IV.8Государственное управление, правосудие и чрезвычайные ситуации

Daniele Marcoaldi подготовил EuroLLM-22B Legislative Text — вариант EuroLLM-22B-Instruct-2512, дообученный методом LoRA для работы с законодательными текстами и объединённый с базовой моделью с масштабом LoRA-весов 50%. Такой масштаб выбран, чтобы сохранить способность базовой модели следовать инструкциям и связность ответов, добавив специализацию на юридических текстах. Модель построена на плотной архитектуре Llama с 21,9 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Основное назначение — перевод; также модель может генерировать текст. Карточка указывает языки ЕС, включая английский, болгарский, чешский, датский, немецкий, греческий, испанский, эстонский, финский, французский, хорватский, венгерский, итальянский, литовский, латышский, нидерландский, польский, португальский, румынский, словацкий и словенский; метаданные также перечисляют ирландский и шведский. Выпущена под лицензией Apache-2.0.

rufimelo/Legal-BERTimbau-sts-large-ma-v3 — модель встраивания предложений, адаптированная к португалоязычным юридическим текстам. Она основана на Legal-BERTimbau-large из семейства BERTimbau и обучена вычислять семантическое сходство предложений на португальском языке. Размер модели — 433,2 млн параметров, контекст — до 512 токенов; на выходе она формирует плотные векторы размерностью 1024. Модель предназначена для семантического поиска, сравнения юридических формулировок и кластеризации предложений и абзацев. Обучение включало дистилляцию знаний от sentence-transformers/stsb-roberta-large, а затем дообучение на наборах ASSIN, ASSIN2 и stsb_multi_mt для португальского языка, а также на PortugueseLegalSentences-v0. Доступны веса PyTorch и safetensors; для использования README рекомендует библиотеку Sentence-Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Это англоязычная модель Sentence Transformers, созданная дообучением nomic-ai/modernbert-embed-base на 5 822 парах текстов. Она преобразует предложения и абзацы в нормализованные плотные эмбеддинги размерностью 768, сравниваемые с помощью косинусного сходства. Архитектура основана на ModernBERT с усреднением токенов; максимальная длина входа — 8 192 токена. Модель предназначена для семантического поиска и сопоставления текстов, включая поиск по юридическим документам, поиск перефразировок, кластеризацию и классификацию. Matryoshka-обучение позволяет сокращать размерность эмбеддингов: в карточке приведены результаты поиска при усечении векторов до 512, 256, 128 и 64 измерений, с постепенным снижением метрик относительно 768 измерений. Лицензия — Apache-2.0.

OneKE — двуязычная модель для извлечения структурированных знаний из текста, совместно разработанная Ant Group и Чжэцзянским университетом. Она предназначена для построения графов знаний и поддерживает извлечение сущностей, отношений и событий по заданной пользователем схеме. Модель принимает инструкцию, схему полей и исходный текст, а результат выдаёт в структурированном формате, подобном JSON. OneKE основана на плотной архитектуре Llama и содержит 13 млрд параметров; в карточке указано контекстное окно 4096 токенов. Это дообученная версия Chinese-Alpaca-2-13B, обученная на инструкциях для извлечения информации и ориентированная на китайский и английский языки. Разработчики сообщают о результатах на задачах извлечения сущностей, отношений и событий, включая сценарии без примеров, и предлагают инструментальную поддержку для настройки схем и продолжения обучения. Модель подходит для преобразования документов в структурированные данные для графов знаний, а также для анализа медицинских, финансовых и государственных текстов. Для запуска и обучения рекомендуется не менее 20 ГБ видеопамяти. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение производных на тех же условиях.

