[中文] [英文]

Lawyer LLaMA

通过指令微调，LLaMA 模型在通用领域展现出了非常好的表现。但由于缺少合适的数据，少有人探究LLaMA在法律领域的能力。为了弥补这一空白，我们提出了Lawyer LLaMA，一个在法律领域数据上进行了额外训练的模型。

Lawyer LLaMA 首先在大规模法律语料上进行了continual pretraining，让它系统的学习中国的法律知识体系。 在此基础上，我们借助ChatGPT收集了一批对中国国家统一法律职业资格考试客观题（以下简称法考）的分析和对法律咨询的回答，利用收集到的数据对模型进行指令微调，让模型习得将法律知识应用到具体场景中的能力。

我们的模型能够：

1. 掌握中国法律知识： 能够正确的理解民法、刑法、行政法、诉讼法等常见领域的法律概念。例如，掌握了刑法中的犯罪构成理论，能够从刑事案件的事实描述中识别犯罪主体、犯罪客体、犯罪行为、主观心理状态等犯罪构成要件。模型利用学到的法律概念与理论，能够较好回答法考中的大部分题目。

2. 应用于中国法律实务：能够以通俗易懂的语言解释法律概念，并且进行基础的法律咨询，涵盖婚姻、借贷、海商、刑事等法律领域。

为了给中文法律大模型的开放研究添砖加瓦，本项目将开源一系列法律领域的指令微调数据和基于LLaMA训练的中文法律大模型的参数 。

新闻

[2024/4/25] 🆕 发布了新版Lawyer LLaMA 2 (lawyer-llama-13b-v2)模型参数，以及更高质量的法律指令微调数据。

[2023/10/14] 更新了Lawyer LLaMA技术报告Lawyer LLaMA: Enhancing LLMs with Legal Knowledge，提供了更多的技术细节和研究发现。

[2023/6/8] 开源了lawyer-llama-13b-beta1.0模型参数。

[2023/5/25] 开源了更大规模的指令微调数据，发布了包含和用户问题相关法条的对话数据。

[2023/5/25] 发布了Lawyer LLaMA技术报告。

[2023/4/13] 开源了由ChatGPT生成的指令微调数据，包含2k条法考题目的解答及5k条法律咨询回复。

训练数据

法律领域纯文本语料

我们收集了部分公开的法律数据用于模型的continual training，包括法律条文、裁判文书等。

通用指令微调数据

Alpaca-GPT4 52k 中文，52k 英文。

法律指令微调数据

开源数据概览

文件名	规模	描述
🆕 fakao_gpt4.json	1,000	GPT-4生成的法考题解答
🆕 zixun_gpt4.json	1,000	GPT-4基于法条生成的法律咨询回复
judical_examination.json	2,000	GPT-3.5生成的法考题解答
judical_examination_v2.json	5,000	GPT-3.5生成的法考题解答（第二批）
legal_advice.json	5,000	GPT-3.5生成的法律咨询回复
legal_counsel_v2.json	8,000	GPT-3.5生成的法律咨询回复（第二批）
legal_counsel_with_article_v2.json	1,000	GPT-3.5基于法条生成的法律咨询回复
legal_counsel_multi_turn_with_article_v2.json	476	GPT-3.5基于法条生成的多轮法律咨询对话

在Lawyer LLaMA 2 (lawyer-llama-13b-v2)的训练中我们使用了新版的法律微调数据，以下是一些新旧数据的对比。

法考数据

我们将JEC-QA中国法考数据集中的试题输入ChatGPT，让其生成对每个答案的解析。

以下对比了新旧版本Lawyer LLaMA使用的数据：

GPT-3.5生成

🆕 GPT-4生成

问题： 根据《物权法》，下列关于物权变动的特别规定，表述正确吗？ 因继承或者受遗赠取得物权的，自继承或者受遗赠开始时发生效力 请给出详细的推理过程之后再给出答案。 回复： 这个表述是正确的。 根据《物权法》第X条规定：“因继承或者受遗赠取得物权的，自继承或者受遗赠开始时发生效力。”这意味着，当一个人通过继承或受遗赠获得物权时，这个物权的效力是从这个法定的时间点开始生效，而不是从物权转移的时间开始生效。这是因为，继承或受遗赠是一种法定的方式来获得物权，因此，物权的效力应该从这个法定的时间点开始生效。

