/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
137 млн
Лицензия
Apache 2.0
Архитектура
nomic_bert · dense
Базовая модель
nomic-embed-text-v1.5
Библиотека
sentence-transformers
Опубликована
16 июн 2026

nomic-embed-bns-legal

ЭмбеддингиТекст → embedding3 профессии

Дообученная модель эмбеддингов для англоязычного семантического поиска по основным индийским уголовным законам и использования в RAG.

215скачиваний за 30 дней0лайковвеса обновлены16 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 «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

saitejasathiraju/nomic-embed-bns-legal — текстовая модель эмбеддингов, созданная автором карточки путём дообучения nomic-ai/nomic-embed-text-v1.5 для поиска по индийскому уголовному законодательству. Она предназначена для RAG-сценариев: сопоставляет англоязычный вопрос с нужным разделом BNS 2023, IPC 1860, BNSS 2023 или BSA 2023 и помогает отличать похожие положения внутри одного раздела закона.

Модель основана на архитектуре NomicBert, содержит 136,7 млн параметров и принимает текст, формируя векторные представления для семантического поиска. Обучение проводилось контрастивным методом TripletLoss на 11 587 триплетах с трудными отрицательными примерами. Для запросов и документов следует сохранять префиксы search_query: и search_document:. Контекст составляет 2048 токенов; модель использует английский язык.

В отложенной выборке точность ранжирования правильного раздела выше одного подобранного похожего раздела составила 0,9983; это не оценка полноты или качества поиска по полному корпусу. Модель не обучалась на судебных решениях и других законах, а карточка ограничивает её англоязычными запросами. Лицензия — Apache-2.0.

Сценарии применения

  • поиск нужного раздела BNS по описанию ситуации
  • поиск положений IPC по вопросу на английском языке
  • сопоставление юридического вопроса с разделом BNSS или BSA
  • различение похожих статей одного раздела закона
  • индексация текстов индийских уголовных законов для RAG

Ограничения

Рассчитана на английские запросы и охватывает BNS, IPC, BNSS и BSA; судебные решения и другие законы в обучении не представлены. Указанная точность получена на сравнении с одним подобранным отрицательным примером и не отражает качество поиска по полному корпусу.

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

nomic-embed-bns-legal

A fine-tuned version of nomic-ai/nomic-embed-text-v1.5 specialised for retrieval over Indian criminal law — the Bharatiya Nyaya Sanhita 2023 (BNS), Indian Penal Code 1860 (IPC), Bharatiya Nagarik Suraksha Sanhita 2023 (BNSS), and Bharatiya Sakshya Adhiniyam 2023 (BSA).

It is built for RAG: given a natural-language legal question, it pulls the correct statutory section and distinguishes it from confusingly similar sections.

What we did

The base nomic-embed-text is a strong general-purpose embedder, but it doesn't know that a query like "Who bears the burden of proof when a fact is within someone's personal knowledge?" should map to BSA Section 109 and not to a different evidence section. We fine-tuned it with contrastive triplet learning so that queries land next to the right section and away from look-alike sections.

Dataset

11,587 contrastive triplets synthesised from the bare Acts. Each triplet is:

FieldContent
anchora query (search_query: ...) — layperson scenario, professional search, or "essential ingredients"
positivethe correct section text (search_document: ...)
negativea hard negative — a confusingly similar section from the same chapter (e.g. Theft vs Robbery vs Extortion)

The hard, intra-chapter negatives are the key asset: they force the model to learn fine-grained legal distinctions rather than broad topic similarity. This is also why TripletLoss (which uses the curated negative directly) was chosen over in-batch-negative losses.

Training

HyperparameterValue
Base modelnomic-ai/nomic-embed-text-v1.5 (137M params, 768-dim)
LossTripletLoss, cosine distance, margin 0.5
Epochs5
Batch size16
Max sequence length512 (dataset max is 527 tokens; p99 ≈ 460)
Learning rate2e-5 (AdamW)
Warmup ratio0.1
Precisionfp32
Eval split5% held out (580 triplets)
Seed42
TrainerSentenceTransformerTrainer
HardwareNVIDIA RTX 5090

Results

Triplet accuracy on the held-out split (does the model rank the correct section above the hard negative?):

ModelTriplet accuracy
Base nomic-embed-text-v1.50.9552
This model0.9983

Usage

Important: keep nomic's task prefixes — search_query: for questions, search_document: for the sections you index. Retrieval quality drops noticeably without them.

sentence-transformers

from sentence_transformers import SentenceTransformer
m = SentenceTransformer("saitejasathiraju/nomic-embed-bns-legal", trust_remote_code=True)
q = m.encode("search_query: What constitutes murder under the new criminal code?")
d = m.encode("search_document: Section 101 of the Bharatiya Nyaya Sanhita 2023 — Murder ...")

Ollama

ollama pull shb/legal-embed
curl http://localhost:11434/api/embed -d '{
  "model": "shb/legal-embed",
  "input": "search_query: What constitutes murder under the new criminal code?"
}'

Limitations

  • Triplet accuracy uses one curated negative per query; real RAG ranks against the full section corpus, so treat 0.9983 as a sanity signal, not end-to-end RAG recall.
  • English queries only. Covers BNS / IPC / BNSS / BSA; not trained on case law or other statutes.

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
NomicBertModel
Ревизия весов
f1f710b

0 моделей