PleIAs-SLM-RAG — локальная система генерации ответов с поиском по документам от PleIAs. Она использует Pleias Redline — дообученную на базе Baguettotron языковую модель примерно на 300 млн параметров в формате GGUF с квантизацией Q8_0 — и индекс полнотекстового поиска LanceDB. Система принимает вопрос и извлекает из локальной базы наиболее подходящие фрагменты, после чего модель формирует потоковый ответ с цитатами. Решение рассчитано на автономную работу на CPU без внешних API, в том числе на Raspberry Pi 5. Его можно применять с собственными коллекциями документов через Flask API; в комплекте также есть примеры данных на английском и французском языках. Контекст генерации настроен на 4096 токенов, за запрос выбираются до трёх источников. Модель предназначена для ответов, обоснованных найденными источниками, однако качество зависит от полноты базы, поиска и способности небольшой модели следовать инструкциям. В README указана лицензия Apache-2.0. README описывает репозиторий как сервер и комплект модели, тогда как метаданные Hugging Face помечают его задачей text-generation.

PLLuM-12B-base-2512 — базовая большая языковая модель семейства PLLuM, разработанного сначала консорциумом PLLuM, а с 2025 года — альянсом HIVE AI для открытых языковых технологий. Модель предназначена прежде всего для польского языка; в обучении также использовались английские тексты. Это плотная авторегрессионная модель на архитектуре Mistral с 12,1 млрд параметров и контекстом до 131 072 токенов. Модель генерирует связный текст и может служить основой для ответов на вопросы, суммаризации, извлечения информации и специализированных помощников. Для польских государственных и юридических сценариев README рекомендует опираться на поиск по документам и RAG. В обучении семейства использовались продолженное предобучение, инструкции на польском языке и предпочтения аннотаторов; конкретно этот вариант обозначен как base, поэтому он не является специально выровненной версией для диалога. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Результаты для конкретного варианта 12B и пределы его качества в доступных сведениях не уточнены.

Vintern-Embedding-1B — мультимодальная модель для поиска по документам, созданная 5CD-AI на базе Vintern-1B-v3_5. Она обучена на более чем 1,5 млн пар «вопрос — документ» для задач визуальных вопросов и ответов, а также текстовых вопросов и ответов. Модель поддерживает поиск по связям «текст — визуальный документ» и «текст — текст» и рассчитана на использование в системах RAG, мультимодальных поисковых системах и приложениях информационного поиска. Модель имеет около 0,9 млрд параметров и использует архитектуру ColInternVL2. В README приведены результаты на вьетнамских наборах для поиска по таблицам и юридическим текстам, а также на мультимодальном бенчмарке ViDoRe; авторы сообщают о высоких результатах, в частности в областях искусственного интеллекта, здравоохранения и государственного управления. Указанные результаты зависят от наборов данных и методики оценки. Основной язык модели — вьетнамский; также заявлена применимость для английского, а метаданные карточки перечисляют китайский. Модель дообучена от 5CD-AI/Vintern-1B-v3_5. Карточка не сообщает длину контекста и лицензию, поэтому условия использования по имеющимся данным определить нельзя.

IoannisKat1/all-mpnet-base-v2-legal-matryoshka — англоязычная модель Sentence Transformers, дообученная на 1 580 парах текстов из набора json на базе sentence-transformers/all-mpnet-base-v2. MPNet преобразует предложения и абзацы в нормализованные плотные векторы; среднее объединение токенов и косинусное сходство подходят для семантического поиска и сравнения текстов. Выходной вектор имеет размерность 768, а Matryoshka-обучение позволяет использовать укороченные представления размерностью 512, 256, 128 или 64. Максимальная длина последовательности по метаданным — 514 токенов; в README указано ограничение 384 токена. Модель предназначена для поиска релевантных текстов, оценки сходства предложений, поиска перефразировок, кластеризации и извлечения признаков для классификации. Юридическая направленность следует из названия и примеров обучающих пар в README, но карточка не описывает специализацию подробнее. Приведены результаты оценки поиска для нескольких размерностей векторов, однако без достаточного контекста о наборе оценки они не гарантируют качество на пользовательских данных. Лицензия — Apache-2.0.

