/ Модель

Характеристики

Контекст
258 токенов
Параметры
162 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Базовая модель
vietnamese-bi-encoder
Библиотека
sentence-transformers
Опубликована
4 апр 2026

nrk-legal-bkai

ЭмбеддингиТекст → embedding3 профессии

Вьетнамская RoBERTa-модель эмбеддингов для семантического поиска по юридическим запросам и документам в RAG-системах.

130скачиваний 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-bkai — sentence-transformers модель, дообученная на базе bkai-foundation-models/vietnamese-bi-encoder для семантического поиска по юридическим запросам и документам на вьетнамском языке. Она предназначена для использования в RAG-системах: кодирует запросы и документы в плотные векторы размерностью 768, которые можно сравнивать для ранжирования релевантных материалов.

Модель основана на RoBERTa и содержит 162,4 млн параметров. Обучение проводилось на примерно 52 тысячах триплетов «запрос — документ — сложный отрицательный пример» из соревнования Zalo AI Legal; MatryoshkaLoss позволяет использовать укороченные векторы размерностью 512, 256, 128 или 64. README сообщает об оценке на наборе юридического поиска VMTEB-Zalo, но результаты относятся к конкретному бенчмарку и не гарантируют качество на других корпусах. Максимальная длина последовательности — 256 токенов по README; метаданные указывают контекст 258 токенов. Лицензия — Apache-2.0.

Сценарии применения

  • поиск законов и нормативных документов по смыслу запроса
  • поиск релевантных судебных и юридических материалов
  • подбор документов для ответа юридического RAG-ассистента
  • ранжирование документов по соответствию вьетнамскому юридическому запросу

Ограничения

Оптимизирована для вьетнамских юридических запросов и корпусов; перенос на другие языки и предметные области не подтверждён. Максимальная длина последовательности ограничена 256 токенами по README.

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-bkai

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 Modelbkai-foundation-models/vietnamese-bi-encoder
Embedding Dimension768
Max Sequence Length256
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-bkai")

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-bkai")
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
7680.67190.94060.79180.80720.81610.76300.77150.77510.7767
5120.67190.93280.78790.80550.81200.75940.76930.77190.7740
2560.66870.93130.78480.80230.80990.75680.76650.76970.7716
1280.66410.93280.77350.79140.80490.74790.75780.76330.7649
640.60620.89690.70770.73820.75300.68330.70040.70660.7100
hybrid0.62340.91720.71660.74740.76670.69370.71080.71870.7233

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-bkaidense0.7918490.8072470.8161480.7630210.7715360.775099
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
nrk-legal-bkaihybrid0.7166270.7474210.7666540.6937500.7107810.718746
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-bkai,
  title={kietnt0603/nrk-legal-bkai: 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
RobertaModel
Ревизия весов
d4fae4e

0 моделей