Характеристики

Контекст: 262 144 токена
Размер весов: 1,2 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_5 · dense
Базовая модель: d3-edge
Опубликована: 12 окт 2026

Ссылки

d3-edge-indo-legal

Классификация без дообученияТекст → label

Дообученная компактная модель выбирает переходы по дереву индонезийских нормативных актов, чтобы находить главы и статьи для юридического поиска.

0скачиваний за 30 дней0лайковвеса обновлены12 окт 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

ersaasyhar/d3-edge-indo-legal — дообученная модель принятия решений на базе vllm-sr/d3-edge для навигации по иерархическому дереву нормативных актов Индонезии. Она выбирает переходы между уровнями структуры: от корня к главе (root_to_bab) и от главы к статье (bab_to_pasal), помогая находить нужные фрагменты законодательства и отвечать на вопросы по ним через поиск в D3Navigator.

Модель построена на плотной архитектуре Qwen3.5 с 0,6 млрд параметров и линейным выходным слоем на 255 вариантов. В README приведены результаты проверки: точность 35,5% против 11,5% у базовой модели. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Язык карточки — индонезийский.

Сценарии применения

Поиск главы индонезийского закона по вопросу пользователя
Переход от главы нормативного акта к подходящей статье
Навигация по структуре законов и правительственных постановлений Индонезии

Ограничения

Валидационная точность 35,5% указывает, что выбор перехода может быть ошибочным; результаты следует проверять по первоисточникам. Специализация ограничена навигацией по иерархии нормативных актов Индонезии.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ersaasyhar/d3-edge-indo-legal

Fine-tuned decision model based on vllm-sr/d3-edge (0.6B) specialized for Indonesian statutory tree navigation trajectories (root_to_bab and bab_to_pasal).

Model Details

Base Architecture: Qwen3.5 0.6B with 255-way linear readout (readout.safetensors).
Domain: Indonesian legal tree navigation (Undang-Undang, Peraturan Pemerintah).
Optimization: 5-Epoch Elbow Method (Optimal Knee Point: Epoch 4).
Validation Accuracy: 35.50% (Baseline: 11.50%).
Validation Loss: 2.1660 (Baseline: 3.0134).
Training Trajectories: ersaasyhar/d3-indo-legal-navigation.

Elbow Method Convergence Curve

D3 Elbow Curve

Usage with D3Navigator

from src.tree_reasoning.d3_navigator import D3Navigator

navigator = D3Navigator(model_name="ersaasyhar/d3-edge-indo-legal")
results = navigator.retrieve("Apa syarat pendirian perseroan terbatas?", top_k=5)
for chunk in results:
    print(f"{chunk.doc_id} - {chunk.title} (p. {chunk.page_number})")

Как запустить

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

GPU в ailist

Универсальный рантайм · zero-shot-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen3_5Model
Ревизия весов: bf11211