宝安建网站,上海的公司地址,手工制作大全教程,建设网站的政策风险分析法律领域
LaWGPT
Github: https://github.com/pengxiao-song/LaWGPT 简介#xff1a;基于中文法律知识的大语言模型。 数据#xff1a;基于中文裁判文书网公开法律文书数据、司法考试数据等数据集展开#xff0c;利用Stanford_alpaca、self-instruct方式生成对话问答数据…法律领域
LaWGPT
Github: https://github.com/pengxiao-song/LaWGPT 简介基于中文法律知识的大语言模型。 数据基于中文裁判文书网公开法律文书数据、司法考试数据等数据集展开利用Stanford_alpaca、self-instruct方式生成对话问答数据利用知识引导的数据生成引入ChatGPT清洗数据辅助构造高质量数据集。 训练方法1Legal-Base-7B模型法律基座模型使用50w中文裁判文书数据二次预训练。2LaWGPT-7B-beta1.0模型法律对话模型构造30w高质量法律问答数据集基于Legal-Base-7B指令精调。3LaWGPT-7B-alpha模型在Chinese-LLaMA-7B的基础上直接构造30w法律问答数据集指令精调。4LaWGPT-7B-beta1.1模型法律对话模型构造35w高质量法律问答数据集基于Chinese-alpaca-plus-7B指令精调。
ChatLaw
Github: https://github.com/PKU-YuanGroup/ChatLaw 简介中文法律大模型 数据主要由论坛、新闻、法条、司法解释、法律咨询、法考题、判决文书组成随后经过清洗、数据增强等来构造对话数据。 训练方法1ChatLaw-13B基于姜子牙Ziya-LLaMA-13B-v1模型采用Lora方式训练而来。2ChatLaw-33B基于Anima-33B采用Lora方式训练而来。
LexiLaw
Github: https://github.com/CSHaitao/LexiLaw 简介中文法律大模型 数据BELLE-1.5M通用数据、LawGPT项目中52k单轮问答数据和92k带有法律依据的情景问答数据、Lawyer LLaMA项目中法考数据和法律指令微调数据、华律网20k高质量问答数据、百度知道收集的36k条法律问答数据、法律法规、法律参考书籍、法律文书。 训练方法基于ChatGLM-6B模型采用Freeze、Lora、P-Tuning-V2三种方法进行模型训练。
LAW-GPT
Github: https://github.com/LiuHC0428/LAW-GPT 简介中文法律大模型獬豸 数据现有的法律问答数据集和基于法条和真实案例指导的self-Instruct构建的高质量法律文本问答数据。 训练方法基于ChatGLM-6B采用Lora16bit方法进行模型训练。
lawyer-llama
Github: https://github.com/AndrewZhe/lawyer-llama 简介中文法律LLaMA 数据法考数据7k、法律咨询数据14k 训练方法以Chinese-LLaMA-13B为底座未经过法律语料continual training使用通用instruction和法律instruction进行SFT。
