/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
303 млн
Лицензия
Apache 2.0
Архитектура
gemma3_text · dense
Базовая модель
embeddinggemma-300m
Библиотека
sentence-transformers
Опубликована
5 апр 2026

nrk-legal-gemma

ЭмбеддингиТекст → embedding

Модель эмбеддингов для семантического поиска по вьетнамским юридическим документам и использования в RAG-системах.

103скачиваний за 30 дней0лайковвеса обновлены5 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-gemma — модель эмбеддингов на базе google/embeddinggemma-300m, дообученная для поиска по юридическим текстам на вьетнамском языке и применения в RAG-системах. Она преобразует запросы и документы в плотные векторы размерностью 768 для семантического поиска и ранжирования релевантных документов.

Модель построена на текстовой архитектуре Gemma 3 и содержит около 302,8 млн параметров. Для получения эмбеддингов используется Sentence Transformers; заявленная длина контекста в метаданных — 2048 токенов, а в README указана максимальная длина последовательности 512. Matryoshka-обучение позволяет сокращать размерность векторов до 512, 256, 128 или 64 с небольшим снижением качества. Модель обучена на парах и триплетах вьетнамских юридических запросов и документов.

Подходит для семантического поиска в юридических корпусах, подготовки контекста для RAG и сопоставления запроса с документами. В README приведены результаты оценки на бенчмарке поиска по юридическим текстам на вьетнамском языке. Модель не генерирует ответы и сама по себе не заменяет юридическую экспертизу. Лицензия — Apache-2.0.

Сценарии применения

  • поиск юридических документов по запросу на вьетнамском языке
  • подбор релевантных законов и нормативных актов
  • создание векторного индекса юридического корпуса
  • поиск контекста для ответов в RAG-системе
  • ранжирование документов по соответствию юридическому запросу

Ограничения

Модель специализирована на юридических текстах на вьетнамском языке; качество для других языков и областей не подтверждено. Она создает эмбеддинги для поиска, но не генерирует юридические ответы; длина последовательности в README (512) отличается от значения контекста в метаданных (2048).

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

kietnt0603/nrk-legal-gemma

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 Modelgoogle/embeddinggemma-300m
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-gemma")

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-gemma")
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
7680.75620.97660.84930.87150.87450.82730.83950.84070.8421
5120.76250.97660.85030.87290.87700.82970.84230.84400.8455
2560.76880.97810.84870.87210.87880.83020.84330.84630.8475
1280.75620.97340.84380.86540.87180.82370.83550.83830.8400
640.71880.97500.82500.84430.85550.80050.81120.81610.8174
hybrid0.67810.94370.76980.79240.81100.74790.76050.76840.7713

Comparison with Foundation & Community Models

ModelTypeNDCG@3NDCG@5NDCG@10MRR@3MRR@5MRR@10
nrk-legal-largedense0.8981560.9073710.9114890.8773440.8825780.884320
nrk-legal-bgedense0.8842240.8998950.9024700.8640620.8728910.873982
nrk-legal-basedense0.8681330.8787630.8828840.8408850.8469790.848726
nrk-legal-gemmadense0.8493090.8714920.8744720.8273440.8394530.840651
AITeamVN/Vietnamese_Embeddingdense0.8214260.8361500.8482460.7989580.8070830.812062
nrk-legal-bkaidense0.7918490.8072470.8161480.7630210.7715360.775099
nrk-legal-gemmahybrid0.7697890.7923830.8109760.7479170.7604950.768400
nrk-legal-bgehybrid0.7665710.7903740.8068150.7434900.7566930.763635
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-gemma,
  title={kietnt0603/nrk-legal-gemma: 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
Gemma3TextModel
Ревизия весов
81ae8b7

0 моделей