问题： 情景分析：张某欠李某2万元，张某有一辆出租车价值4万元，现张某将该车赠与其友王五；李某发现张某无其他值钱的东西，这一赠与会影响张某偿还债务，于是向法院起诉请求撤销张某的赠与行为。法院对该赠与行为的效力应认定。 回复： 张某欠李某2万元，而张某将其价值4万元的出租车赠与给王五，这一行为在法律上可能构成恶意转移财产，目的在于逃避债务。李某因此向法院提起诉讼，请求撤销张某的赠与行为，以保护自己的债权不受损害。 首先，根据《中华人民共和国民法典》第二百五十四条规定，债务人恶意转移财产，损害债权人利益的，债权人有权请求人民法院撤销债务人的行为。在本案中，张某的赠与行为可能被视为恶意转移财产，因为这一行为发生在张某欠债的情况下，且张某无其他值钱的东西，这一赠与行为很可能导致李某的债权无法实现。 其次，根据《中华人民共和国民法典》第二百五十五条规定，请求撤销权的行使，不得损害善意第三人的权益。然而，在本案中，王五作为接受赠与的一方，是否具有善意以及是否知道张某的赠与行为会损害债权人（李某）的利益，对于判断赠与行为是否有效是关键。如果王五知道张某的赠与行为是为了逃避偿还债务而进行的，则王五不能被视为善意第三人。 因此，结合上述分析，张某的赠与行为损害了债权人李某的利益，且在债务人恶意转移财产的情况下进行，根据《中华人民共和国民法典》相关规定，法院应当认定该赠与行为无效。这样的判决旨在保护债权人的利益，防止债务人通过转移财产逃避债务的行为。因此，法院对该赠与行为的效力应认定为无效。

法律咨询

我们从开放数据集中收集了一些咨询问题，输入ChatGPT，让ChatGPT扮演律师解答问题。将相关法条一同输入，可以提升ChatGPT生成的质量。

以下对比了新旧版本Lawyer LLaMA使用的数据：

GPT-3.5生成

🆕 GPT-4生成

问题： 你好，离婚后夫妻的财产是怎么分配的 回复： 您好，根据《民法典》的相关规定，离婚后夫妻的财产分配可以通过夫妻双方协商处理，如果没有协商一致，则需要由法院根据财产的具体情况，按照照顾子女、女方和无过错方权益的原则进行判决。对于夫妻在婚姻关系存续期间所得的共同财产，包括工资、奖金、劳务报酬、生产、经营、投资的收益、知识产权的收益、继承或者受赠的财产以及其他应当归共同所有的财产，应当平分。而夫妻在婚姻关系存续期间所获得的个人财产，包括婚前财产、因受到人身损害获得的赔偿或者补偿、遗嘱或者赠与合同中确定只归一方的财产、一方专用的生活用品，应当归该方所有。请问你们在婚姻关系存续期间所得的财产情况如何呢？

问题： 我老公经常不回家，我知道他在外面有人，同时干了许多坏事，一年365天，这个情况怎么办呢？ 回复： 根据您提供的情况，您老公长期不回家且外面有其他人，这可能触及到《民法典》第一千零四十二条中关于“禁止有配偶者与他人同居”的规定。若您的老公确实与他人同居，这在法律上构成违法行为，您作为受害一方，有权采取相应的法律行动。 首先，您需要收集证据。这包括但不限于您老公与他人同居的证据、他不回家的时间以及他所做的“许多坏事”的相关证据。证据可以是照片、视频、通讯记录、目击者的证词等，这对于您后续的法律行动至关重要。 其次，若您老公的行为给您造成了精神伤害或经济损失，根据《民法典》的相关规定，您可以要求赔偿。婚姻法内还规定了夫妻之间忠诚的义务，一旦违反，受损害一方有权要求精神损害赔偿。 第三，考虑到您提到的您老公“干了许多坏事”，具体情况需要进一步明确。这些行为是涉及违法犯罪还是道德层面的“坏事”？如果涉及违法犯罪，您可以考虑向相关部门举报。这不仅是维护自己权益的行为，也是对社会责任的履行。 最后，关于是否结束婚姻，这是一个需要认真考虑的问题。不忠是许多人选择离婚的重要原因之一，根据您收集的证据，如果决定采取此步骤，可以向人民法院提起离婚诉讼，请求分割夫妻共同财产、争取子女抚养权（如果有）等。 在这个过程中，考虑到法律问题的复杂性，您可能需要寻求专业律师的帮助，他们可以为您提供更专业的法律意见，并代表您进行诉讼活动。 总而言之，您面临的情况较为复杂，但您完全有权利采取行动保护自己的合法权益。关键在于搜集证据、评估情况，并在必要时寻求专业法律帮助。

