本模型是以司法院公開之「詐欺」案件判決書做成之資料集，基於 BLOOM 560m模型進行微調訓練,可以自動生成詐欺及竊盜案件之犯罪事實段落之草稿。資料集之資料範圍從100年1月1日至110年12月31日,所蒐集到的原始資料共有74823篇(判決以及裁定)，我們只取判決書的「犯罪事實」欄位內容, 並把這原始的資料分成三份, 用於訓練的資料集59858%, 80%, 20%, 10%, 7482, 10%.測試集（7483篇）。在本網頁進行測試時,請在模型載入完畢並生成第一小句後,持續按下Compute按鈕, 就能持續生成文字。或是輸入自己想要測試的資料到文字框中進行測試。或是可以到這裡有更完整的使用體驗。以下是本模型與經過微調後的BLOOM 560m、Llama 3.2-1b以 ROUGE-L) 做評估後的散點圖。 !ROUGE-L API-интерфейс Python 程式碼, 藉由呼叫Запросы на импорт, json from time, import Sleep from tqdm.auto import tqdm, trange APIURL = «https://api-inference.huggingface.co/models/jslin09/bloom-560m-finetuned-fraud» APITOKEN = ‘XXXXXXXXXXXXXXX’ # 調用模型的 Заголовки токенов API = {«Authorization»: f»Bearer {API_TOKEN}»} def query(payload): response = Requests.post(API_URL, headers=headers, json=payload) return json.loads(response.content.decode(«utf-8»)) Prompt = «森上梅前明知其無資力支付酒店消費，亦無付款意願,竟意圖為自己不法之所有，» querydict = { «inputs»: Prompt, } textlen = 300 t = trange(textlen, desc= ‘生成例稿’, Leave=True) for i in t: response = query(querydict) try: responsetext = response[0][‘generatedtext’] querydict[«inputs»] = responsetext t.setdescription(f»{i}: {response[0][‘generatedtext’]}»)…
Модальности:
Генерация текста
Области применения:
Юриспруденция
Задача: Генерация текста
Автор: jslin09
Теги: bloom, legal, zh, text-generation-inference, endpoints_compatible
Лайков: 5 | Загрузок: 133
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
