/ Модель

Характеристики

Лицензия
Своя лицензия
Базовая модель
BamiBERT
Опубликована
9 июл 2026

ViLegalBERT-ext

Заполнение пропусковТекст → текст3 профессии

ViLegalBERT-ext — вьетнамская encoder-модель, предобученная на юридических текстах для заполнения пропусков и адаптации к задачам обработки правовых документов.

25скачиваний за 30 дней2лайкавеса обновлены10 июл 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

ViLegalBERT-ext — вьетнамская языковая модель для юридических текстов, разработанная как продолженное предобучение Qualcomm-AI-Research/BamiBERT. Это encoder архитектуры BERT-base с 12 слоями и целью masked language modeling в стиле RoBERTa; модель содержит около 103 млн параметров и принимает последовательности длиной до 2048 токенов. Токенизатор byte-level BPE позволяет обрабатывать исходный вьетнамский текст без отдельной предварительной сегментации слов.

Модель предназначена для заполнения пропусков и как основа для дообучения на юридическую классификацию документов, распознавание именованных сущностей, ответы на вопросы и поиск по правовым материалам, а также сопоставление сходных текстов и пунктов договоров. Она обучена на очищенном корпусе вьетнамских юридических текстов объёмом 20,57 ГБ, около 7,15 млрд токенов. Для открытой генерации текста модель не предназначена.

Лицензия указана как other. Известные ограничения: возможна слабая работа с нестандартными диалектами вьетнамского языка и влияние временного сдвига понятий; всесторонняя оценка на общих задачах не проводилась, а результаты downstream-бенчмарков ещё не опубликованы.

Сценарии применения

  • заполнение пропусков во вьетнамских юридических текстах
  • классификация правовых документов
  • распознавание именованных сущностей в юридических документах
  • поиск ответов на вопросы по правовым материалам
  • поиск и ранжирование сходных юридических текстов
  • сопоставление пунктов договоров

Ограничения

Модель может хуже работать с нестандартными диалектами вьетнамского языка и быть подвержена временному сдвигу понятий. Всесторонняя оценка на общих задачах и результаты downstream-бенчмарков не представлены.

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

ViLegalBERT-ext

ViLegalBERT-ext is a Vietnamese legal-domain encoder language model obtained via continual pretraining of Qualcomm-AI-Research/BamiBERT on a large, cleaned, deduplicated corpus of Vietnamese legal text.

The name "ext" refers to the two key limits this model extends relative to a previous model - ViLegalBERT:

  • Context length: 256 tokens → 2048 tokens
  • Legal pretraining corpus size: 16GB → 20.57GB (~7.15B legal-domain tokens)

Unlike PhoBERT-based models, ViLegalBERT-ext requires no external Vietnamese word segmentation as a preprocessing step — it operates directly on raw text via byte-level BPE tokenizer.

Model Details

  • Architecture: BERT-base (12 Transformer layers), RoBERTa-style masked language modeling objective (dynamic masking, no next-sentence-prediction)
  • Base model: Qualcomm-AI-Research/BamiBERT (~103M parameters), itself trained from scratch on 129GB of general-domain Vietnamese text
  • Tokenizer: Byte-level BPE extended from PhoGPT's Vietnamese tokenizer, vocab size 20,481 (inherited unchanged from BamiBERT)
  • Max sequence length: 2048 tokens
  • Precision: trained in BF16 mixed precision

Continual Pretraining Data

  • Corpus: Vietnamese legal text
  • Size: 20.57GB of raw legal text, tokenized and packed (~7.15B legal-domain tokens)

Training Procedure

  • Objective: Masked language modeling with dynamic masking (15% mask probability), consistent with BamiBERT's original RoBERTa-style pretraining recipe
  • Optimizer: AdamW
  • Learning rate: 2e-5 (peak), linear schedule with warmup — chosen conservatively (~1/7 of BamiBERT's original 1.5e-4 peak LR) to reduce the risk of catastrophic forgetting during domain-adaptive continual pretraining
  • Effective batch size: 144 (per-device batch size 48 × gradient accumulation 3)
  • Hardware: single NVIDIA H100 80GB GPU

Intended Use

ViLegalBERT-ext is an encoder model intended for fill-mask and as a base for fine-tuning on downstream Vietnamese legal NLP tasks, such as:

  • Legal document classification
  • Legal named entity recognition
  • Legal question answering / retrieval (as an embedding backbone)
  • Legal text similarity / clause matching

It is not designed for open-ended text generation.

Evaluation

Evaluation results (downstream task benchmarks) coming soon.

Limitations

  • Inherits any limitations of the base BamiBERT model, including potential underperformance on non-standard Vietnamese dialects and general temporal concept drift.
  • Continual pretraining was conducted on legal text; general-domain qualitative checks did not reveal meaningful catastrophic forgetting, but no comprehensive general-domain benchmark evaluation has been run.

License

This model is a derivative of Qualcomm-AI-Research/BamiBERT and is released under the same license terms: BSD 3-Clause Clear and the Qualcomm Responsible AI License. See the base model's license for full terms.

Citation

If you use this model, please cite the original BamiBERT model.

  @article{BamiBERT,
  title    = {{BamiBERT: A New BERT-based Language Model for Vietnamese}},
  author   = {Dat Quoc Nguyen and Thinh Pham and Chi Tran and Linh The Nguyen},
  journal  = {arXiv preprint},
  volume   = {arXiv:2607.02259},
  year     = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
701a929

0 моделей