/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Octen-Embedding-0.6B
Опубликована
13 сен 2026

litil-embed-0.6b

ЭмбеддингиТекст → embedding5 профессий

Многоязычная модель текстовых эмбеддингов для семантического поиска по юридическим документам и извлечения релевантных положений.

241скачиваний за 30 дней0лайковвеса обновлены13 сен 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 оценки8

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

  • LeCaRDv2

    main_score

    Результат

    0,7396

    MTEB

    Публичная таблицаревизия совпадает

  • LegalQuAD

    main_score

    Результат

    0,7046

    MTEB

    Публичная таблицаревизия совпадает

  • AILACasedocs

    main_score

    Результат

    0,5628

    MTEB

    Публичная таблицаревизия совпадает

  • AILAStatutes

    main_score

    Результат

    0,8953

    MTEB

    Публичная таблицаревизия совпадает

  • LegalSummarization

    main_score

    Результат

    0,7334

    MTEB

    Публичная таблицаревизия совпадает

  • GerDaLIRSmall

    main_score

    Результат

    0,452

    MTEB

    Публичная таблицаревизия совпадает

  • LegalBenchCorporateLobbying

    main_score

    Результат

    0,9564

    MTEB

    Публичная таблицаревизия совпадает

  • LegalBenchConsumerContractsQA

    main_score

    Результат

    0,8203

    MTEB

    Публичная таблицаревизия совпадает

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

litil-embed-0.6b — текстовая модель эмбеддингов для поиска по юридическим документам, разработанная litillabs на основе Octen/Octen-Embedding-0.6B. Модель дообучена на юридических данных для поиска, использует дистилляцию от Octen-Embedding-8B и объединённый с базовой моделью LoRA-адаптер. Архитектура — плотная Qwen3, размер — 507,6 млн параметров; контекст — до 32 768 токенов, размерность выходных эмбеддингов — 1024. Модель рассчитана на английский, немецкий и китайский языки и совместима с базовой моделью по архитектуре, токенизатору и промптам.

Модель предназначена для семантического поиска и извлечения релевантных положений из юридических документов, включая поиск соответствующих клауз по вопросам. В оценке MTEB(Law, v1) результаты различаются по наборам данных: есть улучшение на немецком юридическом поиске, тогда как на AILACasedocs результат ниже базовой модели. Лицензия — Apache 2.0.

Сценарии применения

  • поиск юридических документов по запросу
  • поиск релевантных статей и клауз в договорах
  • извлечение положений политики конфиденциальности по вопросу
  • поиск по немецким юридическим материалам
  • поиск по англоязычным и китайским юридическим документам

Ограничения

Модель обучена для юридического поиска на английском, немецком и китайском языках; поиск по индийским судебным делам слабее базовой модели. Не предназначена для классификации, кластеризации или семантического сходства предложений (STS).

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

litil-embed-0.6b

A 0.6B legal retrieval embedding model. It is Octen/Octen-Embedding-0.6B fine-tuned on legal retrieval data and distilled from Octen/Octen-Embedding-8B, then merged back toward the base. Same architecture, tokenizer, prompts and 1024-dim output as the base, so it is a drop-in replacement.

MTEB(Law, v1)

nDCG@10, mteb 2.20.5, same prompts and settings as the base.

TaskOcten-Embedding-0.6Blitil-embed-0.6b
AILACasedocs59.9556.28
AILAStatutes89.6089.53
GerDaLIRSmall41.0845.20
LeCaRDv273.8273.96
LegalBenchConsumerContractsQA81.4182.03
LegalBenchCorporateLobbying94.7795.64
LegalQuAD65.8270.45
LegalSummarization72.8673.34
Mean72.4173.30

Gains are largest on German legal retrieval. AILACasedocs is below the base; the training set has no Indian case law.

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("litillabs/litil-embed-0.6b")

queries = ["Instruct: Retrieve text based on user query.\nQuery: Kündigungsfrist bei befristetem Mietvertrag"]
documents = ["§ 542 BGB Ende des Mietverhältnisses ..."]

q = model.encode(queries, normalize_embeddings=True)
d = model.encode(documents, normalize_embeddings=True)
scores = q @ d.T

Queries take an instruction prefix (Instruct: ...\nQuery: ); documents take none. Use the same instructions as the base model for a given task. Cosine similarity. Context up to 32k tokens; we evaluated at 18,480.

Training

  • Base: Octen/Octen-Embedding-0.6B (revision 1a00a4e8).
  • Teacher: Octen/Octen-Embedding-8B (revision 5adcfa29), used to mine hard negatives and to provide relevance scores for distillation.
  • Objective: InfoNCE with 4 teacher-mined hard negatives per query plus in-batch negatives, and a KL term against the teacher's score distribution.
  • LoRA rank 32 on attention and MLP projections, batch 64, learning rate 2e-5, 855 steps, 35% general-retrieval replay. The adapter was merged into the base at half strength.

Data

SourceRowsLicence
GerDaLIR train split20,000MIT
CUAD-QA, PolicyQA, PrivacyQA (question → clause)11,993CC-BY-4.0, MIT, MIT
BillSum (title → summary)8,000CC0
LeCaRDv2 train split, LEAD2,554MIT
German federal statutes (heading → section)2,150ODbL
Natural Questions, GermanQuAD, MIRACL zh (general replay)10,000CC-BY-SA-3.0, CC-BY-4.0, Apache-2.0

All rows were checked against the eight MTEB(Law, v1) test sets for exact and near-duplicate overlap before training. GerDaLIR and LeCaRDv2 train splits share source corpora with GerDaLIRSmall and LeCaRDv2; the model is therefore not zero-shot on those two tasks and declares both as training datasets.

Limitations

Trained for English, German and Chinese legal retrieval. Indian case retrieval is weaker than the base. Not trained for classification, clustering or STS.

Licence

Apache-2.0, same as the base model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3Model
Ревизия весов
6628f89

0 моделей