Характеристики

Контекст: 512 токенов
Параметры: 137 млн
Архитектура: bert · dense
Опубликована: 10 июл 2026

Ссылки

Hugging Face

inlegalbert-legal-ner

samandar1105

Разметка токеновТекст → label5 профессий

Модель на базе InLegalBERT извлекает 14 типов именованных сущностей из индийских юридических и судебных документов.

7скачиваний за 30 дней0лайковвеса 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

samandar1105/inlegalbert-legal-ner — модель на базе BERT, дообученная для распознавания именованных сущностей в юридических документах. Она извлекает 14 типов сущностей, включая суды, судей, стороны дела, номера дел, законы, положения, прецеденты, свидетелей, организации, географические названия и даты. Базовая модель law-ai/InLegalBERT предварительно обучена на 5,4 млн индийских юридических документов; дообучение выполнено на opennyaiorg/InLegalNER.

Модель предназначена для автоматического извлечения юридических сущностей из судебных и иных правовых документов и может использоваться как компонент конвейера анализа документов с поиском и ответами на вопросы. В тестировании указаны precision 0,8308, recall 0,8763 и F1 0,8530. Архитектура — BertForTokenClassification, размер — 136,7 млн параметров, максимальный контекст — 512 токенов; модель принимает текст и возвращает метки сущностей для его фрагментов. В карточке не указана лицензия.

Сценарии применения

извлечение судов и судей из судебных решений
определение истцов, ответчиков, адвокатов и свидетелей в материалах дела
извлечение номеров дел, законов, статей и прецедентов
поиск организаций, географических названий и дат в юридических документах
подготовка сущностей для юридического поиска и RAG-систем

Ограничения

Модель специализируется на юридических документах индийского контекста и ограничена окном в 512 токенов. В тестировании F1 составляет 0,8530, поэтому возможны пропуски и ошибочные классификации сущностей.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель I.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей

Также подходит для

I.14Автоматизация процессов и AI-агенты

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

InLegalBERT fine-tuned for Legal Named Entity Recognition

Extracts 14 legal entity types (COURT, JUDGE, LAWYER, PETITIONER, RESPONDENT, CASE_NUMBER, STATUTE, PROVISION, PRECEDENT, WITNESS, OTHER_PERSON, ORG, GPE, DATE) from legal/court documents. Base model: law-ai/InLegalBERT (pretrained on 5.4M Indian legal documents). Fine-tuned on opennyaiorg/InLegalNER.

Performance (test set)

Metric	Score
Precision	0.8308
Recall	0.8763
F1	0.8530

Usage

from transformers import pipeline
ner = pipeline("token-classification", model="samandar1105/inlegalbert-legal-ner", aggregation_strategy="simple")
ner("Justice Sharma of the Bombay High Court delivered judgment on 14 March 2019.")

This model is part of a Legal NER + RAG document-intelligence pipeline (NER extraction + retrieval-augmented Q&A). See the companion Space for the full app.

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: BertForTokenClassification
Ревизия весов: 277211f