模型参数

目前公开了以下版本的Lawyer LLaMA：

• 🆕 lawyer-llama-13b-v2: 以quzhe/llama_chinese_13B（对LLaMA-2进行了中文持续预训练）为基础，使用通用instruction和GPT-4生成的法律instruction进行SFT，配有婚姻相关法律检索模块。下载地址和使用方法见demo/run_inference_v2.md。
• lawyer-llama-13b-beta1.0: 以Chinese-LLaMA-13B为基础，使用通用instruction和GPT-3.5生成的法律instruction进行SFT，配有婚姻相关法律检索模块。下载地址和使用方法见demo/run_inference_v1.md。

系统效果

自动评测

我们使用Chain-of-Discussion中的200条婚姻家事相关的咨询问题，对以下模型进行测试：

• 🆕 Lawyer LLaMA 2 (lawyer-llama-13b-v2)
• Lawyer LLaMA 1 (lawyer-llama-13b-beta1.0)
• DISC-LawLLM
• GPT-3.5-Turbo
• Gemini-1.0-Pro

使用GPT-4对咨询回复质量打分（满分10分）。在评分的过程中，我们要求GPT-4模型围绕着文本的流畅性、逻辑性、是否引用了无关法条、是否与律师撰写的金标准回复在语义上一致等角度进行评分。各模型表现如下：

模型	得分
🆕 Lawyer LLaMA 2	6.71
Lawyer LLaMA 1	5.61
DISC-LawLLM	5.70
GPT-3.5-Turbo	6.90
Gemini-1.0-Pro	6.94

关于旧版模型lawyer-llama-13b-beta1.0的表现，请参考旧版README.

输出样例

下面展示了Lawyer LLaMA 2、Lawyer LLaMA 1和DISC-LawLLM对于同一问题的输出。

问题： 没有赡养老人就无法继承财产吗？

相关法条：

1. 《民法典》第一千一百三十条：同一顺序继承人继承遗产的份额，一般应当均等。对生活有特殊困难又缺乏劳动能力的继承人，分配遗产时，应当予以照顾。对被继承人尽了主要扶养义务或者与被继承人共同生活的继承人，分配遗产时，可以多分。有扶养能力和有扶养条件的继承人，不尽扶养义务的，分配遗产时，应当不分或者少分。继承人协商同意的，也可以不均等。
2. 《民法典》第一千一百二十五条：继承人有下列行为之一的，丧失继承权：（一）故意杀害被继承人；（二）为争夺遗产而杀害其他继承人；（三）遗弃被继承人，或者虐待被继承人情节严重；（四）伪造、篡改、隐匿或者销毁遗嘱，情节严重；（五）以欺诈、胁迫手段迫使或者妨碍被继承人设立、变更或者撤回遗嘱，情节严重。继承人有前款第三项至第五项行为，确有悔改表现，被继承人表示宽恕或者事后在遗嘱中将其列为继承人的，该继承人不丧失继承权。受遗赠人有本条第一款规定行为的，丧失受遗赠权。
3. 《民法典》第一千一百二十七条：遗产按照下列顺序继承：（一）第一顺序：配偶、子女、父母；（二）第二顺序：兄弟姐妹、祖父母、外祖父母。继承开始后，由第一顺序继承人继承，第二顺序继承人不继承；没有第一顺序继承人继承的，由第二顺序继承人继承。本编所称子女，包括婚生子女、非婚生子女、养子女和有扶养关系的继子女。本编所称父母，包括生父母、养父母和有扶养关系的继父母。本编所称兄弟姐妹，包括同父母的兄弟姐妹、同父异母或者同母异父的兄弟姐妹、养兄弟姐妹、有扶养关系的继兄弟姐妹。

