/ Модель

Характеристики

Контекст
514 токенов
Параметры
305 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
xlm-roberta-base
Библиотека
sentence-transformers
Опубликована
5 мар 2026

az-legal-retrieval-xlm

ЭмбеддингиТекст → embedding3 профессии

Модель на базе XLM-RoBERTa кодирует запросы и фрагменты законодательства Азербайджана для семантического юридического поиска.

1 571скачиваний за 30 дней2лайкавеса обновлены5 мар 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

az-legal-retrieval-xlm — модель эмбеддингов предложений, разработанная для поиска правовой информации в законодательстве Азербайджана. Она основана на XLM-RoBERTa-base и дообучена на более чем 780 тысячах пар «запрос—фрагмент документа» с трудными негативными примерами, отобранными через BM25 и ранжирование cross-encoder. В метаданных указано 305,2 млн параметров и контекст до 514 токенов.

Модель кодирует запросы и фрагменты законодательства в векторы для семантического поиска и сопоставления по смыслу. Она предназначена для поиска по корпусу законодательства Азербайджана и может использоваться для построения юридической поисковой системы или retrieval-компонента RAG. В опубликованном тесте на 939 запросах и 262 тысячах законодательных фрагментов она показала MRR@10 0,381, на уровне BGE-m3; эти результаты относятся к описанному набору данных и тесту.

Модель использует архитектуру XLM-RoBERTa и формат safetensors. Лицензия — Apache-2.0. Карточка описывает настройку под законодательство Азербайджана; результаты для других правовых корпусов и языков не приведены.

Сценарии применения

  • семантический поиск по законодательству Азербайджана
  • поиск статей закона по вопросу на азербайджанском языке
  • ранжирование законодательных фрагментов по релевантности запросу
  • подбор контекстных документов для юридического RAG

Ограничения

Модель обучена для поиска по законодательству Азербайджана, и её качество на других языках и корпусах не подтверждено приведёнными тестами. Указанный контекст ограничен 514 токенами.

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

az-legal-retrieval-xlm

A sentence embedding model fine-tuned on Azerbaijani legislation for legal information retrieval. Built on xlm-roberta-base (278M params) and trained on 780K+ query-passage pairs with BM25-mined hard negatives scored by a cross-encoder reranker.

Matches BGE-m3 (568M) on MRR@10 while being 2x smaller and 4x faster.

Benchmark Results

Evaluated on 939 independent LLM-generated and validated queries over 262K legislative passages:

ModelParamsR@1R@10MRR@10NDCG@10
az-legal-retrieval-xlm278M0.2910.5730.3810.427
BAAI/bge-m3568M0.2820.5950.3810.432
intfloat/multilingual-e5-large560M0.2320.5210.3210.369
intfloat/multilingual-e5-base278M0.1890.4560.2710.315

Usage

from sentence_transformers import SentenceTransformer, util

model = SentenceTransformer("vrashad/az-legal-retrieval-xlm")

query = "Şərab istehsalı növləri hansılardır?"
passages = [
    "Hazırlanma texnologiyalarına görə şərablar təbii və xüsusi olur.",
    "Torpaq vergisi torpaq sahəsinin ölçüsünə görə müəyyən edilir.",
]

q_emb = model.encode(query, normalize_embeddings=True)
p_embs = model.encode(passages, normalize_embeddings=True)
scores = util.cos_sim(q_emb, p_embs)[0]

for passage, score in zip(passages, scores):
    print(f"{score:.4f} | {passage}")

Training

ParameterValue
Base modelxlm-roberta-base
Training data780K query-passage pairs (3 query types × 262K chunks)
Hard negatives7 per query (BM25 + cross-encoder scored)
LossMultipleNegativesRankingLoss
Epochs3
Batch size8
Max seq length512
HardwareRTX 4090 (24GB)
Training time~24.5 hours

Dataset

Training data: LocalDoc/azerbaijan_legislation_queries_passages

Source corpus: LocalDoc/azerbaijan_legislation

Contact

vrashad — v.resad.89@gmail.com

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
XLMRobertaModel
Ревизия весов
63e38a2

0 моделей