/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
greenleaf_embed · dense
Библиотека
sentence-transformers
Опубликована
22 авг 2026

greenleaf-law-embed-tiny

ЭмбеддингиТекст → embedding5 профессий

Многоязычная модель JudicialMind для построения эмбеддингов и поиска по юридическим документам и фрагментам.

147скачиваний за 30 дней2лайкавеса обновлены27 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки8

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • LegalBenchCorporateLobbying

    main_score

    Результат

    0,9505

    MTEB

    Публичная таблицадругая ревизия

  • LegalQuAD

    main_score

    Результат

    0,5884

    MTEB

    Публичная таблицадругая ревизия

  • AILACasedocs

    main_score

    Результат

    0,4091

    MTEB

    Публичная таблицадругая ревизия

  • LeCaRDv2

    main_score

    Результат

    0,6977

    MTEB

    Публичная таблицадругая ревизия

  • LegalBenchConsumerContractsQA

    main_score

    Результат

    0,8589

    MTEB

    Публичная таблицадругая ревизия

  • LegalSummarization

    main_score

    Результат

    0,6819

    MTEB

    Публичная таблицадругая ревизия

  • GerDaLIRSmall

    main_score

    Результат

    0,385

    MTEB

    Публичная таблицадругая ревизия

  • AILAStatutes

    main_score

    Результат

    0,5879

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GreenLeaf Law Embed Tiny — плотная модель эмбеддингов для поиска по юридическим текстам, разработанная JudicialMind в рамках открытой исследовательской инициативы. Она предназначена для поиска релевантных документов и фрагментов с учётом юридической терминологии, цитат, перекрёстных ссылок и длинного контекста; подходит для поиска по судебным решениям, договорам, законам и нормативным материалам.

Модель использует двунаправленный трансформерный энкодер на основе архитектуры Qwen3: причинная маска снята во всех 28 слоях, размер скрытого слоя — 1024. README указывает 596 млн параметров, тогда как метаданные — 507,9 млн. Контекст составляет до 32 768 токенов; по умолчанию используется лимит 1024 токена, который можно увеличить настройкой max-length. Поддерживаются более 35 языков, включая английский, немецкий, французский, испанский, китайский, японский, корейский, арабский и хинди. Эмбеддинги можно сокращать по размерности благодаря Matryoshka Representation Learning; при инференсе доступны режимы float32, int8 и binary. В README приведены результаты на MLEB-12 и MTEB(Law, v1), но они не являются гарантией качества для конкретного корпуса. Модель специализирована на юридических текстах и может уступать универсальным эмбеддерам на общих текстах. Лицензия — Apache-2.0.

Сценарии применения

  • поиск судебных решений по описанию дела
  • поиск релевантных фрагментов для юридического RAG
  • поиск положений в договорах и законах
  • сопоставление юридических запросов с документами
  • индексирование многоязычных юридических коллекций

Ограничения

Модель специализирована на юридических текстах и может уступать универсальным эмбеддерам на текстах вне этой области. По умолчанию контекст ограничен 1024 токенами; для более длинных документов README рекомендует разбивать их на фрагменты либо явно задавать max-length для использования контекста до 32 768 токенов.

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

GreenLeaf Law Embed Tiny

by JudicialMind — The AI-Native Legal Intelligence System

A 596M-parameter dense embedding model purpose-built for legal text retrieval. Scores 78.29% on MLEB-12 and 64.38% on MTEB(Law, v1) — competitive with models 13x larger.

Why GreenLeaf?

Most embedding models treat legal text like any other English prose. GreenLeaf doesn't. Every design decision — from bidirectional attention to jurisdiction-aware training data curation — targets the specific challenges of legal retrieval: long documents, precise citations, cross-references, and domain-specific terminology.

Built by JudicialMind as part of our open research initiative to advance legal AI.

Highlights

Parameters596M
Embedding Size1024
Context32,768
AttentionBidirectional — every token sees every other token
PoolingMean
Precisionbfloat16 (default), int8 and binary quantization built in
LicenseApache 2.0

Performance

MLEB-12 — Massive Legal Embedding Benchmark

DatasetScore
Legal RAG Bench54.16
Bar Exam QA68.38
SCALR73.04
ECHR Retrieval41.27
Singaporean Judicial Keywords86.63
GDPR Holdings Retrieval93.43
UK Legislative Long Titles95.88
Australian Tax Guidance78.66
Irish Legislative Summaries91.92
Contractual Clause Retrieval91.29
License TL;DR Retrieval72.54
Consumer Contracts QA92.29
Overall78.29

MTEB(Law, v1)

TaskScore
AILACasedocs40.73
AILAStatutes58.68
GerDaLIRSmall38.51
LeCaRDv269.52
LegalBenchConsumerContractsQA85.86
LegalBenchCorporateLobbying94.94
LegalQuAD58.62
LegalSummarization68.22
Overall64.38

How It Compares

RankModelMLEBSize
1Kanon 2 Embedder81.9%—
2Voyage 4 Large81.1%7B+
3Voyage 479.6%—
4GreenLeaf Law Embed Tiny78.3%0.6B
5Voyage 4 Lite76.4%—
6Qwen3 Embedding 8B75.9%8B
7Gemini Embedding 00172.1%—
8Jina v5 Text Small71.0%—
9OpenAI Text Embedding 3 Large70.8%—

Best accuracy-per-parameter on the leaderboard. Runs on a laptop.

