Turkishlaw

🚀 OrionCAF/TurkishLaw

专为土耳其法律定制的语言模型，基于Qwen3-14B微调，能提供准确法律信息

🚀 快速开始

以下代码展示了如何根据给定输入让模型生成内容：

from unsloth import FastLanguageModel

model, tokenizer = FastLanguageModel.from_pretrained(
        model_name = "OrionCAF/TurkishLaw",
        max_seq_length = max_seq_length,
        #load_in_4bit = False,
        load_in_8bit = False,
    )

FastLanguageModel.for_inference(model)

messages = [{"role": "user", "content": "Türk Medeni Kanunu'na göre evlenme engelleri nelerdir? }]
    inputs = tokenizer.apply_chat_template(
        messages, tokenize=True, add_generation_prompt=True, return_tensors="pt"
    ).to(device)

    
    output = model.generate(
        input_ids=inputs, max_new_tokens=1500, use_cache=True,
        temperature=0.6, min_p=0.1
    )

    cikti_text = tokenizer.decode(output[0], skip_special_tokens=True)

✨ 主要特性

• 提供土耳其民法典、债务法和商法的详细信息
• 能正确引用法律条文编号
• 解释和阐释法律概念
• 在相关法律法规框架内回答法律问题
• 低内存使用（得益于4位量化）
• 快速生成回复

📚 详细文档

Qwen3-14B-Merged-Law-TR是一个定制语言模型，它基于阿里巴巴的Qwen3模型，在土耳其民法、债务法和商法文本上使用LoRA方法进行微调，并封装为单文件以实现4位高效运行。

该模型专为律师、法律学生、学者以及任何需要快速获取法律信息的人设计。它能够生成带有条款编号支持的、解释性且准确的关于土耳其法律体系的回复。

⚠️ 重要提示

此模型不能替代法律建议。在专业法律事务上，始终建议咨询律师。

🧠 技术细节

👥 我们的团队

该模型由以下团队成员开发：

• Ferhat Kürkçüoğlu (https://www.linkedin.com/in/ferhatkurkcuoglu/)
• Cengizhan Bayram (https://www.linkedin.com/in/cengizhan-bayram-a66009223/)
• Cevdet Ahmet Turan (https://www.linkedin.com/in/cevdet-ahmet-turan/)
• Volkan Altıntaş (https://www.linkedin.com/in/volkanaltintas/)

我们的团队专注于开发定制化人工智能模型。

⚠️ 局限性

• 该模型仅在土耳其民法、债务法和商法领域进行了训练，在其他法律领域（如刑法、行政法等）的知识可能有限。
• 模型的知识受训练数据日期的限制，可能不包含最新的法律变更。
• 4位量化虽然提高了在低配置设备上的运行能力，但在某些情况下可能会导致性能损失。
• 该模型旨在提供信息，而非提供法律建议。

📄 许可证

此模型根据Apache License 2.0许可授权。在进行适当引用的情况下，可自由使用，包括商业用途。

_{❓ 如有问题和反馈，请访问： GitHub | Hugging Face}

_{由Ferhat、Cengizhan、Cevdet和Dr. Volkan Altıntaş在NLP研究范围内开发。}