/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Опубликована
2 янв 2024

auslaw-embed-v1.0

ЭмбеддингиТекст → embedding3 профессии

Англоязычная модель эмбеддингов для семантического поиска и сравнения сходства австралийских юридических текстов.

203скачиваний за 30 дней10лайковвеса обновлены3 янв 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

AusLaw Embedding v1.0 — англоязычная sentence-transformers-модель для создания плотных векторных представлений предложений и абзацев в юридическом контексте Австралии. Автор — Adrian Lucas Malec. Модель дообучена на базе BAAI/bge-small-en на судебных решениях Высокого суда Австралии из Open Australian Legal Corpus; дела, полученные с помощью PDF/OCR, в обучении не использовались.

Модель основана на BERT с размерностью эмбеддингов 384, использует CLS-пулинг и нормализацию векторов. Она предназначена для семантического поиска, сравнения сходства и кластеризации юридических текстов. Максимальная длина контекста — 512 токенов; поддерживается английский язык. Доступна в формате PyTorch по лицензии Apache-2.0.

Модель специализирована на корпусе дел Высокого суда Австралии, поэтому её представления могут хуже подходить для других юрисдикций, правовых материалов и общих текстов. Указано, что OCR-версии судебных дел не входили в обучающую выборку.

Сценарии применения

  • семантический поиск по решениям Высокого суда Австралии
  • поиск похожих судебных дел
  • сравнение сходства юридических предложений и абзацев
  • кластеризация австралийских судебных решений
  • создание векторного индекса корпуса австралийского права

Ограничения

Обучена на судебных делах Высокого суда Австралии и может хуже работать на материалах других юрисдикций или общих текстах. Случаи, полученные из PDF/OCR, не входили в обучающую выборку; максимальный контекст — 512 токенов.

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

AusLaw Embedding Model v1.0

This is a sentence-transformers model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search.

This model is a fine-tune of BAAI/bge-small-en using the HCA case law in the Open Australian Legal Corpus by Umar Butler. The PDF/OCR cases were not used.

The cases were split into < 512 context chunks using the bge-small-en tokeniser and semchunk.

mistralai/Mixtral-8x7B-Instruct-v0.1 was used to generate a legal question for each context chunk.

129,137 context-question pairs were used for training.

14,348 context-question pairs were used for evaluation (see the table below for results).

Using a 10% subset of the val dataset the following hit-rate performance was reached and is compared to the base model and OpenAI's default ada embedding model.

ModelAvg. hit-rate
BAAI/bge-small-en89%
OpenAI92%
adlumal/auslaw-embed-v1.097%

Usage (Sentence-Transformers)

Using this model becomes easy when you have sentence-transformers installed:

pip install -U sentence-transformers

Then you can use the model like this:

from sentence_transformers import SentenceTransformer
sentences = ["This is an example sentence", "Each sentence is converted"]

model = SentenceTransformer('adlumal/auslaw-embed-v1.0')
embeddings = model.encode(sentences)
print(embeddings)

Evaluation Results

The model was evauluated on 10% of the available data. The automated eval results for the final step are presented below.

EvalScore
cos_sim-Accuracy@10.730206301
cos_sim-Accuracy@30.859562308
cos_sim-Accuracy@50.892737664
cos_sim-Accuracy@100.928352384
cos_sim-Precision@10.730206301
cos_sim-Recall@10.730206301
cos_sim-Precision@30.286520769
cos_sim-Recall@30.859562308
cos_sim-Precision@50.178547533
cos_sim-Recall@50.892737664
cos_sim-Precision@100.092835238
cos_sim-Recall@100.928352384
cos_sim-MRR@100.801075782
cos_sim-NDCG@100.832189447
cos_sim-MAP@1000.803593645
dot_score-Accuracy@10.730136604
dot_score-Accuracy@30.859562308
dot_score-Accuracy@50.892737664
dot_score-Accuracy@100.928352384
dot_score-Precision@10.730136604
dot_score-Recall@10.730136604
dot_score-Precision@30.286520769
dot_score-Recall@30.859562308
dot_score-Precision@50.178547533
dot_score-Recall@50.892737664
dot_score-Precision@100.092835238
dot_score-Recall@100.928352384
dot_score-MRR@100.801040934
dot_score-NDCG@100.832163724
dot_score-MAP@1000.803558796

Training

The model was trained with the parameters:

DataLoader:

torch.utils.data.dataloader.DataLoader of length 2583 with parameters:

{'batch_size': 50, 'sampler': 'torch.utils.data.sampler.SequentialSampler', 'batch_sampler': 'torch.utils.data.sampler.BatchSampler'}

Loss:

sentence_transformers.losses.MultipleNegativesRankingLoss.MultipleNegativesRankingLoss with parameters:

{'scale': 20.0, 'similarity_fct': 'cos_sim'}

Parameters of the fit()-Method:

{
    "epochs": 2,
    "evaluation_steps": 50,
    "evaluator": "sentence_transformers.evaluation.InformationRetrievalEvaluator.InformationRetrievalEvaluator",
    "max_grad_norm": 1,
    "optimizer_class": "<class 'torch.optim.adamw.AdamW'>",
    "optimizer_params": {
        "lr": 2e-05
    },
    "scheduler": "WarmupLinear",
    "steps_per_epoch": null,
    "warmup_steps": 516,
    "weight_decay": 0.01
}

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': True}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False})
  (2): Normalize()
)

Citing & Authors

@misc{malec-2024-auslaw-embed-v1,
    author = {Malec, Adrian Lucas},
    year = {2024},
    title = {AusLaw Embedding v1.0},
    publisher = {Hugging Face},
    version = {1.0},
    url = {https://huggingface.co/adlumal/auslaw-embed-v1.0}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
bcb1ccd

0 моделей