/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
modernbert-embed-base
Библиотека
sentence-transformers
Опубликована
3 авг 2026

legal-embed-modernbert-v1

ЭмбеддингиТекст → embedding3 профессии

Англоязычная модель эмбеддингов для поиска ответов на разговорные юридические вопросы в форумах, FAQ и RAG-корпусах.

70скачиваний за 30 дней1лайквеса обновлены19 авг 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-embed-modernbert-v1 — англоязычная модель эмбеддингов, разработанная автором репозитория путём дообучения nomic-ai/modernbert-embed-base на 16 068 парах вопросов и ответов с Law StackExchange. Она предназначена для поиска наиболее релевантного ответа или фрагмента по текстовому юридическому вопросу: например, для поиска по юридическим форумам, FAQ и материалам службы поддержки, а также для RAG-систем. Модель построена на архитектуре ModernBERT, содержит 149 млн параметров и поддерживает контекст до 8192 токенов. Обучение использовало максимальную длину последовательности 256 токенов и MatryoshkaLoss; векторы можно сокращать до 512, 256, 128 или 64 измерений с умеренной потерей качества. Для запросов и документов требуются префиксы «search_query: » и «search_document: » соответственно.

В оценке поиска среди 1000 кандидатов на отложенных парах Law StackExchange модель показала Accuracy@1 0,893, Recall@10 0,994 и MRR 0,931. Она специализирована на разговорных юридических вопросах и уступает базовой модели при поиске по положениям договоров. Модель выдаёт эмбеддинги для поиска и сравнения, а не юридические рекомендации; её результаты не заменяют консультацию юриста. Лицензия — Apache-2.0.

Сценарии применения

  • поиск ответов на юридические вопросы в Law StackExchange
  • поиск по юридическому FAQ
  • поиск релевантных фрагментов в базе юридической поддержки
  • подбор документов для RAG по юридическим форумам
  • сравнение семантической близости юридических вопросов и ответов

Ограничения

Специализирована на разговорных юридических вопросах и показывает более низкое качество, чем базовая модель, при поиске по положениям договоров. Предназначена для поиска и извлечения эмбеддингов, а не для выдачи юридических рекомендаций.

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-embed-modernbert-v1

Embedding model for legal question-answer retrieval: given a plain-English legal question, it finds the most relevant answer or passage. Fine-tuned from nomic-ai/modernbert-embed-base on 16K question/answer pairs from Law StackExchange.

Good fit for: legal Q&A search, FAQ retrieval, RAG over legal forums or help-desk content. Supports Matryoshka embeddings — truncate vectors to 512/256/128/64 dims for faster search with modest quality loss.

Evaluation

Scored on 1,000 held-out Law StackExchange Q&A pairs (never seen in training), retrieval among 1,000 candidates:

ModelAccuracy@1Recall@10MRR
legal-embed-modernbert-v10.8930.9940.931
nomic-ai/modernbert-embed-base0.8110.9550.863

Known limitation: on out-of-domain contract-clause retrieval (LegalBench Consumer Contracts QA) this model scores below its base (Accuracy@1 0.556 vs 0.652). It is specialized for conversational legal Q&A, not contract clause search. Use the base model — or wait for v2 — for contract-heavy workloads.

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("bugBug04S/legal-embed-modernbert-v1")

query = "search_query: Can my landlord evict me without notice?"
docs = [
    "search_document: A landlord must generally provide written notice and obtain a court order before eviction...",
    "search_document: Copyright protection begins when a work is fixed in a tangible medium...",
]
q = model.encode(query, normalize_embeddings=True)
d = model.encode(docs, normalize_embeddings=True)
print((q @ d.T))  # higher = more relevant

Important: prepend search_query: to questions and search_document: to passages — the model was trained with these prefixes.

Training

  • Base: nomic-ai/modernbert-embed-base (149M params)
  • Data: 16,068 (question, top answer) pairs, Law StackExchange (CC-BY-SA 4.0)
  • Loss: MatryoshkaLoss(CachedMultipleNegativesRankingLoss), dims 768/512/256/128/64
  • 1 epoch, batch 64, lr 1e-5, fp16, max_seq_length 256, single T4 GPU

Disclaimer

Embeddings model for search/retrieval only — it does not generate legal advice. Outputs should not be relied on as a substitute for a qualified lawyer.

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
ModernBertModel
Ревизия весов
75502e5

0 моделей