Arabic Legal Documents OCR 1.0 — адаптер, дообученный автором карточки на базе мультимодальной Gemma 3 4B IT от Google для извлечения структурированных данных из сканированных арабских юридических документов, в том числе низкого качества. Модель принимает изображения документов и формирует текстовый ответ со структурированными данными; для повышения качества распознавания автор рекомендует предварительно изменить размер изображения и перевести его в оттенки серого. Модель построена на архитектуре Gemma 3 и распространяется как LoRA-адаптер для базовой модели google/gemma-3-4b-it. Карточка описывает использование через Transformers и vLLM. Поддерживаемые языки по метаданным — арабский и английский; язык документов, для которых она специально оптимизирована, — арабский. Лицензия указана как gemma. Модель ориентирована на OCR юридических документов и извлечение из них структурированных сведений. Карточка не приводит оценки качества, перечень поддерживаемых типов документов или схему выходных полей; результаты могут зависеть от качества скана и предварительной обработки.

Модель gimhae-geunamja/bge-reranker-v2-m3-ko-public-admin разработана как дообученный корейский cross-encoder для переранжирования результатов поиска по муниципальным административным документам и административному праву. Она оценивает релевантность пары «запрос — документ» и выдаёт один числовой балл; обычно её применяют после этапа извлечения кандидатов поисковым или векторным ретривером. В основе лежит dragonkue/bge-reranker-v2-m3-ko — модель семейства XLM-RoBERTa с 658,7 млн параметров. Модель принимает текстовые пары, рассчитана прежде всего на корейский язык и имеет контекст до 8194 токенов по метаданным; авторская карточка указывает max_length 1024 для приведённого сценария и обучения. Обучение проводилось на парах из открытых наборов AI Hub по административным документам и административному праву. Модель особенно полезна для коротких запросов-ключевых слов в корейских административных поисковых системах, но заметно слабее на них, чем на полных вопросах; качество также может отличаться в общих доменах и на других языках. Она может переоценивать документы, совпадающие по теме, даже если не совпадают условия применимости, а качество на входах длиннее 1024 токенов не проверено. Распространяется по лицензии Apache-2.0; для обучающих данных дополнительно действуют условия AI Hub, включая запрет на перераспространение исходных данных.

KURE-v1 — модель текстовых эмбеддингов для поиска по документам, разработанная NLP&AI Lab. Это дообученная версия BAAI/bge-m3 на корейских данных для поиска по парам «запрос — документ»; карточка указывает около 2 миллионов обучающих примеров и использование CachedGISTEmbedLoss. Модель построена на архитектуре XLM-RoBERTa, содержит 658,7 млн параметров, выдаёт векторы размерности 1024 и поддерживает последовательности до 8192 токенов. Модель предназначена прежде всего для семантического поиска на корейском языке: её можно применять для извлечения релевантных документов, поиска по длинным текстам и построения retrieval-компонента RAG. В карточке заявлена поддержка корейского и английского языков; бенчмарки охватывают общие и прикладные корейские документы, включая финансы, государственные услуги, медицину, право и коммерцию. На приведённых усреднённых результатах KURE-v1 превосходит сравниваемые модели на нескольких значениях k, однако результаты относятся к указанным наборам данных и не гарантируют качество на других корпусах. Лицензия — MIT.

rufimelo/Legal-BERTimbau-large-TSDAE-v4-GPL-sts — модель эмбеддингов на архитектуре BERT, созданная для поиска семантически близких предложений и абзацев на португальском языке в юридических текстах. Она основана на Legal-BERTimbau-large, который происходит от BERTimbau large, и содержит около 433,2 млн параметров. Модель выдаёт плотные векторы размерностью 1024 и рассчитана на сравнение смыслового сходства, кластеризацию и семантический поиск. Обучение включало TSDAE на очищенных документах, технику GPL и дообучение для оценки семантического сходства на португальских наборах ASSIN, ASSIN2 и STS-B Multi-MT. Модель принимает текст и возвращает векторы; заявленный контекст — до 512 токенов. Она специализирована на юридическом португальском и оценке сходства предложений. Лицензия в предоставленных данных не указана.

