/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
qwen2.5-7b-legal-id-sft
Библиотека
transformers
Опубликована
7 июл 2026

qwen2.5-7b-legal-id-grpo

Генерация текстаТекст → текст3 профессии

Дообученная методом GRPO модель Qwen2.5-7B отвечает на бахаса-индонезия на вопросы по трудовому праву Индонезии, показывая рассуждение перед ответом.

138скачиваний за 30 дней0лайковвеса обновлены7 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

Qwen2.5-7B Legal ID — GRPO — языковая модель на базе Qwen2.5, дообученная Haikal1623 методом GRPO поверх haikal1623/qwen2.5-7b-legal-id-sft. Она предназначена для вопросов и ответов по трудовому законодательству Индонезии и выдаёт ответ на бахаса-индонезия, предваряя его рассуждением в тегах think.

Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. При обучении поощрялись соблюдение формата, развёрнутость рассуждения, близость к эталонным ответам и сохранение языка ответа. Это второй этап трёхэтапной системы; следующий этап добавляет поиск по текстам нормативных актов.

Модель подходит для подготовки черновых ответов и демонстрации хода рассуждения, но не заменяет юридическую консультацию. Рассуждения не проверены и могут привести к уверенно изложенному неверному выводу; модель ограничена изученным материалом по трудовому праву Индонезии и не учитывает последующие поправки. Формальный бенчмарк юридической точности не проводился, а ответы длиннее, чем у базовой SFT-модели. Лицензия — Apache-2.0.

Сценарии применения

  • Подготовка чернового ответа на вопрос о трудовом законодательстве Индонезии
  • Разъяснение типовых вопросов о правах работников в Индонезии
  • Получение ответа на бахаса-индонезия с видимым ходом рассуждения
  • Подготовка материалов для системы юридических ответов с поиском по нормативным актам

Ограничения

Видимое рассуждение не подтверждает правильность ответа: модель может уверенно ошибаться и не учитывает последующие изменения законодательства. Формальный бенчмарк юридической точности не проводился; ответы длиннее, чем у базовой SFT-модели.

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

Qwen2.5-7B Legal ID — GRPO (reasoning)

An Indonesian labour-law model that reasons out loud before it answers, trained with GRPO (Group Relative Policy Optimization) on top of haikal1623/qwen2.5-7b-legal-id-sft.

It emits its reasoning inside visible think tags and then gives the answer in Bahasa Indonesia — so a reader can see why it reached a conclusion, which matters a lot more for legal questions than a bare answer does.

Stage 2 of 3. Stage 1 is the SFT model above; stage 3 is a retrieval layer over the actual regulation texts.

Trained end to end on a single 8 GB RTX 4060 Ti plus free Kaggle GPU sessions.

What makes this one different

Most GRPO work rewards correctness alone. Here the reward is shaped by four separate functions, because a legal answer can be right and still unusable:

RewardWhat it pushes the model toward
Format complianceKeeping reasoning inside think tags so it can be parsed and shown separately
Reasoning lengthActually working through the problem instead of jumping to a verdict
ROUGE-L correctnessStaying close to the reference answer
Language purityAnswering in Bahasa Indonesia without drifting into English mid-sentence

That last one is the practical problem with most multilingual fine-tunes for Indonesian: the model starts in Bahasa and finishes in English. Rewarding language purity directly turned out to matter more than expected.

Intended use

Indonesian labour-law Q&A where the user needs to see the reasoning, not just the answer.

Not legal advice. The visible reasoning makes the model easier to audit — it does not make it correct. In the system this came from, answers are grounded against retrieved regulation text before a user ever sees them. Used bare, it can reason fluently to a wrong conclusion.

Training

Starting pointhaikal1623/qwen2.5-7b-legal-id-sft
MethodGRPO via Unsloth + TRL
Reward designFour custom functions (table above)
DomainIndonesian labour-law regulations
HardwareRTX 4060 Ti 8 GB; heavier runs on free Kaggle GPU sessions

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "haikal1623/qwen2.5-7b-legal-id-grpo"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

messages = [
    {"role": "user", "content": "Apakah perusahaan boleh memutus kontrak PKWT sebelum masa berakhir?"},
]
inputs = tokenizer.apply_chat_template(
    messages, add_generation_prompt=True, tokenize=True,
    return_dict=True, return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=1024)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))

The response contains a reasoning block followed by the answer. Parse out the think section if you only want to show users the conclusion.

Running it on a small GPU

The full three-stage pipeline was built under an 8 GB VRAM ceiling. Two decisions made that work:

  1. Embedding and reranking stay on CPU. The GPU is reserved entirely for the LLM. Slower per query, but it means the whole thing fits.
  2. The heavy stages ran on free Kaggle GPU sessions — fine-tuning and reasoning RL — while everything else ran locally.

If you are trying to do reasoning RL on consumer hardware, those two choices are most of the answer.

Limitations

  • Visible reasoning is not verified reasoning. It can be confidently and fluently wrong.
  • Bounded to the Indonesian labour-law material it was trained on; no post-training amendments.
  • Longer outputs than the SFT model by design — budget for the extra tokens.
  • No formal legal-accuracy benchmark has been run.

Citation and contact

Built by Haikal Fairuzi Maulana — Banda Aceh, Indonesia.

Open to contract and retainer work on LLM fine-tuning, RAG systems, and full-stack delivery.

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
a56c30b

0 моделей