/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
multilingual-e5-base
Библиотека
sentence-transformers
Опубликована
4 апр 2026

nrk-legal-base

ЭмбеддингиТекст → embedding3 профессии

Модель превращает вьетнамские юридические запросы и документы в эмбеддинги для семантического поиска и RAG.

123скачиваний за 30 дней0лайковвеса обновлены4 апр 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

kietnt0603/nrk-legal-base — модель эмбеддингов на базе XLM-RoBERTa, дообученная разработчиком для поиска по вьетнамским юридическим документам и запросам. Она предназначена для семантического поиска и извлечения релевантных документов в RAG-системах. Модель преобразует текст в плотные векторы размерностью 768; благодаря MatryoshkaLoss векторы можно сокращать до меньших размерностей, например 512, 256, 128 или 64, с небольшим снижением качества. Максимальная длина последовательности — 512 токенов.

Модель обучена на примерно 52 тысячах пар «запрос — документ — негативный пример» из соревнования Zalo AI Legal. В README приведена оценка на наборе VMTEB-Zalo-legal-retrieval; результаты показывают пригодность для ранжирования юридических документов по запросу. Она рассчитана прежде всего на вьетнамский язык и юридический корпус. Лицензия — Apache-2.0. Это модель представления текста: она выдаёт эмбеддинги, а не готовые ответы пользователю; качество зависит от соответствия поискового корпуса и запросов данным обучения.

Сценарии применения

  • поиск законов и нормативных актов по запросу на вьетнамском языке
  • извлечение релевантных юридических документов для RAG-системы
  • поиск судебных и правовых материалов в вьетнамском корпусе
  • сопоставление юридического запроса с документами
  • уменьшение размерности эмбеддингов для экономии места в векторном индексе

Ограничения

Модель ориентирована на вьетнамские юридические запросы и документы; пригодность для других языков и предметных областей не подтверждена. Она выдаёт эмбеддинги, поэтому для поиска и формирования ответов нужна внешняя система.

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

kietnt0603/nrk-legal-base

This is a sentence-transformers model fine-tuned for Vietnamese Legal retrieval, optimized for use in RAG (Retrieval-Augmented Generation) pipelines. It maps Vietnamese legal queries and documents to a 768-dimensional dense vector space, enabling semantic search over Vietnamese legal corpora.

The model was trained with MatryoshkaLoss combined with MultipleNegativesRankingLoss, allowing embeddings to be truncated to smaller dimensions (e.g., 768, 512, 256, 128, 64) with minimal performance degradation.

Model Details

AttributeValue
Base Modelintfloat/multilingual-e5-base
Embedding Dimension768
Max Sequence Length512
Similarity FunctionCosine Similarity
Training LossMatryoshkaLoss + MultipleNegativesRankingLoss
Matryoshka Dimensions[768, 512, 256, 128, 64]
LanguageVietnamese

Usage

Direct Usage (Sentence Transformers)

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("kietnt0603/nrk-legal-base")

queries = [
    "Mức phạt khi điều khiển xe ô tô không có giấy phép lái xe",
    "Quy định về thời gian nghỉ phép hàng năm của người lao động",
]
documents = [
    "Điều 21. Xử phạt người điều khiển xe ô tô vi phạm quy định...",
    "Điều 113. Nghỉ hằng năm. Người lao động làm việc đủ 12 tháng...",
]

query_embeddings = model.encode(queries)
doc_embeddings = model.encode(documents)
similarities = model.similarity(query_embeddings, doc_embeddings)
print(similarities)

Using Truncated Embeddings (Matryoshka)

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("kietnt0603/nrk-legal-base")
model.truncate_dim = 256  # Use 256-dim instead of full 768-dim

query_embedding = model.encode("Quy định về thuế thu nhập cá nhân")
doc_embeddings = model.encode(documents)
# Faster search with minimal quality loss

Evaluation

Evaluated on another-symato/VMTEB-Zalo-legel-retrieval-wseg benchmark (test split: 640 queries, 61,425 legal documents).