ysmeta/legal-ko-v7 — корейскоязычная модель Sentence Transformer, дообученная разработчиком репозитория на базе dragonkue/BGE-m3-ko для представления предложений и абзацев в виде плотных векторов. Она построена на XLM-RoBERTa с пулингом CLS и нормализацией: выдаёт векторы размерности 1024, а близость текстов оценивается косинусным сходством. Максимальная длина последовательности в README указана как 384 токена; в метаданных длина контекста — 8194 токена. Модель предназначена для семантического поиска и сравнения корейских текстов, в том числе юридических вопросов и документов. Также её можно применять для поиска перефразировок, кластеризации и классификации текстов на основе эмбеддингов. README приводит результаты на наборе legal-hard-slice: cosine_accuracy@1 — 0,92 и @10 — 0,99. Модель принимает текст и выдаёт векторы; она не генерирует ответы. Обучение описано на наборах pairs и verified, а лицензия — MIT. Результаты оценки относятся к указанному набору и не гарантируют такое же качество на других корпусах; указанная в README длина последовательности может ограничивать обработку длинных документов.

diegolacomba выпустил sentence-transformers-модель для получения эмбеддингов предложений и абзацев. Она основана на BERT и преобразует текст в плотные векторы размерностью 384; представление строится усреднением токенных эмбеддингов. Для сравнения текстов предусмотрена косинусная близость. Модель подходит для семантического поиска, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текста. Максимальная длина входа — 512 токенов. В названии указано назначение для юридических текстов, однако README не уточняет языки обучения или конкретные юридические задачи. Метаданные указывают формат safetensors; лицензия не приведена.

Модель legalvn/paraphrase-multilingual-MiniLM-L12-v2-vn-171000 — дообученная на вьетнамских парах текстов модель Sentence Transformer на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она преобразует предложения и абзацы в плотные векторы размерности 384 для поиска семантически близких текстов, сравнения сходства, поиска перефразирований, кластеризации и классификации текста. Архитектура включает BERT с усреднением токенных представлений; карточка указывает максимум 128 токенов на последовательность, а метаданные — контекст до 512 токенов. Для сравнения векторов применяется косинусное сходство. Модель содержит 124,3 млн параметров и распространяется в формате safetensors. Примеры обучающих данных и название модели указывают на специализацию на вьетнамском языке, в том числе на текстах юридической тематики; README также описывает её как многоязычную. Лицензия в предоставленных данных не указана. Качество для конкретной области или языка следует оценивать на собственных данных; длина последовательности в карточке ограничена 128 токенами.

Whis29 создал турецкую дообученную версию BAAI/bge-m3 на базе Sentence Transformers для поиска релевантных текстов. Модель кодирует предложения и абзацы в плотные векторы размерности 1024, нормализует их и сравнивает с помощью косинусного сходства. Архитектура состоит из XLM-RoBERTa, слоя pooling по CLS-токену и нормализации; максимальная длина последовательности — 8192 токена. Модель подходит для семантического поиска и сопоставления турецких юридических запросов с документами или фрагментами документов. Для дообучения использованы 12 686 обучающих примеров с парами anchor-positive-negative и 668 примеров для оценки. Базовая BGE-M3 многоязычная, однако карточка этой версии указывает специализированное применение к турецким юридическим текстам. Лицензия в предоставленных данных не указана.

DocShield-9B — мультимодальная модель для криминалистического анализа документов и выявления подделок, разработанная vankey. Она принимает изображение документа и формирует текстовый отчёт с заключением об аутентичности, оценкой риска мошенничества, координатами подозрительных областей и объяснением по каждому признаку. Модель дообучена на Qwen3.5-VL-9B на наборах RealText-V1 и RealText-V2; архитектура — Qwen3_5ForConditionalGeneration, веса представлены в safetensors и имеют точность bfloat16. DocShield-9B анализирует визуальные следы редактирования, включая замазывание, несоответствия шрифтов и сглаживания, ореолы по краям, артефакты копирования и вставки и различия сжатия. Она также проверяет смысловую и логическую согласованность сведений, например цены, количества, дат и характеристик товара. Карточка указывает поддержку китайского и английского языков; лимит контекста не приведён. Для запуска нужны базовая модель Qwen3.5-VL-9B и окружение Transformers. Лицензия — Apache-2.0.

