library_name: transformers tags:

• 问答
• 自然语言处理
• 问答系统
• BART
• mBART
• 土耳其语 license: mit language:
• tr base_model:
• facebook/mbart-large-50 pipeline_tag: question-answering

模型卡片

本模型是基于**facebook/mbart-large-50微调而成的土耳其语抽象问答模型（QA），训练数据来源于土耳其法律文本集。与从上下文中抽取精确片段的抽取式问答模型不同，该模型能够生成自然流畅的释义答案**。

模型详情

模型描述

• 基础模型: facebook/mbart-large-50
• 任务: 抽象问答（文本到文本生成）
• 语言: 土耳其语（tr_TR）
• 数据集: 基于土耳其法律的定制法律文本集
• 训练数据: 8,630条训练样本，959条验证样本
• 微调框架: Hugging Face Transformers（Seq2SeqTrainer）

快速使用指南

通过以下代码快速调用模型：

import torch
from transformers import pipeline

# 加载问答管道
qa_pipeline = pipeline(
    task="text2text-generation",
    model="yeniguno/turkish-law-aqa-bart-finetuned",
    tokenizer="yeniguno/turkish-law-aqa-bart-finetuned",
    device=0 if torch.cuda.is_available() else -1 
)

# 示例法律条文与问题
context = """
第281条 (1) 以阻碍真相查明为目的，销毁、删除、隐匿、篡改或破坏犯罪证据者，处六个月至五年有期徒刑。
行为人自身实施或参与实施的犯罪相关证据，不适用本款规定。
(2) 公职人员职务相关实施本罪者，应加重刑罚二分之一。
(3) 在关联案件判决前主动向法庭提交隐匿证据者，可减免本条所定刑罚的五分之四。
"""

question = '公职人员实施本罪的刑罚加重幅度是多少？'

# 执行推理
input_text = question + " " + context
output = qa_pipeline(input_text, max_length=128, num_beams=5, early_stopping=True)

# 输出结果
print("🔮 模型输出: ", output[0]["generated_text"])

"""
🔮 模型输出: 公职人员实施本罪的刑罚应加重二分之一。在此情况下，刑罚将按二分之一比例加重。
"""

训练参数

• 批处理大小: 4
• 学习率: 5e-5
• 权重衰减: 0.01
• 训练轮次: 5
• 优化器: AdamW
• 学习率调度: 带衰减的线性预热