/ Модель

Характеристики

Контекст
512 токенов
Параметры
434 млн
Архитектура
bert · dense
Базовая модель
snowflake-arctic-embed-l
Библиотека
sentence-transformers
Опубликована
25 фев 2025

snowflake-arctic-legal-ft-1

ЭмбеддингиТекст → embedding5 профессий

Дообученная модель эмбеддингов для семантического поиска и сопоставления англоязычных юридических текстов.

123скачиваний за 30 дней0лайковвеса обновлены25 фев 2025

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

vin00d дообучил Snowflake/snowflake-arctic-embed-l для поиска по юридическим текстам. Это модель Sentence Transformers на архитектуре BERT: она преобразует предложения и абзацы в нормализованные векторы размерности 1024, предназначенные для сравнения по косинусному сходству. Максимальная длина входа — 512 токенов.

Модель подходит для семантического поиска по юридическим документам, сопоставления запросов с фрагментами документов, поиска перефразировок, кластеризации и классификации текстов. В README приведена оценка информационного поиска на обучающем наборе из 210 пар; результаты не гарантируют качество на других корпусах. Модель работает с текстом, а обучающие примеры относятся к англоязычным юридическим материалам. Лицензия в предоставленных данных не указана.

Сценарии применения

  • поиск юридических фрагментов по текстовому запросу
  • сопоставление вопроса с подходящими положениями документа
  • поиск перефразированных юридических формулировок
  • кластеризация юридических документов по смыслу
  • классификация юридических текстов на основе эмбеддингов

Ограничения

Максимальная длина входа составляет 512 токенов. Приведённая оценка получена на небольшом наборе из 210 обучающих примеров и не подтверждает качество на иных юридических корпусах.

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

SentenceTransformer based on Snowflake/snowflake-arctic-embed-l

This is a sentence-transformers model finetuned from Snowflake/snowflake-arctic-embed-l. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

  • Model Type: Sentence Transformer
  • Base model: Snowflake/snowflake-arctic-embed-l
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 1024 dimensions
  • Similarity Function: Cosine Similarity

Model Sources

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("vin00d/snowflake-arctic-legal-ft-1")
# Run inference
sentences = [
    "How does a fraudulent transfer relate to a debtor's intent in bankruptcy cases?",
    "A serious crime, usually punishable by at least one year in prison.\nFile\nTo place a paper in the official custody of the clerk of court to enter into the files or records\nof a case.\nFraudulent transfer\nA transfer of a debtor's property made with intent to defraud or for which the debtor\nreceives less than the transferred property's value.\nFresh start\nThe characterization of a debtor's status after bankruptcy, i.e., free of most debts. (Giving\ndebtors a fresh start is one purpose of the Bankruptcy Code.)\nG\nGrand jury\nA body of 16-23 citizens who listen to evidence of criminal allegations, which is presented by\nthe prosecutors, and determine whether there is probable cause to believe an individual",
    '-3-\nArgument:  A reason given in proof or rebuttal to persuade a judge or jury.\nAt Issue:  Whenever the parties to an action come to a point in the pleadings or argument which\nis affirmed on one side and denied on the other, the points  are said to be "at issue".\nAttachment:  The taking of property into legal custody by an enforcement officer (See specialty\nsection: Recovery of Chattel).\nAttestation:  The act of witnessing an instrument in writing at the request of the party making the\ninstrument and signing  it as a witness.\nAttorney of Record:  Attorney whose name appears in the court’s  records or files of a case.\nAward:  A decision of an Arbitrator, judge or jury.\n-B-',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Information Retrieval

MetricValue
cosine_accuracy@10.9318
cosine_accuracy@30.9318
cosine_accuracy@50.9545
cosine_accuracy@101.0
cosine_precision@10.9318
cosine_precision@30.3106
cosine_precision@50.1909
cosine_precision@100.1
cosine_recall@10.9318
cosine_recall@30.9318
cosine_recall@50.9545
cosine_recall@101.0
cosine_ndcg@100.9565
cosine_mrr@100.9438
cosine_map@1000.9438

Training Details

Training Dataset

Unnamed Dataset

  • Size: 210 training samples
  • Columns: sentence_0 and sentence_1
  • Approximate statistics based on the first 210 samples:
    sentence_0sentence_1
    typestringstring
    detailsmin: 9 tokensmean: 17.36 tokensmax: 33 tokensmin: 4 tokensmean: 122.9 tokensmax: 192 tokens
  • Samples:
    sentence_0sentence_1
    What is the purpose of the glossary of common legal terms provided in the context? GLOSSARY ‐ COMMON LEGAL TERMSNOTE:  The following definitions are not legal definitions.  Rather, these definitions areintended to give you a general idea of the meanings of common legal words.  For comprehensive Definitions of legal terms, you may wish to consult a legal dictionary “Black’s Law Dictionary” is one such legal dictionary which is usually available at most law libraries.This glossary of common legal terms is also available on‐line at:http://www.nycourts.gov/lawlibraries/glossary.shtml ADDITIONAL ON‐LINE RESOURCES:http://www.nolo.com/glossary.cfm Nolo’s on‐line legal dictionary.http://www.law‐dictionary.org/Free on‐line legal dictionary search engine.http://www.law.cornell.edu/wex
    Where can one find a comprehensive legal dictionary for more detailed definitions of legal terms?GLOSSARY ‐ COMMON LEGAL TERMSNOTE:  The following definitions are not legal definitions.  Rather, these definitions areintended to give you a general idea of the meanings of common legal words.  For comprehensive Definitions of legal terms, you may wish to consult a legal dictionary “Black’s Law Dictionary” is one such legal dictionary which is usually available at most law libraries.This glossary of common legal terms is also available on‐line at:http://www.nycourts.gov/lawlibraries/glossary.shtml ADDITIONAL ON‐LINE RESOURCES:http://www.nolo.com/glossary.cfm Nolo’s on‐line legal dictionary.http://www.law‐dictionary.org/Free on‐line legal dictionary search engine.http://www.law.cornell.edu/wex
    What organization maintains the legal dictionary and encyclopedia mentioned in the context? Legal dictionary and encyclopedia maintained by theLegal Information Institute at Cornell Law School.
  • Loss: MatryoshkaLoss with these parameters:
    {
        "loss": "MultipleNegativesRankingLoss",
        "matryoshka_dims": [
            768,
            512,
            256,
            128,
            64
        ],
        "matryoshka_weights": [
            1,
            1,
            1,
            1,
            1
        ],
        "n_dims_per_step": -1
    }
    