vitdangyeu/Pbert_embedding_v2 — модель Sentence Transformers на архитектуре RoBERTa, обученная разработчиком репозитория для получения векторных представлений предложений и абзацев. Она отображает текст в плотное пространство эмбеддингов размерностью 1024 и использует косинусное сходство для сравнения текстов. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. В карточке приведены примеры вьетнамских юридических текстов и набор из 50 857 пар предложений с метками; это указывает на специализацию обучения на вьетнамском языке и налогово-правовых материалах. Максимальная длина последовательности — 258 токенов по метаданным; README указывает лимит 256 токенов. Размер модели — 468,2 млн параметров, выход — векторы размерностью 1024. Распространяется в формате safetensors; лицензия в предоставленных данных не указана.

nhonhoccode/zalo-legal-bge-m3-finetuned — Sentence Transformer, дообученный для создания эмбеддингов предложений и абзацев. Модель основана на XLM-RoBERTa и содержит 658,7 млн параметров; выходные векторы имеют размерность 1024 и нормализуются. В README указан максимум 384 токена на последовательность, а метаданные каталога сообщают о нативном контексте до 8194 токенов. Модель предназначена для семантического поиска, сравнения сходства текстов, поиска перефразировок, кластеризации и классификации текста. Название указывает на юридическое направление и базовую модель BGE-M3, однако карточка не приводит подробностей о языках или конкретных юридических сценариях; языки и область применения поэтому не следует считать подтверждёнными. Обучение описано на наборе из 2638 примеров с парами положительных и отрицательных текстов. Для сходства текстов можно использовать косинусную близость эмбеддингов. Репозиторий содержит веса safetensors и рассчитан на библиотеку Sentence Transformers. Лицензия в предоставленных данных не указана.

Legal BERTimbau — модель эмбеддингов предложений, разработанная в рамках Project IRIS для семантического поиска по материалам Верховного суда Бразилии (Supremo Tribunal de Justiça). Она преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024 для поиска похожих текстов и кластеризации. Модель основана на юридической версии BERTimbau large и дообучалась на корпусе португальских юридических текстов. В обучении также применялись многоязычная дистилляция знаний от sentence-transformers/stsb-roberta-large и настройка на задачах сходства текстов с использованием ASSIN, ASSIN2, STS Benchmark Multi MT и набора IRIS STS. Архитектура — BERT; контекст ограничен 512 токенами, размер модели — 433,2 млн параметров. Модель предназначена для семантического поиска, сравнения сходства предложений и кластеризации юридических текстов на португальском языке. Доступны веса PyTorch и safetensors; лицензия — MIT.

Conflibert-named-entity-recognition — модель на архитектуре BERT, разработанная на основе ConfliBERT и дообученная для распознавания и классификации именованных сущностей в тексте. Она выделяет, в частности, людей, организации, географические названия, выражения времени и денежные значения. Модель предназначена для извлечения сущностей из текстовых материалов, в том числе для подготовки данных к анализу политических конфликтов и насилия. Размер составляет 136,3 млн параметров, максимальная длина контекста — 512 токенов; веса опубликованы в формате safetensors. Лицензия — GPL-3.0.

