/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bge-small-en-v1.5
Библиотека
transformers
Опубликована
2 дек 2024

BGE-Small-LegalEmbeddings-USCode

Сходство предложенийТекст → score3 профессии

Дообученная англоязычная BERT-модель создаёт эмбеддинги для семантического поиска и сравнения юридических текстов Кодекса США.

125скачиваний за 30 дней1лайквеса обновлены19 дек 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Archit Rastogi разработал эту модель как дообученную версию BAAI/bge-small-en-v1.5 для создания эмбеддингов юридических текстов, связанных с Кодексом США. Модель основана на архитектуре BERT, содержит 40 млн параметров и принимает текст на английском языке; максимальная длина контекста — 512 токенов. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

Модель предназначена для семантического поиска по юридическим документам, сопоставления запросов с фрагментами Кодекса США и получения эмбеддингов для последующих NLP-систем. В README заявлена точность 75% на тестовой выборке USLawQA; результаты относятся к описанной автором оценке и не гарантируют качество на других юридических корпусах или задачах.

Сценарии применения

  • семантический поиск по тексту Кодекса США
  • сопоставление юридических запросов с фрагментами законов
  • поиск релевантных положений закона по вопросу на английском языке
  • создание эмбеддингов юридических документов для NLP-систем

Ограничения

Заявленная точность 75% измерена на тестовой выборке USLawQA и может не переноситься на другие корпуса и типы юридических задач. Контекст ограничен 512 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BGE-Small Fine-Tuned on USCode-QueryPairs

This is a fine-tuned version of the BGE Small embedding model, trained on the USCode-QueryPairs dataset, a subset of the USLawQA corpus. The model is optimized for generating embeddings for legal text, achieving 75% accuracy on the test set.

Overview

  • Base Model: BGE Small
  • Dataset: USCode-QueryPairs
  • Training Details:
    • Hardware: Google Colab (T4 GPU)
    • Training Time: 2 hours
  • Accuracy: 75% on the test set from USLawQA

Applications

This model is ideal for:

  • Legal Text Retrieval: Efficient semantic search across legal documents.
  • Question Answering: Answering legal queries based on context from the US Code.
  • Embeddings Generation: Generating high-quality embeddings for downstream legal NLP tasks.

Usage

The model can be used with model.encode for generating embeddings. Below is an example usage snippet:

# Load model directly
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("ArchitRastogi/BGE-Small-LegalEmbeddings-USCode")
model = AutoModel.from_pretrained("ArchitRastogi/BGE-Small-LegalEmbeddings-USCode")
text = "Duties of the president"
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)
#Printing the Embeddings
print(outputs)

Evaluation

The model was evaluated on the test set of USLawQA and achieved the following metrics:

  • Accuracy: 75%
  • Task: Semantic similarity and legal question answering.

Related Resources

📧 Contact

For any inquiries, suggestions, or feedback, feel free to reach out:

Archit Rastogi
📧 architrastogi20@gmail.com


📜 License

This dataset is distributed under the Apache 2.0 License. Please ensure compliance with applicable copyright laws when using this dataset.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
aa18202

0 моделей