Antillia

Antillia · model w treningu

lexpl — polski model językowy, który czyta prawo

Trenujemy go od zera. Własne dane, własny tokenizer, własne wagi. Pod spodem nie ma zagranicznego modelu bazowego.

Sprawdzam czat… Porozmawiaj z naszym asystentem AI

Czat działa w wybranych godzinach na otwartym modelu (wersja testowa). lexpl dołączy do czatu, gdy skończymy trening.

Fundament jest nasz

Douczony gotowy model zawsze stoi na cudzym fundamencie. lexpl od pierwszego tokenu jest polski i w całości należy do nas.

Język prawa to inny polski

„Art. 26³ ust. 2 pkt 1 lit. a” to dla zagranicznego modelu szum, dla prawnika codzienność.

Wiesz, na czym działa narzędzie

Kancelaria, biuro rachunkowe czy urząd powinny wiedzieć, czemu powierzają dane. Model mieści się na jednym serwerze.

Gdzie jesteśmy

Ten sam tekst prawniczy. Nawet 2,4× mniej tokenów.

Zanim model przeczyta tekst, tnie go na kawałki, tak zwane tokeny. Popularne modele uczyły się ciąć głównie angielski i polski tekst prawniczy, na przykład „Dz. U. z 2024 r. poz. 1061, z późn. zm.”, rozbijają na mnóstwo drobnych kawałków. Do lexpl wytrenowaliśmy własny tokenizer, tylko na polskich tekstach.

Słowa tekstu prawniczego w 1000 tokenów (więcej = lepiej). Pomiar na tym samym tekście, ponad pół miliona słów.
  1. lexpl769
  2. GPT-4o / GPT-5417
  3. Mistral Nemo405
  4. Llama 3.1365
  5. Mistral 7B317

Szybsza odpowiedź

Odpowiedź generuje się mniej więcej dwa razy mniejszą liczbą kroków.

Więcej przepisów naraz

W tym samym oknie kontekstu mieści się około dwa razy więcej tekstu prawa.

Tańszy trening

Przy tym samym budżecie model widzi około dwa razy więcej polskiego tekstu.

Uczciwie: ta przewaga dotyczy polskiego. Tamte tokenizery są wielojęzyczne i obsługują też angielski czy kod. My celowo gramy na jednym boisku.

Cel

Odpowiedź z cytatem z przepisu w brzmieniu z konkretnego dnia. A gdy pewnego źródła brak, uczciwe „nie wiem”.

Wyszukiwarka przepisów, z której korzysta model, znajduje właściwy przepis wśród pięciu pierwszych wyników w 86% pytań egzaminacyjnych. To trafność wyszukiwania, nie trafność odpowiedzi modelu.

Szukamy partnerów i inwestorów

Najtrudniejszą część, czyli dane, mamy już za sobą. Porozmawiajmy.