GLiNER-PII — модель NVIDIA для обнаружения и классификации персональных и медицинских данных в структурированном и обычном тексте. Она построена на архитектуре GLiNER и дообучена на базе urchade/gliner_large-v2.1; содержит около 570 млн параметров и работает через библиотеку GLiNER на PyTorch. Модель размечает фрагменты текста более чем по 55 категориям и возвращает найденный текст, тип сущности, позиции начала и конца, а также оценку уверенности. Её применяют для выявления и редактирования конфиденциальных данных в медицинских записях, финансовых и юридических документах, корпоративных хранилищах, журналах и пользовательских публикациях. Модель принимает текст и выдаёт текстовые аннотации. Карточка указывает английский язык. Лицензия обозначена как other; README заявляет возможность коммерческого и некоммерческого использования. Качество зависит от предметной области, формата данных и порога уверенности: в оценке на трёх наборах строгий F1 составил 0,70 на Argilla PII, 0,64 на AI4Privacy и 0,87 на Nemotron-PII. Для ответственных сценариев рекомендованы проверка на данных конкретного применения и человеческий контроль.

Luciano/bertimbau-base-lener_br — модель классификации токенов на базе BERT, дообученная на наборе данных LeNER-Br для бразильского португальского. Её можно применять для разметки последовательностей токенов в юридических текстах; точные категории сущностей в предоставленной карточке не описаны. Модель содержит 136,1 млн параметров, использует архитектуру BertForTokenClassification и принимает текстовые последовательности длиной до 512 токенов. На оценочной выборке LeNER-Br указаны F1 0,8808, точность 0,8501, полнота 0,9138 и accuracy 0,9693. Распространяется по лицензии MIT.

Case-law block tagger — модель токеновой классификации от Free Law Project для разметки структуры мнений судов США. Она принимает OCR-текст одного дела в минимальном HTML-представлении и выделяет символьные фрагменты с именами сторон, номером дела, судом, адвокатами, судьями, датами, историей дела, резолютивной частью, автором и заголовками. Обычный текст мнения относится к метке O; модель выдаёт BIO-метки и не генерирует текст. Модель построена на ModernBERT-large с 394,7 млн параметров и дообучена на CaseLawModernBERT-large, предварительно обученной на корпусе судебных мнений США. Контекст составляет 8192 токена. Обучение проводилось на OCR-материалах американских судебных репортёров с разметкой человеком и проверкой человеком; на отложенном тестовом наборе строгая span-F1 составила 0,937. Модель рассчитана на структурирование сканов судебных сборников, а также цифровых текстов, сериализованных в ожидаемом формате. Модель поддерживает английский язык и особенно хорошо извлекает поля судебной «шапки». Её точность снижается на незнакомых форматах репортёров и строках с судьями, а классы otherdate и disposition имеют более слабые результаты. Ввод следует ограничивать одним делом, не более 8 тысяч токенов, удалять сноски и сохранять каноническую HTML-сериализацию; цитаты модель не размечает. Лицензия — Apache-2.0.

JuriFindIT/DAR-legal-it — модель Sentence Transformers, дообученная на наборе JuriFindIT для семантического поиска по итальянским юридическим текстам. Она основана на Snowflake/snowflake-arctic-embed-m-v2.0 и преобразует предложения и абзацы в плотные векторы размерности 768, нормализованные для сравнения по косинусному сходству. Архитектура включает трансформер GTE с усреднением токенов и нормализацией; модель содержит 305,3 млн параметров и принимает последовательности длиной до 8192 токенов. Модель предназначена для поиска семантически близких документов и фрагментов, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. В README приведена оценка на валидационной части JuriFindIT: recall@10 по косинусному сходству составляет 0,8037. Модель принимает текст и выдаёт текстовые эмбеддинги; её основным языком является итальянский. Файлы представлены в формате safetensors. Лицензия в предоставленных данных не описана.

maticzav/e5-base-legal — англоязычная модель Sentence Transformers, дообученная на базе intfloat/e5-base-v2 на 4 371 паре юридических текстов. Она кодирует предложения и абзацы в плотные векторы размерности 768 и оценивает семантическое сходство с помощью косинусного сходства. Модель подходит для семантического поиска и сопоставления формулировок в юридических документах, а также для кластеризации и поиска перефразировок. В основе — архитектура BERT; максимальная длина входа составляет 512 токенов. Для дообучения использован набор данных с парами текстов и оценками сходства. В README приведены результаты на contradiction-eval: Pearson 0,8482 и Spearman 0,623; это отдельная оценка сходства, а не гарантия качества для любых юридических задач. Модель не генерирует юридические заключения и её результаты требуют проверки специалистом. Лицензия в предоставленных данных не указана.

