Downloads · 30 days
9
9% of all-time downloads
TristanQUINTARD/Qwen2.5droitnumeriquefrancais
Qwen2.5droitnumeriquefrancais is a text generation model from TristanQUINTARD. Use it when you need the model to write or continue text. The card lists the license as apache-2.0.
Downloads · 30 days
9
9% of all-time downloads
All-time downloads
102
Public
Parameters
3.1B
6.2 GB on disk
Likes
0
Public
Click a slice to open those files.
.safetensors6.2 GB · 100%
From the Hugging Face model README
Qwen2.5droitnumeriquefrancaisDéveloppé et entraîné par Treestan325
Ce modèle est un ajustement fin (fine-tuning) de Qwen2.5-3B-Instruct spécialisé dans le droit numérique français. Il a été entraîné de manière optimisée sur le GPU T4 gratuit de Google Colab à l'aide de la bibliothèque Unsloth.
Le modèle est conçu pour agir en tant qu'expert-conseil en droit du numérique français, en fournissant des réponses structurées et précises fondées sur des sources académiques et juridiques officielles.
Le modèle a été entraîné selon la configuration optimisée suivante :
q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj) avec un rang $r = 16$ et un $\alpha = 16$.max_seq_length) : 1024 tokens (calibré pour optimiser l'utilisation de la VRAM active).2e-4linearadamw_8bittransformersVous pouvez charger et utiliser le modèle directement en Python avec la bibliothèque transformers :
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "Treestan325/Qwen2.5droitnumeriquefrancais"
model = AutoModelForCausalLM.from_pretrained(
model_name,
device_map="auto",
torch_dtype="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)
messages = [
{"role": "system", "content": "Tu es un assistant expert en droit numérique français. Réponds avec précision en te basant sur les cours officiels."},
{"role": "user", "content": "Quelle est la différence fondamentale entre l'exigence d'écrit ad probationem et ad validitatem en droit des contrats électroniques ?"}
]
inputs = tokenizer.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
return_tensors="pt"
).to("cuda")
outputs = model.generate(inputs, max_new_tokens=512, use_cache=True)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)
droit-numerique-model-q4)Si vous compilez ou utilisez le fichier GGUF exporté localement :
Modelfile :FROM ./droit-numerique-model-q4.Q4_K_M.gguf
PARAMETER temperature 0.6
PARAMETER top_p 0.95
PARAMETER num_ctx 1024
SYSTEM "Tu es un assistant expert en droit numérique français. Réponds avec précision en te basant sur les cours officiels."
TEMPLATE """{{ if .System }}<|im_start|>system
{{ .System }}<|im_end|>
{{ end }}{{ if .Prompt }}<|im_start|>user
{{ .Prompt }}<|im_end|>
{{ end }}<|im_start|>assistant
{{ .Response }}<|im_end|>"""
ollama create droit-numerique-model -f Modelfile
ollama run droit-numerique-model
| Paramètre | Valeur recommandée | Justification |
|---|---|---|
temperature | 0.6 | Maintient un bon équilibre entre cohérence et précision juridique. |
top_p | 0.95 | Concentre la génération sur les tokens les plus qualitatifs. |
max_new_tokens | 512 | Offre une marge suffisante pour des explications juridiques complètes. |