/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bge-base-en-v1.5
Библиотека
sentence-transformers
Опубликована
24 мая 2025

Legal-Embed-bge-base-en-v1.5

ЭмбеддингиТекст → embedding5 профессий

Англоязычная модель эмбеддингов на базе BGE, дообученная для семантического поиска по юридическим документам и отбора контекста для RAG.

1 108скачиваний за 30 дней3лайкавеса обновлены24 мая 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

axondendriteplus/Legal-Embed-bge-base-en-v1.5 — англоязычная модель эмбеддингов, дообученная на базе BAAI/bge-base-en-v1.5 для поиска по юридическим документам и систем RAG. Она использует плотную архитектуру BERT и SentenceTransformers, содержит 136,7 млн параметров и принимает текст длиной до 512 токенов.

Модель преобразует юридические тексты в векторы для семантического поиска и подбора фрагментов к вопросам. Обучение с MatryoshkaLoss рассчитано на использование эмбеддингов разных размерностей: в README приведены результаты для 768, 512 и 256 измерений, а также варианты 128 и 64 измерения с меньшими требованиями к хранилищу. В опубликованной оценке на юридическом наборе тонкая настройка улучшила NDCG@10 относительно базовой модели.

Разработчик — axondendriteplus. Модель распространяется по лицензии Apache-2.0. Она предназначена для английского языка и сама по себе не генерирует ответы: для RAG её эмбеддинги нужно использовать вместе с поисковым индексом и генеративной моделью. Заявленные метрики относятся к оценке из карточки и не гарантируют качество на других коллекциях юридических текстов.

Сценарии применения

  • поиск релевантных юридических документов по вопросу
  • подбор фрагментов договоров для контекста RAG
  • семантический поиск по корпусу судебных решений
  • ранжирование юридических текстов по близости к запросу

Ограничения

Модель рассчитана на английские тексты и ограничена контекстом до 512 токенов. Она создаёт эмбеддинги, а не готовые ответы; результаты оценки из README не гарантируют качество на других юридических корпусах.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Legal-Embed-bge-base-en-v1.5

This repository hosts a fine-tuned version of BAAI/bge-base-en-v1.5 optimized for legal document (text) retrieval and Retrieval-Augmented Generation (RAG) tasks.

Model Details

Evaluation (NDCG@10)

DimensionBaselineFine-tunedImprovement (%)
7680.61050.64125.03
5120.60370.63795.67
2560.58530.62687.08
1280.52760.56527.13
640.44690.518716.07

Metrics include cosine accuracy, MRR, MAP and NDCG.

Training Configuration

  • Epochs: 4
  • Batch size: 32
  • Learning rate: 2e-5
  • Data: 1,456 train / 162 test samples
  • Hardware: CUDA GPU with FlashAttention

Findings

  • Maximum improvement: 16.07%

  • Fine-tuned 64D vs Baseline 768D: -15.03%

  • Fine-tuned 128D vs Baseline 768D: -7.41%

  • Storage reduction with 128D: 6× smaller

  • Storage reduction with 64D: 12× smaller

  • Baseline best score: 0.6105

  • Fine-tuned best score: 0.6412

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("axondendriteplus/Legal-Embed-bge-base-en-v1.5")
embeddings = model.encode(["your legal text"])

Credits

Fine-tuning guide: https://www.philschmid.de/fine-tune-embedding-model-for-rag

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
BertModel
Ревизия весов
c91cf19

0 моделей