Matryoshka Dimension Truncation

GreenLeaf embeddings are trained with Matryoshka Representation Learning — truncate to any dimension without retraining. Halving to 512d costs only 1.34% accuracy; 128d retains 91.6% of full performance.

Dataset1024d512d256d128d
ECHR Retrieval40.7741.3538.1833.58
Legal RAG Bench54.3849.9339.9834.71
SCALR72.7770.2272.5068.23
Consumer Contracts QA92.1492.2791.1388.66
Singaporean Judicial Keywords86.0784.3082.6379.52
Australian Tax Guidance78.6977.9376.2273.61
Contractual Clause Retrieval91.2090.0587.7183.31
Irish Legislative Summaries91.2990.2289.5186.90
GDPR Holdings Retrieval93.5393.1192.3289.96
License TL;DR Retrieval73.9172.8370.4471.32
UK Legislative Long Titles95.8895.6296.9996.73
Bar Exam QA68.3065.0358.7953.62
MLEB-12 Mean78.2476.9074.7071.68
Drop vs 1024d—-1.34%-3.54%-6.56%
# Truncate at inference — no retraining needed
emb_512 = model.encode(texts)[:, :512]
emb_256 = model.encode(texts)[:, :256]

Quick Start

SentenceTransformers

from sentence_transformers import SentenceTransformer

model = SentenceTransformer(
    "judicialmind/greenleaf-law-embed-tiny",
    trust_remote_code=True,
)

texts = [
    "The plaintiff filed a motion for summary judgment.",
    "Contract terms must be interpreted in good faith.",
]

# Default: raw float embeddings (bfloat16)
embeddings = model.encode(texts)  # Shape: (2, 1024)

# Optional: quantize for storage / speed
emb_int8 = model.encode(texts, quantization="int8")
emb_binary = model.encode(texts, quantization="binary")

Text Embeddings Inference (TEI)

docker run --gpus all --shm-size 1g -p 8080:80 \
  ghcr.io/huggingface/text-embeddings-inference:cuda-1.9 \
  --model-id judicialmind/greenleaf-law-embed-tiny --dtype float32
curl http://0.0.0.0:8080/embed \
  -H "Content-Type: application/json" \
  -d '{"inputs": ["Legal text here"], "normalize": false}'

ONNX

import onnxruntime as ort
from transformers import AutoTokenizer
import numpy as np

tokenizer = AutoTokenizer.from_pretrained(
    "judicialmind/greenleaf-law-embed-tiny", trust_remote_code=True
)
session = ort.InferenceSession("onnx/model.onnx")

texts = ["Legal document text here"]
inputs = tokenizer(texts, padding=True, truncation=True, return_tensors="np")
outputs = session.run(
    [o.name for o in session.get_outputs()],
    {"input_ids": inputs["input_ids"].astype(np.int64),
     "attention_mask": inputs["attention_mask"].astype(np.int64)},
)

Architecture

GreenLeaf uses a bidirectional transformer encoder derived from the Qwen3 architecture. The key modification: causal masking is removed across all 28 layers, so every token attends to the full input sequence in both directions.

This matters for legal text. A holding on page 12 can change the meaning of a defined term on page 1. A causal model can't see that. GreenLeaf can.

PropertyValue
Base architectureQwen3
Hidden layers28
Hidden size1024
Attention heads16 (8 KV heads)
Intermediate size3072
Vocabulary151,936
Max position embeddings32,768
Sliding windowNone (full-context)
KV cacheDisabled
Tie embeddingsYes

Quantization

Three output modes, selectable at inference:

ModeOutputStorageUse case
None (default)float32 per dim4 KB/docMaximum accuracy
"int8"int8 per dim1 KB/doc4x compression, minimal loss
"binary"±1 per dim128 B/doc32x compression, fast Hamming search
"ubinary"packed bits128 B/docSame as binary, pre-packed

Training

Trained on a large-scale proprietary legal corpus spanning 35+ languages and multiple jurisdictions (US, UK, EU, AU, SG, IE, and more). Covers diverse legal traditions including common law, civil law, and mixed systems. Document types include case law, contracts, legislation, regulatory filings, tax guidance, and bar examination materials. Contrastive learning with hard negative mining.

Languages: English, German, French, Spanish, Italian, Portuguese, Dutch, Chinese, Japanese, Korean, Arabic, Hindi, and 20+ others.

About JudicialMind

JudicialMind builds an orchestrated system of specialized AI agents that work like a legal team — every agent with a domain expertise, composed into directed workflows that run end-to-end legal operations: intake, research, drafting, negotiation, dispute resolution.

We serve AmLaw firms, in-house legal teams, solo & boutique practices, and courts/ADR bodies.

Open artifacts:

  • 📦 judicialmind/legal-training-dataset — 3.69M annotated query-passage pairs across 35 languages
  • 🤖 More models coming soon — retrieval, reranking, and legal-reasoning models trained on our corpus

Connect:

Limitations

  • 1024-token default context. Longer documents should be chunked (32k context available with --max-length override).
  • Specialist model. For general-purpose embedding, a general-domain model will perform better on non-legal text.

License

Apache 2.0. Free for commercial and research use.

Как запустить

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

GPU в ailist

Универсальный рантайм · sentence-transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
GreenLeafEmbedModel
Ревизия весов
4ba544e

0 моделей