---
language:
- vi
- en
license: apache-2.0
base_model: Qwen/Qwen3-4B-Instruct-2507
tags:
- qwen3
- accounting
- vietnamese
- kế-toán
- thông-tư-133
- fine-tuned
- cot
- chain-of-thought
datasets:
- custom-tt133
pipeline_tag: text-generation
---

# AAI Accountant — TT133 v1.0

**AI kế toán chuyên biệt cho Thông tư 133/2016/TT-BTC** (Chế độ kế toán doanh nghiệp nhỏ và vừa Việt Nam)

## Thông tin mô hình

| Thuộc tính | Giá trị |
|---|---|
| Base model | `Qwen/Qwen3-4B-Instruct-2507` |
| Fine-tune method | QLoRA (rank=32, RSLoRA) |
| Dataset | 903 samples từ TT133 + Phụ lục biểu mẫu |
| Language | Tiếng Việt (kế toán) |
| Context length | 4096 tokens |
| Format | ChatML + `<think>...</think>` CoT |

## Khả năng

- ✅ **Định khoản kế toán** theo TT133 (Nợ/Có, TK XXX)
- ✅ **Giải thích điều khoản** — trả lời câu hỏi về 91 Điều của TT133
- ✅ **Biểu mẫu BCTC** — hướng dẫn điền B01-DNN, B02-DNN, B09-DNN...
- ✅ **Danh mục tài khoản** — tra cứu mã TK, phân loại, bút toán điển hình
- ✅ **Chain-of-Thought** — suy luận từng bước rõ ràng trước khi trả lời

## Dataset breakdown

| Loại nội dung | Samples | % |
|---|---|---|
| Văn bản (Điều khoản chung) | 298 | 33% |
| Nguyên tắc kế toán | 264 | 29% |
| Biểu mẫu BCTC (Phụ lục) | 175 | 19% |
| Ví dụ thực tế | 73 | 8% |
| Định khoản Nợ/Có | 66 | 7% |
| Phụ lục chung | 27 | 3% |

## Cách dùng

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = 'steve-nguyen/aai-accountant-tt133-v1.0'
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, torch_dtype=torch.float16, device_map='auto'
)

messages = [
    {'role': 'system', 'content': 'Bạn là AI agent kế toán chuyên nghiệp, tuân thủ Thông tư 133/2016/TT-BTC.'},
    {'role': 'user',   'content': 'Công ty mua hàng 100 triệu đồng, chưa trả tiền. Định khoản?'},
]
inputs = tokenizer.apply_chat_template(messages, return_tensors='pt', add_generation_prompt=True).to('cuda')
outputs = model.generate(inputs, max_new_tokens=512, temperature=0.6, do_sample=True)
print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))
```

## Lưu ý

- Mô hình được tối ưu cho **Thông tư 133** (DNNVV). Với TT200 (doanh nghiệp lớn) cần thêm dataset.
- Luôn kiểm tra lại bút toán với kế toán viên — AI có thể mắc lỗi trong các trường hợp phức tạp.
- Không áp dụng cho mục đích pháp lý mà không có xác nhận chuyên môn.

## License

Apache 2.0 — kế thừa từ Qwen3-4B-Instruct.