/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
ms-marco-MiniLM-L6-v2
Библиотека
sentence-transformers
Опубликована
30 июн 2026

legalbenchrag-cuad-topone-reranker

Ранжирование текстаТекст → score3 профессии

Англоязычный юридический реранкер, который сортирует найденные фрагменты договоров по релевантности вопросу для RAG-поиска.

21скачиваний за 30 дней0лайковвеса обновлены30 июн 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 «Ранжирование» — 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

LegalBenchRAG CUAD Top-One Reranker — англоязычный cross-encoder на архитектуре BERT, дообученный разработчиками модели на наборе orgrctera/legalbenchrag_cuad. Он оценивает пары «вопрос — фрагмент текста» и предназначен для второго этапа поиска: ранжирует уже найденные passages из договоров и юридических документов по их релевантности запросу. Самостоятельно документы не ищет и ответы не генерирует.

Модель содержит 25,9 млн параметров и принимает пары текстов с контекстом до 512 токенов. В локальной оценке на фиксированном пилотном разбиении CUAD она показала MRR@10 0,8288 и Recall@5 0,9625; перенос этих результатов на другие юридические корпуса не подтверждён. Модель опубликована под лицензией Apache-2.0.

Сценарии применения

  • переранжирование найденных пунктов договора по вопросу пользователя
  • поиск релевантных положений о конфиденциальности в договорах
  • ранжирование фрагментов контрактов для юридической RAG-системы

Ограничения

Модель только ранжирует предоставленные пары и не выполняет первичный поиск, юридическое рассуждение или генерацию ответов. Она оценивалась на фиксированном пилотном разбиении CUAD, поэтому качество на других корпусах требует отдельной проверки; результаты следует проверять с участием квалифицированных специалистов.

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

LegalBenchRAG CUAD Top-One Reranker

This is a legal retrieval reranker fine-tuned from cross-encoder/ms-marco-MiniLM-L6-v2 on the public orgrctera/legalbenchrag_cuad retrieval dataset.

The model scores (question, passage) pairs and is intended to rerank candidate legal/contract passages. It does not generate answers and does not perform first-stage retrieval by itself.

Source Data and Base Model

  • Base model: cross-encoder/ms-marco-MiniLM-L6-v2
  • Base model license: Apache-2.0
  • Training/evaluation dataset: orgrctera/legalbenchrag_cuad
  • Dataset visibility: public, non-gated
  • Dataset license listed on Hugging Face: CC-BY-4.0
  • Dataset revision used: 0729087702c19847e72c648e8c22f859295a3e0c

Training Recipe

The promoted checkpoint is the best local pilot run from a controlled top-one listwise ablation:

  • Run ID: 10_topone_listwise_pilot_A_temp2p0_20260623
  • Starting checkpoint: local incumbent from 10_legalbenchrag_hard_negative_reranker_pilot_20260623T1p0p8_checkpoint_selection
  • Candidate list size: 10
  • Objective: query-averaged top-one listwise loss
  • Temperature: 2.0
  • Learning rate: 1e-5
  • Steps: 80
  • Batch source: clean incumbent training lists only
  • Checkpoint selection: train-only inner-validation MRR@10, then Hits@1, then Recall@5

The loss was:

logsumexp(all_candidate_scores / temperature)
- logsumexp(positive_candidate_scores / temperature)

No sigmoid was applied before the listwise loss.

Evaluation

Evaluation used the fixed LegalBenchRAG CUAD pilot split and candidate construction from the local labpack. The final model improved over the previous local incumbent but did not meet the earlier stretch target of MRR@10 > 0.85.

ModelMRR@10Recall@5Hits@1Top1 / 400Top5 / 400Over10
Original frozen baseline0.64480.7700n/an/an/an/a
Previous local incumbent0.79090.95000.68752753808
This checkpoint0.82880.96250.73502943851

Paired bootstrap versus the previous local incumbent:

  • Mean MRR delta: +0.0379285714
  • 95% CI: [+0.0188350446, +0.0577749752]
  • Positive-delta bootstrap share: 1.0

Rank distribution for this checkpoint:

{
  "1": 294,
  "2": 45,
  "3": 24,
  "4": 13,
  "5": 9,
  "6": 6,
  "7": 1,
  "8": 4,
  "9": 3,
  "25": 1
}

Usage

from sentence_transformers import CrossEncoder

model = CrossEncoder("narcolepticchicken/legalbenchrag-cuad-topone-reranker")

pairs = [
    (
        "Consider the contract; What is the governing law?",
        "This Agreement shall be governed by and construed in accordance with the laws of ..."
    ),
    (
        "Consider the contract; What is the governing law?",
        "The parties shall provide written notice within thirty days ..."
    ),
]

scores = model.predict(pairs)

Higher scores indicate passages that the model ranks as more likely to answer the query.

Intended Use

Use this model as a second-stage reranker for English contract/legal RAG systems, especially CUAD-like clause retrieval. It expects candidate passages from a separate retriever and ranks them for relevance to the query.

Limitations

  • This is a reranker, not a legal reasoning or answer-generation model.
  • It was evaluated locally on a fixed pilot split; performance may not transfer to other legal corpora without validation.
  • The model improves MRR@10 versus the local incumbent, but it did not hit the earlier experimental stretch goal of MRR@10 > 0.85.
  • Legal outputs should be reviewed by qualified humans before operational use.

Artifacts Included

This repository includes:

  • model.safetensors and Sentence Transformers config/tokenizer files
  • metrics.json
  • rank_distribution.json
  • train_metrics.json
  • run_manifest.json

These local artifacts document the promoted run and evaluation evidence.

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
BertForSequenceClassification
Ревизия весов
ce341fa

0 моделей