/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
harrier-oss-v1-0.6b
Библиотека
sentence-transformers
Опубликована
4 апр 2026

vietlegal-harrier-0.6b

ЭмбеддингиТекст → embedding3 профессии

Модель создаёт векторные представления вьетнамских юридических запросов и документов для семантического поиска и ранжирования по сходству.

1 442скачиваний за 30 дней11лайковвеса 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

VietLegal-Harrier-0.6B — модель эмбеддингов предложений для поиска по вьетнамским юридическим текстам, разработанная и опубликованная mainguyen9. Она дообучена на базе microsoft/harrier-oss-v1-0.6b, использует архитектуру Qwen3 и содержит около 507,9 млн параметров. Модель преобразует текстовые запросы и документы в векторы размерностью 1024 для оценки семантического сходства; в README указана косинусная мера сходства.

Модель предназначена для семантического поиска юридических документов и подбора релевантных фрагментов по запросу на вьетнамском языке. В README сообщается результат NDCG@10 0,7813 на тесте Zalo AI Legal Text Retrieval. Лицензия — Apache 2.0.

Метаданные указывают контекст до 32 768 токенов, тогда как README задаёт максимальную длину последовательности 512 токенов; фактический предел при использовании Sentence Transformers следует сверять с конфигурацией модели. Описание оценки ограничено указанным бенчмарком и не гарантирует качество на других юридических корпусах или языках.

Сценарии применения

  • поиск юридических документов по запросу на вьетнамском языке
  • подбор релевантных судебных и нормативных текстов
  • поиск документов во внутренней базе юридической фирмы
  • поиск соответствующих фрагментов для системы ответов по правовым документам

Ограничения

README сообщает метрику только для бенчмарка Zalo AI Legal Text Retrieval, поэтому она не гарантирует аналогичное качество на других корпусах. README указывает предел 512 токенов, тогда как метаданные указывают контекст 32 768 токенов; используемый предел зависит от конфигурации и способа запуска.

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

VietLegal-Harrier-0.6B

A Vietnamese legal domain embedding model fine-tuned from microsoft/harrier-oss-v1-0.6b (600M params, 1024-dim).

Achieves NDCG@10 = 0.7813 on the Zalo AI Legal Text Retrieval benchmark, outperforming all baselines including our previous vietlegal-e5 model.

Benchmark Results

Evaluated on MTEB ZacLegalTextRetrieval (61.4K corpus documents, 818 test queries).

ModelParamsDimNDCG@10MRR@10Recall@10
mainguyen9/vietlegal-harrier-0.6b600M10240.78130.73030.9321
mainguyen9/vietlegal-e5 (mE5-large)560M10240.73100.67700.8972
mainguyen9/vietlegal-harrier-270m270M10240.71740.66360.8864
microsoft/harrier-oss-v1-0.6b600M10240.7210--
intfloat/multilingual-e5-large560M10240.6660--
bkai-foundation-models/vietnamese-bi-encoder135M7680.6160--
contextboxai/halong_embedding278M7680.6009--

Key highlights:

  • +5.0 points NDCG@10 over vietlegal-e5 (mE5-large baseline): 0.7813 vs 0.7310
  • +5.3 points MRR@10: 0.7303 vs 0.6770
  • +3.5 points Recall@10: 0.9321 vs 0.8972
  • +6.0 points over original Harrier-0.6b (0.7813 vs 0.7210)
  • State-of-the-art on Vietnamese legal text retrieval benchmark

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("mainguyen9/vietlegal-harrier-0.6b")

# Harrier uses instruction-based queries
queries = ["Instruct: Given a Vietnamese legal question, retrieve relevant legal passages that answer the question\nQuery: Thu tuc dang ky kinh doanh gom nhung buoc nao?"]
passages = ["Dieu 27. Trinh tu, thu tuc dang ky doanh nghiep..."]

q_emb = model.encode(queries)
p_emb = model.encode(passages)

similarity = q_emb @ p_emb.T

Model Details

  • Model Type: Sentence Transformer
  • Base model: microsoft/harrier-oss-v1-0.6b
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 1024 dimensions
  • Similarity Function: Cosine Similarity
  • Language: Vietnamese
  • License: Apache 2.0

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: Qwen3Model
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_lasttoken': True})
  (2): Normalize()
)

Training

Training Data

Training Pipeline

Stage 1: Data Preparation
|  518K docs -> ~500K chunks (article-aware segmentation)
|
Stage 2: Contrastive Fine-tuning (Round 1)
|  MultipleNegativesRankingLoss
|
Stage 3: Hard Negative Mining
|  FAISS retrieval -> mine rank 50-100 as hard negatives
|
Stage 4: Multi-task Blending (Final)
|  70% retrieval + 20% classification + 10% STS
|  -> Final model (NDCG@10 = 0.7813)

Training Hyperparameters

  • Learning rate: 3e-6
  • Batch size: 256
  • Epochs: 1 (multitask stage)
  • Warmup: 10%
  • Scheduler: Cosine
  • Precision: bf16
  • Hardware: NVIDIA H100 80GB

Citation

@misc{vietlegal-harrier,
  title={VietLegal-Harrier-0.6B: Vietnamese Legal Domain Embedding Model},
  author={Nguyen, Mai},
  year={2026},
  url={https://huggingface.co/mainguyen9/vietlegal-harrier-0.6b}
}

Acknowledgements

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
Qwen3Model
Ревизия весов
91a0e1e

0 моделей