/ Модель
Каталог

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
MIT
Архитектура
xlm-roberta · dense
Базовая модель
multilingual-e5-base
Библиотека
sentence-transformers
Опубликована
11 июн 2026

Ссылки

Hugging Face

legal-e5-tr

IremTRNL
ЭмбеддингиТекст → embedding3 профессии

Дообученная XLM-RoBERTa-модель эмбеддингов для семантического поиска по турецким юридическим документам.

78скачиваний за 30 дней0лайковвеса обновлены11 июн 2026

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.

Открыть конструктор бенчмарка

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

IremTRNL/legal-e5-tr — модель эмбеддингов для поиска по турецким юридическим текстам. Это дообученная на решениях Верховного и Государственного советов Турции версия intfloat/multilingual-e5-base, созданная с применением Multiple Negatives Ranking Loss и подбора сложных негативных примеров. Модель построена на XLM-RoBERTa, содержит 305,2 млн параметров и доступна в формате safetensors через библиотеку sentence-transformers.

Модель предназначена для семантического поиска и сопоставления запросов с фрагментами юридических документов на турецком языке. В примере использования запросу добавляется префикс «query:», а тексту документа — «passage:». Для обучения использовалось около 5000 пар запрос–фрагмент из набора Turkish-Law-Documents-700k-clustered; качество оценивалось на TurkLegalBench.

Контекст модели составляет 514 токенов. Лицензия — MIT. Описание не приводит численных результатов оценки; модель специализирована на турецком правовом поиске, поэтому её пригодность для других языков и областей не подтверждена.

Сценарии применения

  • Поиск судебных решений по запросу на турецком языке
  • Подбор релевантных фрагментов судебных актов
  • Сопоставление юридического запроса с текстом документа
  • Построение поиска по турецкой правовой базе
  • Ранжирование юридических документов по смысловой близости

Ограничения

Оптимизирована для поиска по турецким юридическим текстам; применимость к другим языкам и областям не подтверждена. В карточке не приведены численные результаты оценки на TurkLegalBench.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделейI.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделейI.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

legal-e5-tr — Türkçe Hukuk Domain-Adaptive Embedding Modeli

intfloat/multilingual-e5-base modelinin Türkçe Yargıtay ve Danıştay kararları üzerinde Multiple Negatives Ranking Loss + hard negative mining ile fine-tune edilmiş halidir. Türkçe hukuki bilgi erişimi (retrieval) için optimize edilmiştir.

Kullanım

from sentence_transformers import SentenceTransformer
model = SentenceTransformer("IremTRNL/legal-e5-tr")
q = model.encode("query: ihtiyati haciz icra takibi sayılır mı")
d = model.encode("passage: ...karar metni...")

Eğitim Verisi

Değerlendirme

TurkLegalBench üzerinde değerlendirilmiştir. Sonuçlar için makaleye bakınız.

Atıf

@inproceedings{yargirag2026,
  title     = {YargıRAG: Türkçe Hukuki Yapay Zeka için Açık Benchmark, Domain-Adaptive Retrieval ve Halüsinasyon-Güvenli Soru-Cevap Sistemi},
  author    = {Turanlı, İrem},
  booktitle = {...},
  year      = {2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
XLMRobertaModel
Ревизия весов
ef0cbdf

0 моделей

    Создать бенчмарк