Knesset-multi-e5-large — модель эмбеддингов на базе intfloat/multilingual-e5-large, дообученная на данных Кнессета для работы с законодательной и парламентской лексикой. Разработчики представляют её как модель Sentence-Transformers: кодировщик XLM-RoBERTa-large преобразует предложения и абзацы в плотные векторы размерности 1024. Веса опубликованы в формате safetensors; число параметров — 658,7 млн, максимальная длина контекста — 514 токенов. Модель предназначена для семантического поиска, сравнения и кластеризации текстов, особенно парламентских и законодательных материалов. Она поддерживает иврит; карточка также связывает базовую модель с многоязычной обработкой, но у этой версии явно отмечен иврит. Лицензия в предоставленных данных не указана.

KarBik/legal-french-matroshka — модель Sentence Transformers, дообученная на базе intfloat/multilingual-e5-base для работы с французскими юридическими текстами. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 768; сходство оценивается косинусной мерой. Модель построена на XLM-RoBERTa с усреднением токенных представлений и поддерживает последовательности до 512 токенов. Модель предназначена для семантического поиска и сопоставления фрагментов юридических документов, а также для поиска перефразировок, кластеризации и классификации текстов. Обучение проведено на 9 000 пар anchor-positive; Matryoshka-обучение позволяет использовать укороченные представления размерностью 512, 256, 128 или 64. В README приведены оценки поиска для этих размерностей, но не описаны тестовый набор и его связь с юридическими сценариями. Модель принимает текст и выдаёт векторы эмбеддингов, а не готовые ответы или юридические заключения. В метаданных указана лицензия? Нет, сведения о лицензии отсутствуют в предоставленных данных.

justArmenian/legal_paraphrase — дообученная модель Sentence Transformers на базе sentence-transformers/paraphrase-MiniLM-L3-v2 для преобразования предложений и абзацев в плотные векторы размерности 384. Архитектура основана на BERT: модель использует среднее объединение токенных представлений; сходство векторов рекомендуется оценивать косинусной мерой. В метаданных указаны 18,8 млн параметров и контекст до 512 токенов, тогда как README задаёт максимальную длину последовательности 128 токенов. Модель адаптирована к юридическим текстам и предназначена для семантического сравнения, поиска похожих формулировок и парафразов, кластеризации и извлечения признаков для классификации. В примерах обучающих данных сопоставляются перефразированные фрагменты судебно-правового текста и семантически отличающиеся фрагменты. README не подтверждает поддержку других языков; примеры приведены на английском. Модель выдаёт векторы, а не готовые ответы или юридические заключения. Воспроизводимые результаты оценки и качество на конкретных юридических корпусах не описаны. Лицензия в предоставленных сведениях не указана.

Это англоязычная модель эмбеддингов Sentence Transformers, созданная дообучением nomic-ai/modernbert-embed-base на 5 822 парах текстов из юридических документов. Она преобразует предложения и абзацы в плотные векторы: основное применение — семантический поиск и сравнение юридических текстов, включая поиск ответов и похожих фрагментов в документах. Архитектура основана на ModernBERT с усреднением токенных представлений и нормализацией; стандартный вектор имеет размерность 768, а обучение Matryoshka позволяет использовать сокращённые векторы размерностью 512, 256, 128 или 64. Максимальная длина входа — 8 192 токена; сходство оценивается косинусной мерой. Модель также подходит для поиска перефразировок, кластеризации и классификации текстов. Обучающий набор содержит англоязычные примеры, связанные с судебными делами и FOIA-запросами; качество на других языках и юридических областях не подтверждено. Это эмбеддер, поэтому он не генерирует ответы или тексты. Модель содержит около 149 млн параметров, распространяется в формате Safetensors по лицензии Apache-2.0.