模型输出：

DISC-LawLLM	Lawyer LLaMA 1	🆕 Lawyer LLaMA 2
GPT-4评分：4分 根据《民法典》规定，子女对父母有赡养扶助的义务。如果成年子女不履行赡养义务的话，缺乏劳动能力或者生活困难的父母，有要求成年子女给付赡养费的权利。所以，在法律上，未尽到赡养老人的义务是会丧失继承权的。 但是需要注意的是，是否存在“丧失继承权”的情况应当由法院根据具体案件情况来进行认定，而不能直接将所有未赡养老人的行为一概而论。	GPT-4评分：3分 您好，根据中国的法律规定，没有赡养老人就不能成为继承人，但是如果被继承人已经去世，其财产将按照法定继承顺序分配给合法的继承人。同时，如果被继承人在生前曾经给予过抚养或扶养，则在分配遗产时，可以给予一定的照顾。此外，如果被继承人遗嘱中有关于财产分配的规定，则应按照遗嘱执行。请问您的具体情况是什么呢？	GPT-4评分：8分 依据您的咨询，关于是否因为没有赡养老就不能继承财产的问题，我们可以从《民法典》的相关规定进行分析。 首先，根据《民法典》第一千一百三十条的规定，继承人在继承遗产时，如果对被继承人尽了主要扶养义务或者与被继承人共同生活的继承人，可以多分遗产。这意味着，如果继承人在被继承人生前对其进行了经济上的支持或生活上的照料，那么在继承遗产时可能会得到更多的份额。 其次，《民法典》第一千一百二十五条明确指出，继承人有遗弃被继承人，或者虐待被继承人情节严重的，将丧失继承权。这表明，如果继承人在被继承人生前对其进行了遗弃或虐待，导致其生活处于困境，那么在继承遗产时可能会受到限制。 然而，《民法典》并没有直接规定说没有赡养老就不能继承财产。继承权的获取主要基于血缘关系和法律规定的继承人范围，而不是直接取决于赡养老的行为。因此，即使在没有履行赡养老义务的情况下，继承人仍然有权继承遗产。 综上所述，虽然赡养老行为可能会影响继承权的行使，但不赡养老并不直接剥夺继承权。继承权的获得主要取决于血缘关系和法律规定的继承人资格。如果您有继承权的疑问，建议详细了解自己的继承权情况，并考虑是否有遗弃或虐待行为，以免影响继承权利的行使。

致谢

本项目的开放过程中，获得了以下项目的帮助，在此表示感谢。

https://jecqa.thunlp.org/

https://opendata.pku.edu.cn/dataset.xhtml?persistentId=doi:10.18170/DVN/OLO4G8

https://github.com/tatsu-lab/stanford_alpaca

https://github.com/LianjiaTech/BELLE

https://github.com/ymcui/Chinese-LLaMA-Alpaca

https://github.com/pointnetwork/point-alpaca

本项目主要贡献人员：

黄曲哲*，陶铭绪*，张晨*，安震威*，姜聪，陈智斌，伍子睿，冯岩松

* Equal Contribution

本项目是在冯岩松教授的指导下进行的。

社区贡献

不少开发者对Lawyer LLaMA的部署使用进行了分享，在此表示感谢。相关社区贡献列举如下：

• 在通过命令行部署模型时，使用nginx反向代理访问此服务，可参考https://github.com/LeetJoe/lawyer-llama/blob/main/demo/nginx_proxy.md （Credit to @LeetJoe）
• 对lawyer-llama-13b-v2进行Q4量化并通过ollama部署，可参考https://github.com/AndrewZhe/lawyer-llama/issues/66 (Credit to @yangxiaoshuai2333)

局限性和使用限制

本项目内容仅供用于学术研究，不得用于商业以及其他会对社会带来危害的用途。使用涉及第三方代码的部分时，请严格遵循相应的开源协议。

本项目中使用的数据由ChatGPT生成，未经严格验证，可能会存在错误内容，在使用时请注意甄别。

本项目中的模型输出并非专业法律咨询结果，可能会包含错误内容。如需法律援助，请从专业人士处获得帮助。

引用

如果您使用了本项目的内容，或者认为本项目对您的研究有帮助，请引用本项目。

@misc{huang2023lawyer,
      title={Lawyer LLaMA Technical Report}, 
      author={Quzhe Huang and Mingxu Tao and Chen Zhang and Zhenwei An and Cong Jiang and Zhibin Chen and Zirui Wu and Yansong Feng},
      year={2023},
      eprint={2305.15062},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

