/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
BGE-m3-ko
Библиотека
sentence-transformers
Опубликована
11 авг 2026

EVE-Embed-1.0-Legal

ЭмбеддингиТекст → embedding3 профессии

Корейская модель эмбеддингов для поиска судебных прецедентов по практическим юридическим запросам.

125скачиваний за 30 дней1лайквеса обновлены13 авг 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

EVE-Embed-1.0-Legal — модель эмбеддингов, разработанная ysmeta для поиска корейских судебных прецедентов по запросам, сформулированным обычным языком практикующих юристов. Это дообучение dragonkue/BGE-m3-ko на парах запрос–прецедент; архитектура — XLM-RoBERTa, размер — 658,7 млн параметров, библиотека — Sentence Transformers, веса представлены в safetensors. Модель принимает текст и выдаёт векторные представления для семантического поиска и сравнения предложений. Контекст — до 8194 токенов по метаданным; в обучении использовалась максимальная длина последовательности 384 токена.

По оценке на корейских судебных решениях модель улучшает поиск по практическим запросам относительно базовой модели, сохраняя её качество на общих корейских запросах. Карточка сообщает, что версия 1.1 превосходит её на обновлённом бенчмарке; версию 1.0 имеет смысл использовать для воспроизведения опубликованных результатов. Она ориентирована на корейские судебные прецеденты, а не на поиск статей законов; охват некоторых категорий дел, в частности патентных и семейных, ограничен. Результаты поиска не являются юридическим толкованием или консультацией. Лицензия — Apache-2.0.

Сценарии применения

  • Поиск судебных прецедентов по вопросу, сформулированному юристом обычным языком
  • Семантическое ранжирование корейских судебных решений по запросу
  • Сравнение юридических запросов и текстов прецедентов по смыслу

Ограничения

Модель предназначена для поиска судебных прецедентов, а не статей законов; покрытие патентных и семейных дел ограничено. Запросы в обучении сгенерированы LLM, а найденные решения не заменяют юридическое толкование или консультацию; в карточке также указано, что версия 1.1 показывает лучшие результаты.

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

EVE-Embed-1.0-Legal

Superseded by EVE-Embed-1.1-Legal, which adds LLM-verified hard negatives and scores 0.7872 nDCG@10 / 0.6700 recall@1 against this model's 0.7800 / 0.6617 on the same benchmark. Use 1.1 unless you specifically need to reproduce these numbers.

The numbers on this page use single-gold labels — one correct precedent per query. That assumption turned out to be wrong for this domain: a query has 7.20 genuinely relevant precedents on average. Under the graded labels of EVE-Bench-Legal-2.0 this model scores 0.7223 nDCG@10 with P@1 0.8906, against the base model's 0.6557 / 0.8214 — the improvement holds, but the 1.0 → 1.1 gap narrows to +0.0030.

Korean embedding model for legal precedent retrieval, fine-tuned from dragonkue/BGE-m3-ko.

It is built for the query style practitioners actually use — plain questions like "렌트카 회사 지입차주가 자기 차로 돈 받고 영업하면 운수사업법 위반인가요?" — rather than the formal 판시사항 phrasing courts write.

baseline (BGE-m3-ko)EVE-Embed-1.0-Legalchange
nDCG@100.69820.7800+11.7%
recall@10.56470.6617+17.2%
general Korean retrieval0.86980.8695−0.03%

Retrieval is over the full 59,786-document corpus — no candidate pre-filtering, no reduced pool. The last row is the check that matters as much as the first: the model gained in its domain without losing general Korean retrieval ability.

Evaluation

Scored on EVE-Bench-Legal-1.0: 6,000 practitioner-style queries against 59,786 Korean court precedents.

modelnDCG@10recall@1recall@10
EVE-Embed-1.0-Legal0.78000.66170.8978
dragonkue/BGE-m3-ko0.69820.56470.8342
nlpai-lab/KURE-v10.69160.55620.8308
BAAI/bge-m30.64720.50830.7932
intfloat/multilingual-e5-large0.62880.48970.7788

Why the benchmark uses rewritten queries

The corpus ships a natural query-document pair per case: 판시사항 (the legal question) and 판결요지 (the holding). Public models score ~0.87 nDCG@10 on that pairing — but both fields are written by the same court about the same issue and share most of their wording, so the score largely measures lexical overlap. Rewriting the query into ordinary practitioner language drops every public model by 0.17–0.20, which is the part of the original score that was not comprehension. All numbers above are on the rewritten (hard) set.

Usage

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("ysmeta/EVE-Embed-1.0-Legal")

query = "계약금을 이미 받았는데도 상대방이 계약을 취소할 수 있나요?"
docs = [
    "소유권이전등기청구사건 당사자의 일방이 계약이행에 착수한 후에는 해제권 행사를 할 수 없으므로 …",
    "임대차계약의 묵시적 갱신이 인정되는 경우 …",
]

q = model.encode(query, normalize_embeddings=True)
d = model.encode(docs, normalize_embeddings=True)
print(q @ d.T)

No instruction prefix is required.

Training

  • Base: dragonkue/BGE-m3-ko (Apache-2.0)
  • Data: 134,996 (query, precedent) pairs — practitioner-style queries generated from 45,000 precedents, see EVE-Train-Legal-1.0
  • Loss: CachedMultipleNegativesRankingLoss, in-batch negatives only
  • Effective batch: 512 (256 × 2 GPUs, DDP) — batch size is the negative count here
  • LR: 1e-5, 1 epoch, max_seq_len 384, bf16
  • Hardware: 2 × NVIDIA H200

What did not work

Published for reuse, since two of the three levers moved the score the wrong way:

configurationnDCG@10vs baseline
mined hard negatives (skip top-3), lr 2e-5, 65% formal queries0.4434−36.5%
mined hard negatives (skip top-10), lr 5e-6, synthetic only0.6457−7.5%
no mined hard negatives, batch 640.7535+7.9%
no mined hard negatives, batch 5120.7643+9.5%
above + 4.3× more data0.7800+11.7%

Mined hard negatives are counter-productive in this domain. Legal precedents cluster tightly by issue, so the top-ranked non-gold documents for a legal question are usually genuinely relevant cases. Training the model to push them away damages its legal semantics. Skipping the top 10 hits did not help — only removing mined negatives entirely did.

A related trap: the first run gained 5.7% on the formal-query set while losing 36.5% on the practitioner set. Evaluating only on the easy set would have reported that run as a success.

Limitations

  • 판례 only. The corpus contains court precedents, not statute text (법령 조문), so queries that should resolve to a specific article are not covered.
  • Case distribution of the 59,786-document corpus: 민사 46.3%, 형사 21.9%, 일반행정 14.1%, 세무 11.9%, 특허 4.3%, 가사 1.6%. 특허/가사 coverage is thin.
  • Training queries are LLM-generated, not collected from real users. They were written to imitate practitioner phrasing, but real query logs would differ.
  • Not legal advice. Retrieval surfaces precedents; it does not interpret them.

License

Apache-2.0, inherited from the base model. The training corpus derives from joonhok-exo-ai/korean_law_open_data_precedents (OpenRAIL); the dataset repos carry that licence.

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
50ae3bc

0 моделей