metadata
language:
- pl
library_name: transformers
pipeline_tag: text-generation
license: apache-2.0
base_model: google/gemma-3-4b-it
tags:
- polish
- law
- civil-code
- gemma
- fine-tuned
gemma-civil-code-pl
Model Gemma 3 (4B) dostrojony do wiedzy z Kodeksu Cywilnego, odpowiadający na pytania prawne
Opis modelu
Model bazuje na Gemma 3 (4B) i został dostrojony do odpowiadania na pytania dotyczące Kodeksu Cywilnego. Wykorzystano dane z artykułów Kodeksu Cywilnego wraz z interpretacjami i przykładami zastosowania.
Przykładowe użycie
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
# Załaduj model i tokenizer
model_name = "keeeeesz/gemma-civil-code-pl"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
model_name,
torch_dtype=torch.float16,
device_map="auto",
)
# Formatuj pytanie w formacie chatowym
def format_prompt(pytanie):
return f"<start_of_turn>user\n{pytanie}<end_of_turn>"
# Generuj odpowiedź
pytanie = "Co stanowi artykuł 5 Kodeksu cywilnego?"
prompt = format_prompt(pytanie)
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(
**inputs,
max_new_tokens=512,
do_sample=True,
temperature=0.7,
top_p=0.9,
)
# Wyodrębnij odpowiedź
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)