ViBidLAQA_base：越南语招投标法律抽象问答模型

概述

ViBidLAQA_base 是一款专为越南语招投标法律领域开发的抽象问答（AQA）模型。该模型基于 VietAI/vit5-base 架构构建，并使用专业的招投标法律数据集进行微调，在生成自然、准确的法律查询响应方面表现出强劲性能。

模型说明

下游任务：抽象问答
领域：越南语招投标法律
基础模型：VietAI/vit5-base
方法：微调
语言：越南语

数据集

ViBidLQA 数据集具有以下特点：

训练集：5,300 个样本
测试集：1,000 个样本
数据创建过程：
- 训练数据由 Claude 3.5 Sonnet 自动生成，并经两名法律专家验证
- 测试集由两名越南法律专家手动创建

性能

指标	得分
ROUGE-1	75.09
ROUGE-2	63.43
ROUGE-L	65.72
ROUGE-L-SUM	65.79
BLEU-1	53.61
BLEU-2	47.51
BLEU-3	43.40
BLEU-4	39.54
METEOR	64.38
BERT-Score	86.65

使用方法

import argparse

import torch
from openmind import pipeline, is_torch_npu_available
from openmind_hub import snapshot_download
import time

def parse_args():
    parser = argparse.ArgumentParser(description="Eval the model")
    parser.add_argument(
        "--model_name_or_path",
        type=str,
        help="Path to the model",
       default="zhouhui/ViBidLAQA_base",
        )
    args = parser.parse_args()
    return args


def main():
    args = parse_args()
    model_path = args.model_name_or_path
    if is_torch_npu_available():
        device = "npu:0"
    elif torch.cuda.is_available():
        device = "cuda:0"
    else:
        device = "cpu"
    #device = "cpu"
    start_time = time.time()
    qa = pipeline("question-answering", model=model_path, tokenizer=model_path, device=device)
    qa_input = {
            "question": "Why is model conversion important?",
            "context": "The option on convert models between FARM and openmind gives freedom to the user and let people easily switch between frameworks."
    }
    ans = qa(qa_input)
    print()
    print(ans)
    print()
    end_time = time.time()
    print(f"硬件环境：{device},推理执行时间：{end_time - start_time}秒")


if __name__ == "__main__":
    main()

应用场景

该模型在以下方面具有优势：

招投标法律信息检索系统
招投标领域的法律咨询聊天机器人
招投标法律问题的自动问答系统

局限性

该模型专为越南招投标法律领域训练，在其他法律领域可能表现不佳
性能可能因问题的复杂性和具体性而有所不同
该模型应作为参考工具使用，不能替代专业的法律建议

引用说明

如果您在研究中使用此模型，请引用：

comming soon...

联系方式

如有问题、反馈或合作意向：

邮箱：nguyentruongphuc_12421TN@utehy.edu.vn
GitHub 问题：@ntphuc149
HuggingFace：@ntphuc149

许可证

本项目采用 MIT 许可证 - 详情参见 LICENSE 文件。

指标

得分

ROUGE-1

75.09

ROUGE-2

63.43

ROUGE-L

65.72

ROUGE-L-SUM

65.79

BLEU-1

53.61

BLEU-2

47.51

BLEU-3

43.40

BLEU-4

39.54

METEOR

64.38

BERT-Score

86.65

使用方法

import argparse

import torch
from openmind import pipeline, is_torch_npu_available
from openmind_hub import snapshot_download
import time

def parse_args():
    parser = argparse.ArgumentParser(description="Eval the model")
    parser.add_argument(
        "--model_name_or_path",
        type=str,
        help="Path to the model",
       default="zhouhui/ViBidLAQA_base",
        )
    args = parser.parse_args()
    return args


def main():
    args = parse_args()
    model_path = args.model_name_or_path
    if is_torch_npu_available():
        device = "npu:0"
    elif torch.cuda.is_available():
        device = "cuda:0"
    else:
        device = "cpu"
    #device = "cpu"
    start_time = time.time()
    qa = pipeline("question-answering", model=model_path, tokenizer=model_path, device=device)
    qa_input = {
            "question": "Why is model conversion important?",
            "context": "The option on convert models between FARM and openmind gives freedom to the user and let people easily switch between frameworks."
    }
    ans = qa(qa_input)
    print()
    print(ans)
    print()
    end_time = time.time()
    print(f"硬件环境：{device},推理执行时间：{end_time - start_time}秒")


if __name__ == "__main__":
    main()