Per-Dimension Performance (Matryoshka)

DimensionAccuracy@1Accuracy@10NDCG@3NDCG@5NDCG@10MRR@3MRR@5MRR@10MAP@100
7680.75620.98440.86810.87880.88290.84090.84700.84870.8494
5120.76250.98590.86990.88250.88610.84370.85100.85250.8532
2560.75310.98440.86320.87650.88010.83590.84360.84510.8459
1280.75780.98280.86830.87820.88180.84060.84620.84780.8487
640.74530.98280.86390.87250.87730.83460.83960.84170.8426
hybrid0.67190.94060.76280.78510.80550.74170.75390.76250.7656

Comparison with Foundation & Community Models

ModelTypeNDCG@3NDCG@5NDCG@10MRR@3MRR@5MRR@10
nrk-legal-largedense0.8981560.9073710.9114890.8773440.8825780.884320
nrk-legal-basedense0.8681330.8787630.8828840.8408850.8469790.848726
AITeamVN/Vietnamese_Embeddingdense0.8214260.8361500.8482460.7989580.8070830.812062
nrk-legal-basehybrid0.7627950.7851150.8055290.7416670.7539320.762475
nrk-legal-largehybrid0.7646360.7852800.8052680.7414060.7528910.761298
nrk-legal-smalldense0.7378690.7649000.7813340.7098960.7248960.731839
nrk-legal-smallhybrid0.7307440.7503160.7698670.7059900.7170050.725277
bkai-foundation-models/vietnamese-bi-encoderdense0.7324000.7507630.7660620.7083330.7187240.725125
AITeamVN/Vietnamese_Embeddinghybrid0.7062100.7263860.7471920.6817710.6930990.701738
google/embeddinggemma-300mdense0.6913100.7171320.7338380.6611980.6755730.682778
bkai-foundation-models/vietnamese-bi-encoderhybrid0.6777870.7054910.7301620.6515620.6669530.677379
huyydangg/DEk21_hcmute_embeddinghybrid0.6796650.6991680.7241530.6492190.6601560.670600
BAAI/bge-m3dense0.6724490.6982020.7229270.6460940.6603910.670585
huyydangg/DEk21_hcmute_embeddingdense0.6672960.6949990.7139400.6380210.6534110.661366
BAAI/bge-m3hybrid0.6500340.6790150.7000870.6213540.6374480.646053
google/embeddinggemma-300mhybrid0.6416260.6695350.6898320.6098960.6255210.633941
hiieu/halong_embeddinghybrid0.6115110.6433770.6678470.5856770.6031770.613400
intfloat/multilingual-e5-basehybrid0.5728950.6024800.6349510.5434900.5598960.573371
hiieu/halong_embeddingdense0.5653800.5941560.6194270.5408850.5567450.567188
intfloat/multilingual-e5-basedense0.5281590.5552580.5859500.4989580.5140360.526622
VoVanPhuc/sup-SimCSE-VietNamese-phobert-basehybrid0.5151760.5467120.5784950.4864580.5039580.517342
bm25dense0.5136870.5489990.5732130.4859380.5058590.515820
VoVanPhuc/sup-SimCSE-VietNamese-phobert-basedense0.4057640.4318590.4655270.3817710.3964580.410246

Training

Training Details

  • Training samples: 49,083
  • Eval samples: 2,584
  • Total steps: 3,840
  • Best eval loss: 2.8625
  • Training time: 220 minutes

References

Citation

@misc{nrk-legal-base,
  title={kietnt0603/nrk-legal-base: A Vietnamese Legal Text Embedding Model},
  author={Nguyen Tuan Kiet},
  year={2025},
  publisher={Hugging Face},
}

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
XLMRobertaModel
Ревизия весов
d4f394b

0 моделей