.

Training Data

The pretraining corpus was constructed by ingesting the entire Harvard Law case corpus from 1965 to the present (https://case.law/). The size of this corpus (37GB) is substantial, representing 3,446,187 legal decisions across all federal and state courts, and is larger than the size of the BookCorpus/Wikipedia corpus originally used to train BERT (15GB).

Training Objective

This model is pretrained from scratch for 2M steps on the MLM and NSP objective, with tokenization and sentence segmentation adapted for legal text (cf. the paper).

The model also uses a custom domain-specific legal vocabulary. The vocabulary set is constructed using SentencePiece on a subsample (approx. 13M) of sentences from our pretraining corpus, with the number of tokens fixed to 32,000.

Usage

Please see the casehold repository for scripts that support computing pretrain loss and finetuning on Custom Legal-BERT for classification and multiple choice tasks described in the paper: Overruling, Terms of Service, CaseHOLD.

Citation

@inproceedings{zhengguha2021,
    title={When Does Pretraining Help? Assessing Self-Supervised Learning for Law and the CaseHOLD Dataset},
    author={Lucia Zheng and Neel Guha and Brandon R. Anderson and Peter Henderson and Daniel E. Ho},
    year={2021},
    eprint={2104.08671},
    archivePrefix={arXiv},
    primaryClass={cs.CL},
    booktitle={Proceedings of the 18th International Conference on Artificial Intelligence and Law},
    publisher={Association for Computing Machinery}
}

Lucia Zheng, Neel Guha, Brandon R. Anderson, Peter Henderson, and Daniel E. Ho. 2021. When Does Pretraining Help? Assessing Self-Supervised Learning for Law and the CaseHOLD Dataset. In Proceedings of the 18th International Conference on Artificial Intelligence and Law (ICAIL '21), June 21-25, 2021, São Paulo, Brazil. ACM Inc., New York, NY, (in press). arXiv: 2104.08671 \[cs.CL\].

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Ревизия весов
fd49a13

0 моделей