BaruqueRodrigues/llm-legislativo

选用指南

AI 根据 README 整理 · 2026/10/17 00:41:22

适用场景

适用于研究巴西立法文本的统计规律、训练自定义语言模型，或复现大规模语料处理流程。

查看 README 依据

O **LLM Legislativo Brasileiro** é um projeto de pesquisa e engenharia de inteligência artificial de ponta a ponta. Seu objetivo é estruturar o acervo histórico oficial do Congresso Nacional brasileiro (Câmara dos Deputados e Senado Federal) em dados abertos auditáveis e treinar um modelo de linguagem causal autônomo, **implementado do zero sem uso de pesos pré-treinados, sem dependência de APIs fechadas e sem caixas-pretas como o Hugging Face Trainer**.

Todo o pipeline foi concebido sob princípios estritos de **ciência aberta**, **reprodutibilidade**, **integridade criptográfica (SHA-256)** e **isolamento causal estrito (zero data leakage entre splits de treino e teste)**. --- ## 🚀 Destaques do Projeto * 📦 **Volume de Dados Extraordinário:** * **+360 GiB** de dados oficiais em arquivos brutos (TARs compactados e documentos primários). * **Câmara dos Deputados:** 43 arquivos TARs catalogados (**311,38 GiB**, 856.902 registros internos verificados). * **Senado Federal:** 16 lotes documentais (**53,36 GiB**) com processos e diários.

目标用户

面向研究社区，提供公开的模型和数据集。

查看 README 依据

Todos os artefatos gerados pelo projeto estão disponibilizados publicamente para a comunidade de pesquisa: | Tipo | Repositório no Hub | Descrição | |:---:|:---|:---| | 🤖 **Modelo** | [**BaruqRodrigues/llm-legislativo**](https://huggingface.co/BaruqRodrigues/llm-legislativo) | Pesos `model.safetensors`, tokenizer, configurações, métricas e inferência pura. |

使用方式

通过Python代码加载模型进行推理，也可通过命令行脚本和测试套件使用。

查看 README 依据

git clone https://github.com/BaruqueRodrigues/llm-legislativo.git cd llm-legislativo # Criar e ativar ambiente virtual python3 -m venv .venv source .venv/bin/activate # Instalar o pacote em modo editável com dependências pip install -e . ``` ### 2. Executar a Suíte de Testes Automatizados Todos os contratos de modelo, persistência, tokenização e avaliação podem ser validados localmente em CPU: ```bash pytest tests/ -q ``` *(135 testes passam com 100% de sucesso).* ### 3. Usar o Modelo Treinado para Inferência (PyTorch Puro)

Você pode carregar o modelo treinado diretamente do Hugging Face Hub sem depender de bibliotecas externas complexas: ```python import torch from huggingface_hub import hf_hub_download from safetensors.torch import load_file from legislm.model.gpt import GPTModel from legislm.model.config import ModelConfig from tokenizers import Tokenizer # 1. Baixar pesos e tokenizer do Hub weights_path = hf_hub_download(repo_id="BaruqRodrigues/llm-legislativo", filename="model.safetensors") tokenizer_path = hf_hub_download(repo_id="BaruqRodrigues/llm-legislativo", filename="tokenizer.json")

部署要求

需要Python 3.9+、PyTorch 2.0+，以及R 4.4+和Swift（用于macOS上的OCR处理）。

查看 README 依据

# 🏛️ LLM Legislativo Brasileiro > **Corpus Oficial em Larga Escala e Pré-treinamento de Modelo de Linguagem Causal (Transformer) Construído 100% do Zero em PyTorch Puro.** [](https://www.python.org/) [](https://pytorch.org/) [](https://www.r-project.org/) [](https://developer.apple.com/documentation/vision)

已知限制

模型不应作为法律顾问或决策工具，可能产生幻觉，生成不存在的法律条文。

查看 README 依据

* **Ele não deve ser utilizado como consultor jurídico factual ou ferramenta de decisão normativa:** modelos causais pré-treinados podem alucinar números de leis, inventar ementas ou atribuir conteúdos fictícios a dispositivos vigentes. --- ## 📄 Licença O código-fonte e as tabelas de metadados deste projeto estão licenciados sob os termos da [Licença MIT](LICENSE). Os documentos e textos legislativos oficiais processados são de domínio público, de acordo com a legislação brasileira (Lei nº 9.610/1998, Art. 8º, IV).