Характеристики

Контекст: 512 токенов
Параметры: 153 млн
Лицензия: CC BY 4.0
Архитектура: bert · dense
Базовая модель: legal-bert-base-cased-ptbr
Библиотека: transformers
Опубликована: 18 июн 2026

Ссылки

Hugging Face

legal_bertimbau_base

hilariooliveira

Классификация текстаТекст → label

Дообученная юридическая BERT-модель для классификации текстов на португальском языке.

9скачиваний за 30 дней0лайковвеса обновлены18 июн 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

hilariooliveira/legal_bertimbau_base — модель классификации последовательностей на базе BERT, дообученная автором на dominguesm/legal-bert-base-cased-ptbr. Карточка сообщает результат оценки: F1 0,9638 и loss 0,0674, однако название датасета указано как None, а подробности обучения отсутствуют.

Модель предназначена для классификации текстов на португальском языке в юридическом контексте. Она содержит 153,2 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Распространяется под лицензией CC BY 4.0.

Сценарии применения

классификация юридических текстов на португальском языке
разметка судебных и правовых документов
отнесение юридических фрагментов к заданным категориям

Ограничения

Данные обучения и целевые классы не описаны, поэтому метрика F1 0,9638 не позволяет оценить применимость к конкретной задаче. Максимальная длина входа — 512 токенов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

legal_bertimbau_base

This model is a fine-tuned version of dominguesm/legal-bert-base-cased-ptbr on the None dataset. It achieves the following results on the evaluation set:

Loss: 0.0674
F1: 0.9638

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	F1
0.0608	1.0	313	0.1044	0.9197
0.0412	2.0	626	0.0674	0.9638

Framework versions

Transformers 5.10.2
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

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: bcf939d