/ Модель

Характеристики

Контекст
8 194 токена
Параметры
659 млн
Лицензия
Apache 2.0
Архитектура
xlm-roberta · dense
Базовая модель
bge-reranker-v2-m3-ko
Библиотека
sentence-transformers
Опубликована
13 авг 2026

EVE-Rerank-1.0-Legal

Ранжирование текстаТекст → score3 профессии

Корейский cross-encoder для переранжирования результатов поиска судебных прецедентов по релевантности запросу.

24скачиваний 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 «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

EVE-Rerank-1.0-Legal — корейский cross-encoder для переранжирования судебных прецедентов в поисковой системе. Модель разработана ysmeta и дообучена на базе dragonkue/bge-reranker-v2-m3-ko; использует архитектуру XLM-RoBERTa для оценки релевантности пары «запрос — документ». Веса опубликованы в формате safetensors, модель содержит 658,7 млн параметров, поддерживает контекст до 8194 токенов; в примере использования задан max_length 512.

Модель предназначена для второго этапа поиска: она сортирует найденные документы-кандидаты, повышая релевантные судебные решения в выдаче. В тесте EVE-Bench-Legal-2.0 с корейскими запросами и корпусом из 59 786 прецедентов связка с EVE-Embed-1.1 достигла nDCG@10 0,7721 и поставила релевантный прецедент на первое место для 93,6% запросов. Лицензия — Apache-2.0.

Модель настроена на кандидатов, полученных именно от EVE-Embed-1.1; поведение с другими поисковыми моделями не проверено. Она охватывает судебные прецеденты, но не тексты законов, а обучающие метки релевантности созданы LLM и не проверены юристами. Ранжирование помогает находить документы, но не заменяет юридическую консультацию.

Сценарии применения

  • переранжирование найденных корейских судебных прецедентов
  • вывод наиболее релевантного прецедента на первое место
  • поиск судебной практики по юридическому вопросу

Ограничения

Настроена на кандидатов из EVE-Embed-1.1; работа с другими поисковыми моделями не проверена. Оценки релевантности созданы LLM без проверки юристами, модель охватывает судебные прецеденты, но не тексты законов, и не предназначена для юридических консультаций.

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-Rerank-1.0-Legal

Korean cross-encoder reranker for legal precedent retrieval, fine-tuned from dragonkue/bge-reranker-v2-m3-ko.

Stage 2 of a retrieval pipeline: it reorders the top 20 candidates from EVE-Embed-1.1-Legal.

pipelinegraded nDCG@10P@1 (any relevant)
EVE-Embed-1.1 + EVE-Rerank-1.00.77210.9355
EVE-Embed-1.1 + dragonkue/bge-reranker-v2-m3-ko0.75060.9110
EVE-Embed-1.1 alone0.72530.8940
dragonkue/BGE-m3-ko alone0.65570.8214

Scored on EVE-Bench-Legal-2.0: 5,998 practitioner-style queries, retrieval over the full 59,786-precedent corpus, graded multi-gold relevance labels.

P@1 is the number that matters in use: the pipeline puts a genuinely relevant precedent first for 93.6% of queries, against 89.4% for retrieval alone.

All gaps are significant under a paired bootstrap over the same queries (10,000 resamples):

comparisonΔ nDCG@1095% CIpwin/loss
vs. the public reranker+0.0214[+0.0194, +0.0235]<0.00013069 / 1628
vs. retrieval alone+0.0468[+0.0429, +0.0506]<0.00013444 / 1870

Usage

from sentence_transformers import CrossEncoder

reranker = CrossEncoder("ysmeta/EVE-Rerank-1.0-Legal", max_length=512)

query = "계약금을 이미 받았는데도 상대방이 계약을 취소할 수 있나요?"
candidates = [...]                      # top-20 docs from EVE-Embed-1.1-Legal

scores = reranker.predict([[query, d] for d in candidates])
ranked = [d for _, d in sorted(zip(scores, candidates), key=lambda x: -x[0])]

Reranking 20 candidates costs 20 cross-encoder forward passes per query. Going beyond top-20 buys little: 93.6% of queries already have a relevant precedent at rank 1.

What made this work: relevant candidates are positives, not noise

A first attempt (v1) trained against verified hard negatives — candidates that an LLM judge confirmed do not answer the query — and discarded the ~30% it judged relevant. That is the recipe that works for the embedding model, where unverified negatives cost −36.5%. For a reranker it was optimising the wrong target.

Legal precedents cluster by 쟁점, so a query typically has 7.20 genuinely relevant precedents, not one. The task is to rank all of them above the irrelevant ones. Discarding the relevant siblings meant v1 never trained on the decision it is scored on. Its evaluation curve fell from its very first measurement while the loss went down.

v2 turns every judged-relevant candidate into its own training row sharing the query's irrelevant candidates as negatives:

runtraining signalgraded nDCG@10vs public reranker
v1verified negatives, relevant candidates discarded0.7540+0.0034
v2 (this model)every relevant candidate a positive0.7721+0.0214

Same base model, same data, same judge — a 6× larger margin from changing what counts as a positive. The curve inverted too: v1 ran 0.8822 → 0.8335 (best at its first eval), v2 ran 0.8152 → 0.8362 (best at its last).

Training

  • Base: dragonkue/bge-reranker-v2-m3-ko (Apache-2.0)
  • Data: 23,600 queries → 41,706 rows (1.77 positives per query, 4 negatives each), from EVE-Train-Legal-Rerank-1.0
  • Candidates come from EVE-Embed-1.1's own top-15, judged by tencent/Hy3. A reranker trained on some other retriever's candidates solves a different problem than the one it is deployed into.
  • Loss: CachedMultipleNegativesRankingLoss (listwise softmax over 1 positive + 4 negatives)
  • LR: 2e-6, 1 epoch, effective batch 32, max_length 512, bf16, 1,304 steps (~76 min)
  • Checkpoint selection: load_best_model_at_end on a held-out graded slice, with eval_on_start=True so the untrained reference sits inside the curve
  • Hardware: 1 × NVIDIA H200

v1 used lr 1e-5 and degraded monotonically from step 100 — too high for an already-trained reranker.

Limitations

  • Tuned for this pipeline. Candidates come from EVE-Embed-1.1; behaviour on another retriever's candidate distribution is untested.
  • Relevance labels are LLM-generated, not lawyer-reviewed, and inherit the judge's reading of what "answers" a legal question.
  • 판례 only, no statute text (법령 조문). Case types: 민사 46.3% · 형사 21.9% · 일반행정 14.1% · 세무 11.9% · 특허 4.3% · 가사 1.6%.
  • Benchmark queries are LLM-generated from their source precedent and carry traces of it, so part of the measured score reflects trace-matching rather than legal understanding. See the benchmark card for the evidence.
  • If you would rather not add a second model, dragonkue/bge-reranker-v2-m3-ko gets you from 0.7253 to 0.7506 for free — 54% of this model's gain.
  • Not legal advice. Ranking surfaces precedents; it does not interpret them.

License

Apache-2.0, inherited from the base model.

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
XLMRobertaForSequenceClassification
Ревизия весов
bcfdef2

0 моделей