@misc{Lawyer-LLama,
  title={Lawyer Llama},
  author={Quzhe Huang and Mingxu Tao and Chen Zhang and Zhenwei An and Cong Jiang and Zhibin Chen and Zirui Wu and Yansong Feng},
  year={2023},
  publisher={GitHub},
  journal={GitHub repository},
  howpublished={\url{https://github.com/AndrewZhe/lawyer-llama}},
}

Lawyer LLaMA 快速上手指南

Lawyer LLaMA 是一个基于 LLaMA 架构、针对中国法律领域进行持续预训练和指令微调的大语言模型。它具备理解中国法律知识体系（如民法、刑法等）及提供基础法律咨询的能力。本指南将帮助您快速部署并使用最新版模型 lawyer-llama-13b-v2。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux (推荐 Ubuntu 20.04+) 或 macOS
• Python: 3.8 或更高版本
• GPU: 推荐 NVIDIA GPU，显存至少 24GB (用于运行 13B 全精度或半精度模型)。若显存不足，建议使用量化版本（如 Q4_K_M）。
• 依赖库: PyTorch, Transformers, Accelerate, Bitsandbytes (如需量化加载)

建议创建独立的虚拟环境：

conda create -n lawyer-llama python=3.10
conda activate lawyer-llama

安装基础依赖（推荐使用国内镜像源加速）：

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install transformers accelerate sentencepiece bitsandbytes -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

Lawyer LLaMA 的参数文件托管在 Hugging Face 上。由于网络原因，国内用户建议使用镜像站下载或通过代码自动下载。

1. 获取模型参数

模型主仓库为 AndrewZhe/lawyer-llama-13b-v2。您可以使用 huggingface-cli 下载，或在代码中直接加载。

方法 A：使用命令行下载（推荐配合镜像）

设置 HF 镜像环境变量后下载：

export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download AndrewZhe/lawyer-llama-13b-v2 --local-dir ./lawyer-llama-13b-v2

方法 B：直接在 Python 代码中加载

后续的使用示例将展示如何通过代码自动拉取模型。

2. 克隆项目代码（可选）

如果您需要使用项目自带的推理脚本或查看详细文档，可以克隆仓库：

git clone https://github.com/AndrewZhe/lawyer-llama.git
cd lawyer-llama

基本使用

以下是最简单的 Python 推理示例，展示如何加载 lawyer-llama-13b-v2 模型并进行法律咨询。

简单推理示例

创建一个名为 inference.py 的文件，写入以下内容：

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

# 配置模型路径
model_name = "AndrewZhe/lawyer-llama-13b-v2"
# 如果已本地下载，可替换为本地路径: "./lawyer-llama-13b-v2"

# 加载分词器
tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)

# 加载模型
# 注意：如果显存不足，请添加 load_in_8bit=True 或 load_in_4bit=True (需安装 bitsandbytes)
device_map = "auto"
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    device_map=device_map,
    torch_dtype=torch.float16,
    trust_remote_code=True
)
model.eval()

# 构建输入提示 (Prompt)
# Lawyer LLaMA 通常遵循特定的指令格式，此处采用通用对话格式
input_text = """以下是一个法律问题，请根据中国法律给出专业解答：
问题：没有赡养老人就无法继承财产吗？
回答："""

inputs = tokenizer(input_text, return_tensors="pt").to(model.device)

# 生成回复
with torch.no_grad():
    outputs = model.generate(
        **inputs,
        max_new_tokens=512,
        do_sample=True,
        temperature=0.7,
        top_p=0.9,
        repetition_penalty=1.1
    )

# 解码输出
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)

运行脚本：

python inference.py

使用量化版本（低显存方案）

如果您的显存小于 24GB，建议使用社区贡献的量化版本（如通过 Ollama 部署的 Q4 版本），或在加载时开启 4-bit 量化：

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    device_map="auto",
    load_in_4bit=True, # 开启 4-bit 量化
    bnb_4bit_compute_dtype=torch.float16,
    trust_remote_code=True
)

注意：模型输出仅供参考，不构成正式法律意见。在处理实际法律事务时，请务必咨询专业律师。