説明はありません
高額なミスを防ぐAI契約書審査サービス
法律文書を簡素化し、理解効率を向上
法律文書のフォーマットとフォーマット問題を識別するツール
法律実務を革新するインテリジェントアシスタント
legaltextai
このモデルは法的動議において事実主張をサポートするために使用され、当事者が特定の事実に真の争いがないと効果的に主張するのを支援します。
Amitava25
このモデルはnlpaueb/legal-bert-base-uncasedをInLegalNERデータセットでファインチューニングしたバージョンで、インドの法律テキストにおける固有表現認識タスク専用です。
Jurisight
このモデルはtransformersライブラリに基づくモデルで、具体的な機能と用途はさらなる情報確認が必要です。
celiudos
ポルトガル語法律分野の固有表現認識モデルで、ブラジルデータ保護法LGPDに準拠し、法律テキスト内の機密情報を識別することに特化しています。
pablosi
BGE large Legal Spanish 2は、法律分野のスペイン語の文の類似度計算と特徴抽出に使用されるモデルで、BAAI/bge - m3基礎モデルを基に訓練されています。
easwar03
Legal-BERTをファインチューニングした法律テキスト感情分析モデルで、精度は88.6%
Turkish-NLI
BERTアーキテクチャに基づくトルコ語法律文書類似度計算モデル、トルコ法律NLIタスク向けに最適化
VincentMuriuki
t5-baseをベースに微調整された法律文書要約生成モデルで、複雑な法律用語を分かりやすい表現に変換できます。
nemanjaPetrovic
これは、文BERT（SBERT）に基づく法律データの語義検索の概念実証モデルで、トリプレット損失を使用して微調整され、法律文書に対して効率的かつ正確な語義検索機能を提供します。
Sidziesama
Legal-BERTをファインチューニングした法的命名実体認識モデルで、法テキスト内の特定実体を識別
eduagarcia
RoBERTaLexPT-baseは、LegalPTとCrawlPTコーパスで事前学習された、法律分野に特化したポルトガル語マスク言語モデルです。
akhilm97
このモデルは、legal - pegasusをインドの法律データセットで微調整した法律文書要約モデルです。
kfkas
Llama-2-Ko-7b-Chatをベースに構築した法律Q&A専用モデルで、独自の法律データセットで訓練されており、韓国語の法律相談問題の処理に長けています
felipemaiapolo
BERTikalはブラジルの法律言語に特化した大文字小文字を区別するBERTベースモデルで、BERTimbauのチェックポイントを基に、ブラジルの法律テキストでトレーニングされています。
raquelsilveira
Legalbert-ptはポルトガル語法律分野向けの言語モデルで、事前学習により専門領域の能力を獲得し、特定タスク用にさらに微調整可能です。
lexlms
LexLM（基本版）RoBERTaモデルを基に拡張した長文書法律言語モデルで、法律長文書の処理に最適化されています
joelniklaus
RoBERTaアーキテクチャに基づくオランダ語法律分野の基本モデル
法律データで事前学習された多言語XLM-RoBERTaモデル、24の欧州言語の法律文書処理をサポート
RoBERTa大規模モデルを基にLeXFiles法律コーパスで継続事前学習した法律分野の言語モデル
rufimelo
これはBERTimbauを基にしたポルトガル語法律分野の文変換モデルで、文の類似度タスクに特化しています。
LegalContextはオープンソースのMCPサーバーで、Clioドキュメント管理システムとClaude AIアシスタントを安全に接続し、ローカルの法務ドキュメントの処理と検索を実現します。
Transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
