Indian Legal Assitant

🚀 インド法務アシスタント：インドの法務テキスト生成用のLLaMAベースのモデル

このリポジトリには、インドの法務テキストでファインチューニングされたLLaMAベースのモデルである「インド法務アシスタント」を使用するための情報とコードが含まれています。このモデルは、インド法に関連するさまざまな法務タスクやクエリに対応するために設計されています。

🎓 担当教員

• ガイド: Dr. Kalimuthu K
• プロジェクトコーディネーター: Dr. Sandeep Kumar P

👥 チームメンバー

• RA2111004010006: Ganesha Sai Varma
• RA2111004010008: Surendra Reddy
• RA2111004010055: Sampath Voona

✨ 主な機能

インド法務アシスタントは、インド法に関連するテキストを理解し、生成するように特別にトレーニングされたテキスト生成モデルです。以下のようなタスクに使用できます。

• 法的質問応答
• 事例要約
• 法務文書分析
• 法令解釈

📦 モデルの詳細

📦 インストール

このモデルを使用するには、必要なライブラリをインストールする必要があります。

pip install transformers torch
# GGUFサポートのため
pip install llama-cpp-python

💻 使用例

インド法務アシスタントモデルの使用方法はいくつかあります。

基本的な使用法

1. Hugging Faceパイプラインを使用する場合

from transformers import pipeline

pipe = pipeline("text-generation", model="varma007ut/Indian_Legal_Assitant")

prompt = "Summarize the key points of the Indian Contract Act, 1872:"
result = pipe(prompt, max_length=200)
print(result[0]['generated_text'])

2. Hugging Face Transformersを直接使用する場合

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("varma007ut/Indian_Legal_Assitant")
model = AutoModelForCausalLM.from_pretrained("varma007ut/Indian_Legal_Assitant")

prompt = "What are the fundamental rights in the Indian Constitution?"
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_length=200)
print(tokenizer.decode(outputs[0]))

3. llama-cpp-pythonを使用してGGUF形式で使用する場合

from llama_cpp import Llama

llm = Llama.from_pretrained(
    repo_id="varma007ut/Indian_Legal_Assitant",
    filename="ggml-model-q4_0.gguf",  # 実際のGGUFファイル名が異なる場合は置き換える
)

response = llm.create_chat_completion(
    messages = [
        {
            "role": "user",
            "content": "Explain the concept of judicial review in India."
        }
    ]
)

print(response['choices'][0]['message']['content'])

4. 推論エンドポイントを使用する場合

このモデルはHugging Face推論エンドポイントをサポートしています。モデルをデプロイし、API呼び出しを介して使用することができます。推論エンドポイントのセットアップと使用についての詳細は、Hugging Faceドキュメントを参照してください。

📈 評価

モデルのパフォーマンスを評価するには、以下の手順を実行します。

1. インドの法務クエリまたはタスクのテストセットを準備します。
2. パープレキシティ、BLEUスコアなどの標準的なNLP評価指標、またはタスク固有の指標を使用します。

BLEUスコアを使用した例:

from datasets import load_metric

bleu = load_metric("bleu")
predictions = model.generate(encoded_input)
results = bleu.compute(predictions=predictions, references=references)

🤝 コントリビュート

モデルの改善や機能拡張に向けたコントリビューションを歓迎します。詳細については、コントリビュートガイドラインを参照してください。

📄 ライセンス

このプロジェクトはApache 2.0ライセンスの下でライセンスされています。詳細については、ライセンスファイルを参照してください。

⚠️ 重要提示

このモデルはLLaMAアーキテクチャに基づいていますが、インドの法務テキストでファインチューニングされています。このモデルを使用する際には、すべての関連するライセンスと使用条件に準拠するようにしてください。