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 10
  • per_device_eval_batch_size: 10
  • num_train_epochs: 10
  • multi_dataset_batch_sampler: round_robin

All Hyperparameters

  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 10
  • per_device_eval_batch_size: 10
  • per_gpu_train_batch_size: None
  • per_gpu_eval_batch_size: None
  • gradient_accumulation_steps: 1
  • eval_accumulation_steps: None
  • torch_empty_cache_steps: None
  • learning_rate: 5e-05
  • weight_decay: 0.0
  • adam_beta1: 0.9
  • adam_beta2: 0.999
  • adam_epsilon: 1e-08
  • max_grad_norm: 1
  • num_train_epochs: 10
  • max_steps: -1
  • lr_scheduler_type: linear
  • lr_scheduler_kwargs: {}
  • warmup_ratio: 0.0
  • warmup_steps: 0
  • log_level: passive
  • log_level_replica: warning
  • log_on_each_node: True
  • logging_nan_inf_filter: True
  • save_safetensors: True
  • save_on_each_node: False
  • save_only_model: False
  • restore_callback_states_from_checkpoint: False
  • no_cuda: False
  • use_cpu: False
  • use_mps_device: False
  • seed: 42
  • data_seed: None
  • jit_mode_eval: False
  • use_ipex: False
  • bf16: False
  • fp16: False
  • fp16_opt_level: O1
  • half_precision_backend: auto
  • bf16_full_eval: False
  • fp16_full_eval: False
  • tf32: None
  • local_rank: 0
  • ddp_backend: None
  • tpu_num_cores: None
  • tpu_metrics_debug: False
  • debug: []
  • dataloader_drop_last: False
  • dataloader_num_workers: 0
  • dataloader_prefetch_factor: None
  • past_index: -1
  • disable_tqdm: False
  • remove_unused_columns: True
  • label_names: None
  • load_best_model_at_end: False
  • ignore_data_skip: False
  • fsdp: []
  • fsdp_min_num_params: 0
  • fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
  • fsdp_transformer_layer_cls_to_wrap: None
  • accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
  • deepspeed: None
  • label_smoothing_factor: 0.0
  • optim: adamw_torch
  • optim_args: None
  • adafactor: False
  • group_by_length: False
  • length_column_name: length
  • ddp_find_unused_parameters: None
  • ddp_bucket_cap_mb: None
  • ddp_broadcast_buffers: False
  • dataloader_pin_memory: True
  • dataloader_persistent_workers: False
  • skip_memory_metrics: True
  • use_legacy_prediction_loop: False
  • push_to_hub: False
  • resume_from_checkpoint: None
  • hub_model_id: None
  • hub_strategy: every_save
  • hub_private_repo: None
  • hub_always_push: False
  • gradient_checkpointing: False
  • gradient_checkpointing_kwargs: None
  • include_inputs_for_metrics: False
  • include_for_metrics: []
  • eval_do_concat_batches: True
  • fp16_backend: auto
  • push_to_hub_model_id: None
  • push_to_hub_organization: None
  • mp_parameters:
  • auto_find_batch_size: False
  • full_determinism: False
  • torchdynamo: None
  • ray_scope: last
  • ddp_timeout: 1800
  • torch_compile: False
  • torch_compile_backend: None
  • torch_compile_mode: None
  • dispatch_batches: None
  • split_batches: None
  • include_tokens_per_second: False
  • include_num_input_tokens_seen: False
  • neftune_noise_alpha: None
  • optim_target_modules: None
  • batch_eval_metrics: False
  • eval_on_start: False
  • use_liger_kernel: False
  • eval_use_gather_object: False
  • average_tokens_across_devices: False
  • prompts: None
  • batch_sampler: batch_sampler
  • multi_dataset_batch_sampler: round_robin

Training Logs

EpochStepcosine_ndcg@10
1.0210.9240
2.0420.9628
2.3810500.9628
3.0630.9502
4.0840.9569
4.76191000.9563
5.01050.9556
6.01260.9569
7.01470.9555
7.14291500.9555
8.01680.9565
9.01890.9565
9.52382000.9565
10.02100.9565

Framework Versions

  • Python: 3.11.11
  • Sentence Transformers: 3.4.1
  • Transformers: 4.48.3
  • PyTorch: 2.5.1+cu124
  • Accelerate: 1.3.0
  • Datasets: 3.3.2
  • Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

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
BertModel
Ревизия весов
d09a7b5

0 моделей