IV.8Государственное управление, правосудие и чрезвычайные ситуации

Fabiod20/italian-legal-ner — модель распознавания именованных сущностей на основе ELECTRA, дообученная для анализа итальянских гражданских судебных решений Верховного кассационного суда Италии. Она размечает текст токен за токеном и выделяет юридически значимые сущности, включая апелляцию, заявителя и ответчика. Модель обучена на 9 000 решениях за 2016–2021 годы, размеченных с помощью сочетания правил и ручной аннотации; размер составляет 137,1 млн параметров, контекст — до 512 токенов. Поддерживается итальянский язык. Модель подходит для извлечения и структурирования сведений из судебных актов, например для подготовки корпусов документов и поиска сторон или апелляций. В карточке указана доработка модели ELECTRA, но базовый репозиторий не назван. Доступна в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

KL3M 500M, checkpoint 15500 — языковая модель Alea Institute для генерации текста в юридической и смежных областях. Она основана на архитектуре Llama с Grouped Query Attention и содержит около 500 млн параметров. Модель обучалась на многоотраслевых юридических текстах, включая судебные документы, государственные материалы, финансовые раскрытия и контракты; в обучающих данных преобладают судебные документы. Это промежуточный чекпойнт продолженного обучения: 30 слоёв исходной модели расширили до 120 циклическим дублированием, после чего обучение продолжили до шага 15 500. Модель генерирует текст, поддерживает контекст до 4096 токенов и ориентирована на английский язык. Её можно применять для подготовки черновиков юридических текстов и продолжения документов, однако стиль и содержание зависят от преобладания судебных материалов в обучении. Модель опубликована в формате safetensors и рассчитана на использование с Transformers. Лицензия — Apache-2.0. Чекпойнт отражает состояние обучения на конкретном шаге, поэтому его качество следует оценивать для целевого сценария; README рекомендует предметные подсказки и допускает дополнительную настройку.

learn3r/longt5_xl_gov_bp_15 — модель суммаризации на базе LongT5 XL, дообученная на наборе learn3r/gov_report_bp. Она использует архитектуру LongT5ForConditionalGeneration и предназначена для создания кратких изложений длинных текстов, в частности правительственных отчётов. Модель содержит 1,5 млрд параметров, работает с текстом и поддерживает контекст до 4096 токенов. В карточке приведено значение loss 1,7126 на оценочном наборе. Модель опубликована в формате PyTorch; лицензия в предоставленных данных не указана. Других сведений о качестве, ограничениях и условиях применения карточка не содержит.

MrBERT-legal — многоязычная языковая модель для юридических текстов, разработанная Language Technologies Lab при Barcelona Supercomputing Center. Она построена на архитектуре ModernBERT и получена дообучением MrBERT на специализированном юридическом корпусе объёмом 8 млрд токенов: 20,5% испанского и 79,5% английского текста. Модель содержит около 307 млн параметров, использует токенизатор SPM со словарём из 256 000 токенов и поддерживает контекст до 8192 токенов. Модель обучена предсказывать замаскированные токены и подходит для адаптации к юридическим задачам, включая получение текстовых представлений, поиск и классификацию юридических документов. В карточке приведены оценки на испанских и английских юридических бенчмарках; результаты зависят от задачи и набора данных. Это encoder-модель, поэтому она не предназначена для генерации длинных ответов в диалоге. Лицензия — