VirtuoTuring/justina_clarus-24b-v2

Justina Clarus 24B — safetensors (v2)

Versão 2. Reforçada com mais sessões de treino e mais pares Q/A em PT-PT, mantendo foco no CPC e no CC e temas conexos.

O que mudou na v2

• Aumento do número de pares e iterações de treino.
• Maior consistência estilística em PT-PT técnico e jurídico.
• Mais robustez a variações de pergunta dentro do mesmo domínio.

Generalização e não-memorização

• O modelo não memoriza verbatim todas as respostas. Retém padrões gerais e pode aproximar-se de formulações consistentes.
• Aprendeu formato, tom e padrões das tuas perguntas e respostas formais em PT-PT com jargões específicos (jurídico, técnico). Responde de forma consistente nesse estilo, mesmo para perguntas diferentes das do dataset. Útil para: aplicações que exigem respostas consistentes com o tom do dataset, sem exigir reprodução literal. Excelente para RAG.
• Capta padrões semânticos e sintáticos do corpus jurídico PT-PT. Para perguntas idênticas ou muito próximas, as respostas tendem a ser precisas (>80–90% de equivalência semântica, mesmo sem verbatim). Útil para: cenários com perguntas variadas mas dentro do mesmo tema jurídico. Melhor generalização.

Destinos preferenciais

Este modelo é base para:

1. fine-tune dirigido a matérias legais específicas;
2. integração em RAG;
3. uso de contexto dado no prompt (leis, interpretações, factos) para compor texto jurídico.

Cobertura jurídica

• CPC: espécies de ações, processos, competência, recursos, caso julgado.
• CC: obrigações, responsabilidade civil, direitos de personalidade.
• Reforços: abuso de direito; família e menores; liberdade sexual; ações populares.
• Contexto adicional (seletivo): CPP, CP, CRP, CEDH, RGPD (+ Lei 58/2019), Lei 112/2009, Lei 130/2015, LAV, Reg. (UE) 1215/2012, Reg. (UE) 2019/1111, Dir. 2004/25/CE, CVM 194/196.

Dados e esquema

Treino em JSONL com pares Q/A autossuficientes.

Schema {"messages":[{"role":"user","content":"…"},{"role":"assistant","content":"…"}]}

Exemplos {"messages":[{"role":"user","content":"Quais são as espécies fundamentais de ações no Direito Processual Civil segundo o artigo 10.º, n.º 1 CPC?"},{"role":"assistant","content":"Segundo o artigo 10.º, n.º 1 CPC, distinguem-se duas espécies fundamentais de ações no esquema do processo civil."}]} {"messages":[{"role":"user","content":"O que caracteriza a ação declarativa?"},{"role":"assistant","content":"A ação declarativa pode ser de simples apreciação, de condenação ou constitutiva (art. 10.º, n.os 2 e 3 CPC), pedindo-se em cada subespécie providências distintas."}]}

Utilização

Distribuição em safetensors para transformers.

Python (FP16/BF16) from transformers import AutoTokenizer, AutoModelForCausalLM import torch repo = "VirtuoTuring/justina_clarus-24b-safetensors" tok = AutoTokenizer.from_pretrained(repo, use_fast=True) dtype = torch.bfloat16 if torch.cuda.is_bf16_supported() else torch.float16 model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype=dtype, device_map="auto") prompt = "Pergunta: Indique as espécies de ações no art. 10.º, n.º 1 CPC.\nResposta:" out = model.generate(**tok(prompt, return_tensors="pt").to(model.device), max_new_tokens=400, temperature=0.2, top_p=0.9) print(tok.decode(out[0], skip_special_tokens=True))

Python 4-bit (bitsandbytes) from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig import torch bnb = BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_quant_type="nf4", bnb_4bit_use_double_quant=True, bnb_4bit_compute_dtype=torch.bfloat16 if torch.cuda.is_bf16_supported() else torch.float16) tok = AutoTokenizer.from_pretrained(repo, use_fast=True) model = AutoModelForCausalLM.from_pretrained(repo, quantization_config=bnb, device_map="auto")

Boas práticas

• Cite artigos e números quando aplicável.
• Valide com fontes oficiais. Revisão humana obrigatória em peças processuais.
• Para produção, preferir temperature baixa e limites explícitos de tokens.

Limitações

• Janela de contexto ~4k tokens.
• Não substitui profissionais forenses nem decisões dos tribunais.
• Pode falhar em regimes especiais ou alterações legislativas recentes.

Licença

Virtuo 1.0. Uso, modificação e redistribuição, incluindo comercial, com preservação dos avisos e referência a Virtuo Turing – Artificial Intelligence, S.A.

Créditos

Virtuo Turing – Artificial Intelligence, S.A. (Portugal) e Octávio Viana. Base © Mistral AI (Apache-2.0). Website: https://justina.cloud

Justina Clarus 24B — safetensors (v2)

Version 2. Reinforced with more training sessions and more PT-PT Q/A pairs, maintaining focus on CPC and CC and related topics.

What’s new in v2

• Larger number of pairs and training iterations.
• Improved stylistic consistency in technical and legal PT-PT.
• More robustness to question variation within the same domain.

Generalization and non-memorization

• The model does not memorize all answers verbatim. It retains general patterns and may converge to consistent formulations.
• It learned the format, tone, and patterns of formal PT-PT Q/A with specialized jargon (e.g., legal, technical). It answers consistently in that style even for questions different from those in the dataset. Useful for: applications needing consistency with the dataset’s tone without literal reproduction. Excellent for RAG.
• It captures semantic and syntactic patterns of the PT-PT legal corpus. For identical or very close questions, answers tend to be accurate (>80–90% semantic equivalence even without verbatim). Useful for: scenarios with varied questions within the same legal theme. Better generalization.

Primary uses

This model is a base for:

1. fine-tuning to specific legal domains;
2. integration in RAG;
3. injecting user-supplied context at prompt time (laws, interpretations) to compose legal text.

Legal coverage

• CPC: types of actions, procedures, jurisdiction, appeals, res judicata.
• CC: obligations, tort, personality rights.
• Reinforcements: abuse of rights; family and minors; sexual freedom; popular actions.
• Additional context (selective): CPP, CP, CRP, ECHR, GDPR (+ Law 58/2019), Law 112/2009, Law 130/2015, LAV, Reg. (EU) 1215/2012, Reg. (EU) 2019/1111, Dir. 2004/25/EC, CVM 194/196.

Data and schema

Training in JSONL using self-contained Q/A pairs.

Schema {"messages":[{"role":"user","content":"…"},{"role":"assistant","content":"…"}]}

Examples {"messages":[{"role":"user","content":"Quais são as espécies fundamentais de ações no Direito Processual Civil segundo o artigo 10.º, n.º 1 CPC?"},{"role":"assistant","content":"Segundo o artigo 10.º, n.º 1 CPC, distinguem-se duas espécies fundamentais de ações no esquema do processo civil."}]} {"messages":[{"role":"user","content":"O que caracteriza a ação declarativa?"},{"role":"assistant","content":"A ação declarativa pode ser de simples apreciação, de condenação ou constitutiva (art. 10.º, n.os 2 e 3 CPC), pedindo-se em cada subespécie providências distintas."}]}

Usage

Distributed as safetensors for transformers.

Python (FP16/BF16) from transformers import AutoTokenizer, AutoModelForCausalLM import torch repo = "VirtuoTuring/justina_clarus-24b-safetensors" tok = AutoTokenizer.from_pretrained(repo, use_fast=True) dtype = torch.bfloat16 if torch.cuda.is_bf16_supported() else torch.float16 model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype=dtype, device_map="auto") prompt = "Pergunta: Indique as espécies de ações no art. 10.º, n.º 1 CPC.\nResposta:" out = model.generate(**tok(prompt, return_tensors="pt").to(model.device), max_new_tokens=400, temperature=0.2, top_p=0.9) print(tok.decode(out[0], skip_special_tokens=True))

Python 4-bit (bitsandbytes) from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig import torch bnb = BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_quant_type="nf4", bnb_4bit_use_double_quant=True, bnb_4bit_compute_dtype=torch.bfloat16 if torch.cuda.is_bf16_supported() else torch.float16) tok = AutoTokenizer.from_pretrained(repo, use_fast=True) model = AutoModelForCausalLM.from_pretrained(repo, quantization_config=bnb, device_map="auto")

Good practice

• Cite article numbers when applicable.
• Validate against official sources. Human review is mandatory for filings.
• For production, prefer low temperature and explicit token limits.

Limitations

• Context window ~4k tokens.
• Not a substitute for legal professionals or courts.
• May miss special regimes or recent legislative changes.

License

Virtuo 1.0. Use, modification, and redistribution, including commercial, with notices preserved and reference to Virtuo Turing – Artificial Intelligence, S.A.

Credits

Virtuo Turing – Artificial Intelligence, S.A. (Portugal) and Octávio Viana. Base © Mistral AI (Apache-2.0). Website: https://justina.cloud