/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
CC BY-NC 4.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Embedding-0.6B
Библиотека
sentence-transformers
Опубликована
24 апр 2026

Legal-Embedding-ita-0.6B

ЭмбеддингиТекст → embedding3 профессии

Дообученная на итальянских юридических данных модель эмбеддингов для семантического поиска и извлечения документов.

105скачиваний за 30 дней4лайкавеса обновлены11 мая 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.

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

Legal-Embedding-Ita-0.6B — модель эмбеддингов Sentence Transformers, разработанная ReDiX и дообученная на базе Qwen/Qwen3-Embedding-0.6B для поиска по итальянским текстам с особым акцентом на юридические документы. Она преобразует запросы и документы в плотные векторы размерностью 1024 и предназначена для семантического поиска, ранжирования документов и извлечения материалов для RAG-систем. Для сравнения векторов рекомендуется косинусное сходство; архитектура включает Qwen3Model, пулинг последнего токена и нормализацию.

Модель принимает текст, рассчитана прежде всего на итальянский язык и ограничивает длину последовательности 1024 токенами. В карточке указано улучшение результата на итальянском юридическом наборе MuPLeR-retrieval относительно базовой модели, однако прирост не следует переносить на другие языки и области. Модель не генерирует ответы, а выдаёт эмбеддинги; результаты поиска не подтверждают юридическую корректность и не заменяют консультацию специалиста. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование; авторы также заявляют, что модель предназначена для исследований, а не для производственной эксплуатации.

Сценарии применения

  • семантический поиск по итальянским юридическим документам
  • извлечение юридических источников для RAG-системы
  • ранжирование итальянских правовых документов по запросу
  • поиск релевантных фрагментов для конвейера вопросно-ответной системы
  • оценка качества юридического dense retrieval

Ограничения

Оптимизирована преимущественно для извлечения итальянских юридических текстов; качество на других языках и в иных областях может быть ниже. Модель только создаёт эмбеддинги, не генерирует ответы, а результаты поиска не являются юридической консультацией.

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

⚖️🇮🇹​ Legal-Embedding-Ita-0.6b

Legal-Embedding-Ita-0.6b is a Sentence Transformers embedding model fine-tuned from Qwen/Qwen3-Embedding-0.6B for Italian retrieval tasks, with a particular focus on the legal domain.

The model maps queries and documents into a 1024-dimensional dense vector space and is designed for semantic search, retrieval-augmented generation (RAG), document ranking, and legal information retrieval in Italian.

GGUF version here

⚠️ DISCLAIMER

This model has been created for research purposes. Is under no circumstances intended for use in production environments. By using this model, you accept all liability.


Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base Model: Qwen/Qwen3-Embedding-0.6B
  • Fine-tuned Model: Legal-Embedding-Ita-0.6b
  • Organization: ReDiX
  • Language: Italian
  • Primary Domain: Legal
  • Maximum Sequence Length: 1024 tokens
  • Output Dimensionality: 1024
  • Similarity Function: Cosine Similarity
  • Supported Modality: Text

Intended Use

This model is intended for Italian text retrieval tasks, especially in legal and domain-specific RAG pipelines.

Recommended use cases:

  • Legal semantic search
  • Italian legal document retrieval
  • Retrieval-augmented generation over Italian documents
  • Dense retrieval benchmarking
  • Domain-specific document ranking
  • Question-answering retrieval pipelines

This model is not a generative language model. It only produces dense embeddings.


Performance Summary

The model was evaluated against the base qwen3-embedding-0.6b model on Italian MTEB datasets and internal ReDiX domain-specific retrieval benchmarks.

The main improvement is observed on the legal retrieval dataset.

Key Result

On the legal MTEB dataset MuPLeR-retrieval, Legal-Embedding-Ita-0.6b outperforms the base qwen3-embedding-0.6b model by:

+11.45% main score

This indicates a clear gain in Italian legal retrieval performance after fine-tuning.


MTEB Results — Italian Datasets

Datasetqwen3-embedding-0.6bLegal-Embedding-Ita-0.6bDifference
MintakaRetrieval0.368520.36433-0.4%
MKQARetrieval0.101120.09974-0.13%
MuPLeR-retrieval — Legal0.762330.87685+11.45%
WikipediaRetrievalMultilingual0.881350.90066+1.931%

ReDiX Domain Benchmark Results

Evaluation metric: nDCG@10.

Domainqwen3-embedding-0.6bLegal-Embedding-Ita-0.6bDifference
Legal0.62810.6751+4.70%
Finance0.61550.6819+6.64%
Medical0.58550.6243+3.87%
STEM0.68070.7258+4.51%

Although the model improves across the internal ReDiX benchmark domains, the model should primarily be considered a legal-focused Italian embedding model, since the fine-tuning process was designed around Italian legal retrieval.


Full Model Architecture

SentenceTransformer(
  (0): Transformer({
      'transformer_task': 'feature-extraction',
      'modality_config': {
          'text': {
              'method': 'forward',
              'method_output_name': 'last_hidden_state'
          }
      },
      'module_output_name': 'token_embeddings',
      'architecture': 'Qwen3Model'
  })
  (1): Pooling({
      'embedding_dimension': 1024,
      'pooling_mode': 'lasttoken',
      'include_prompt': True
  })
  (2): Normalize({})
)

Usage

Installation

pip install -U sentence-transformers

Direct Usage with Sentence Transformers

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("ReDiX/Legal-Embedding-Ita-0.6b")

queries = [
    "Qual è il lasso di tempo obbligatorio prima di ripresentare una domanda di adesione al codice dopo un rifiuto?"
]

documents = [
    "L’eventuale mancata conferma della adesione al Codice di condotta presentata da parte di un Produttore del Software deve essere motivata da parte dell’OdM, fermo restando che tale diniego non preclude la possibilità per il Produttore di successiva presentazione della domanda di adesione che può avvenire non prima di un anno unitamente ad una breve nota che illustri le misure adottate per superare le ragioni che avevano condotto al precedente diniego.",
    "La Corte costituzionale ha affrontato il tema delle intercettazioni indirette relative ai parlamentari, distinguendo tra intercettazioni fortuite e mirate.",
    "Il danneggiato è tenuto a dimostrare davanti al giudice civile la sussistenza del nesso di causalità tra condotta e danno e a quantificare quest’ultimo."
]

query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)

similarities = model.similarity(query_embeddings, document_embeddings)

print(similarities)

Prompt Format

Since the model is based on Qwen3 Embedding, asymmetric retrieval prompting is recommended.

Query Prompt

Instruct: Given an Italian legal search query, retrieve the most relevant legal passage that answers the query.
Query:
Document Prompt:

The document prompt is intentionally empty.

Training Details

Training Dataset

The model was fine-tuned on an Italian retrieval dataset containing:

244,907 training samples Columns: anchor, positive, negative Approximately 120,000 strictly legal-related samples Training format: query, relevant passage, hard negative passage

The evaluation dataset contains:

3,310 evaluation samples Columns: anchor, positive Domain: Italian legal retrieval

Training Loss

The model was trained using a patched version of CachedGISTEmbedLoss.

{
  "guide": "SentenceTransformer('intfloat/multilingual-e5-large-instruct')",
  "temperature": 0.01,
  "mini_batch_size": 32,
  "margin_strategy": "absolute",
  "margin": 0.0,
  "contrast_anchors": true,
  "contrast_positives": false,
  "gather_across_devices": false
}

Training Hyperparameters

Non-Default Hyperparameters
  • learning_rate: 2e-06
  • lr_scheduler_type: cosine
  • warmup_steps: 0.03
  • weight_decay: 0.01
  • gradient_accumulation_steps: 4
  • bf16: True
  • load_best_model_at_end: True
  • data_seed: 42
  • dataloader_num_workers: 4
  • remove_unused_columns: False
  • prompts: {'anchor': 'Instruct: Given an Italian legal search query, retrieve the most relevant legal passage that answers the query.\nQuery: ', 'positive': '', 'negative': ''}
  • batch_sampler: no_duplicates
All Hyperparameters
  • per_device_train_batch_size: 8
  • num_train_epochs: 3.0
  • max_steps: -1
  • learning_rate: 2e-06
  • lr_scheduler_type: cosine
  • lr_scheduler_kwargs: None
  • warmup_steps: 0.03
  • optim: adamw_torch_fused
  • optim_args: None
  • weight_decay: 0.01
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • optim_target_modules: None
  • gradient_accumulation_steps: 4
  • average_tokens_across_devices: True
  • max_grad_norm: 1.0
  • label_smoothing_factor: 0.0
  • bf16: True
  • fp16: False
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • use_liger_kernel: False
  • liger_kernel_config: None
  • use_cache: False
  • neftune_noise_alpha: None
  • torch_empty_cache_steps: None
  • auto_find_batch_size: False
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • include_num_input_tokens_seen: no
  • log_level: passive
  • log_level_replica: warning
  • disable_tqdm: False
  • project: huggingface
  • trackio_space_id: trackio
  • per_device_eval_batch_size: 8
  • prediction_loss_only: True
  • eval_on_start: False
  • eval_do_concat_batches: True
  • eval_use_gather_object: False
  • eval_accumulation_steps: None
  • include_for_metrics: []
  • batch_eval_metrics: False
  • save_only_model: False
  • save_on_each_node: False
  • enable_jit_checkpoint: False
  • push_to_hub: False
  • hub_private_repo: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_always_push: False
  • hub_revision: None
  • load_best_model_at_end: True
  • ignore_data_skip: False
  • restore_callback_states_from_checkpoint: False
  • full_determinism: False
  • seed: 42
  • data_seed: 42
  • use_cpu: False
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • parallelism_config: None
  • dataloader_drop_last: False
  • dataloader_num_workers: 4
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • dataloader_prefetch_factor: None
  • remove_unused_columns: False
  • label_names: None
  • train_sampling_strategy: random
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • ddp_backend: None
  • ddp_timeout: 1800
  • fsdp: []
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • deepspeed: None
  • debug: []
  • skip_memory_metrics: True
  • do_predict: False
  • resume_from_checkpoint: None
  • warmup_ratio: None
  • local_rank: -1
  • prompts: {'anchor': 'Instruct: Given an Italian legal search query, retrieve the most relevant legal passage that answers the query.\nQuery: ', 'positive': '', 'negative': ''}
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional
  • router_mapping: {}
  • learning_rate_mapping: {}

Training Time

  • Training: 1.3 days
  • Evaluation: 7.2 hours
  • Total: 1.6 days

Framework Versions

  • Python: 3.12.3
  • Sentence Transformers: 5.4.1
  • Transformers: 5.5.4
  • PyTorch: 2.11.0+cu130
  • Accelerate: 1.13.0
  • Datasets: 4.8.4
  • Tokenizers: 0.22.2

Limitations

The model is optimized primarily for Italian legal retrieval. Performance gains on non-legal datasets should be interpreted cautiously. The model may underperform on domains or languages not represented in the fine-tuning data. The model does not generate answers; it only produces embeddings for retrieval. Legal retrieval results do not imply legal correctness or legal advice.

Citation

BibTeX

Sentence Transformers
@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

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
Qwen3Model
Ревизия весов
cc37490

0 моделей