/ Модель

Характеристики

Контекст
514 токенов
Параметры
659 млн
Лицензия
Своя лицензия
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-large
Библиотека
transformers
Опубликована
21 фев 2025

MEL

ЭмбеддингиТекст → embedding3 профессии

MEL — испанская юридическая модель для извлечения признаков и построения систем классификации документов.

5 132скачиваний за 30 дней18лайковвеса обновлены20 июн 2025

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

MEL (Modelo de Español Legal) — энкодерная модель на архитектуре XLM-RoBERTa-large от IIC, адаптированная для работы с испанскими юридическими текстами. Модель продолжительно предобучена с целевой функцией masked language modeling на корпусе из 5,52 млн документов, включая публикации BOE, парламентские стенограммы, судебные решения и законодательные тексты. Размер модели — 658,7 млн параметров, контекст — 514 токенов.

MEL предназначена для извлечения признаков из испанских юридических текстов и может служить основой для дообучения классификаторов и других прикладных моделей. В карточке приведены результаты классификации юридических документов, в том числе F1 0,8025 на Multieurlex и 0,9260 на закрытом наборе данных. Модель поддерживает испанский язык; лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

Сценарии применения

  • извлечение признаков из испанских юридических документов
  • подготовка эмбеддингов для классификации законодательных текстов
  • дообучение классификатора категорий юридических документов
  • анализ испанских законов и судебных решений

Ограничения

Модель обучалась на испанских юридических текстах; её качество для других языков и многоязычных юридических сценариев не оценено. В README также отмечены возможные смещения из-за состава корпуса и отсутствие оценки NER и других токенных задач.

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

MEL: Legal Spanish Language Model

Model Name: MEL (Modelo de Español Legal)
Model Type: Encoder-only Transformer Language: Spanish
Domain: Legal Texts
Paper: Link to paper


Overview

MEL is a transformer-based language model designed specifically for processing and understanding Spanish legal texts. Built upon XLM-RoBERTa-large, it is further pre-trained on a large corpus of legal documents, including the Boletín Oficial del Estado (BOE), parliamentary transcripts, court rulings, and other legislative texts. MEL significantly improves the performance of legal NLP tasks, such as legal text classification and named entity recognition (NER).


Model Description

Architecture

  • Base Model: XLM-RoBERTa-large
  • Training Objective: Masked Language Modeling (MLM)
  • Pre-training Strategy: Continued pre-training on Spanish legal texts
  • Context Window: 512 tokens

Training Data

MEL is trained on a curated corpus of 5.52 million legal texts (~92.7GB) sourced from:

  • BOE (Boletín Oficial del Estado)
  • Parliamentary records
  • Court rulings
  • Legal statutes

To ensure high-quality text processing, documents were preprocessed by removing unwanted characters, normalizing spacing, chunking texts, and filtering non-Spanish content.

Cutoff date: February 2024

Training Configuration

  • GPU: NVIDIA A100 80GB PCIe
  • Training Time: 13.9 days (~7 days per epoch, 2 epochs total)
  • Optimizer: AdamW (β1=0.9, β2=0.98, ϵ=1e-6)
  • Batch Size: 16 (Gradient Accumulation: 4, Effective Batch Size: 64)
  • Scheduler: Cosine Learning Rate Scheduler
  • Warmup Steps: 8% of total training steps
  • Learning Rate: 1e-4
  • Weight Decay: 0.01

Evaluation

MEL was benchmarked on two datasets:

1. Multieurlex (Spanish Legal Texts Classification)

2. Private Multiclass Classification Dataset

  • Task: Classify legal documents into one of 9 categories
  • Performance:
    • MEL achieves an F1 score of 0.9260, surpassing XLM-RoBERTa-Large (0.9103), Legal-XLM-RoBERTa (0.8935), and RoBERTalex (0.7007).
  • Small Data Learning: MEL shows better generalization even with limited training data, achieving an F1 score of 0.8812 in early training compared to the next best 0.7803.

Model Performance

Key Findings

✔ Outperforms general multilingual models (XLM-RoBERTa) and other domain-specific models in Spanish legal text classification.
✔ Requires less fine-tuning, demonstrating strong domain adaptation from the pre-training phase.
✔ Shows high sample efficiency, achieving strong results even with limited training data.

Limitations

⚠ Not evaluated on NER or token-level tasks due to the lack of annotated Spanish legal datasets.
⚠ Trained only on Spanish legal texts, so performance in multilingual legal contexts is unknown.
⚠ Potential bias in legal terminology due to corpus selection.


How to Use

from transformers import AutoModel, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("IIC/MEL")
model = AutoModel.from_pretrained("IIC/MEL")

text = "El artículo 45 de la Constitución establece que..."
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

For fine-tuning on specific legal tasks, use Trainer from Hugging Face’s transformers library.


Future Work

  • Develop NER models for legal entity extraction.
  • Expand dataset to cover more diverse legal domains (e.g., contracts, case law, administrative procedures).
  • Fine-tune on additional downstream tasks (question answering, legal summarization, information retrieval).
  • Improve bias detection and mitigation strategies.

Citation

If you use MEL, please cite:

@misc{sánchez2025mellegalspanishlanguage,
      title={MEL: Legal Spanish Language Model}, 
      author={David Betancur Sánchez and Nuria Aldama García and Álvaro Barbero Jiménez and Marta Guerrero Nieto and Patricia Marsà Morales and Nicolás Serrano Salas and Carlos García Hernán and Pablo Haya Coll and Elena Montiel Ponsoda and Pablo Calleja Ibáñez},
      year={2025},
      eprint={2501.16011},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2501.16011}, 
}

Acknowledgements

This work has received funding from the Inesdata-project (Infrastructure to Investigate Data Spaces in Distributed Environments at UPM), a project funded under the UNICO I+D CLOUD call by the Ministry for Digital Transformation and the Civil Service, in the framework of the recovery plan PRTR financed by the European Union (NextGenerationEU)

Código del proyecto: TSI-063100-2022-0001

Contributors:

  • David Betancur Sánchez, Instituto de Ingeniería del Conocimiento (IIC)
  • Nuria Aldama García, Instituto de Ingeniería del Conocimiento (IIC)
  • Álvaro Barbero Jiménez, Instituto de Ingeniería del Conocimiento (IIC)
  • Marta Guerrero Nieto, Instituto de Ingeniería del Conocimiento (IIC)
  • Patricia Marsà Morales, Instituto de Ingeniería del Conocimiento (IIC)
  • Nicolás Serrano Salas, Instituto de Ingeniería del Conocimiento (IIC)
  • Carlos García Hernán, Instituto de Ingeniería del Conocimiento (IIC)
  • Pablo Haya Coll, Instituto de Ingeniería del Conocimiento (IIC)
  • Elena Montiel Ponsoda, Universidad Politécnica de Madrid
  • Pablo Calleja Ibáñez, Universidad Politécnica de Madrid

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
4584d59

0 моделей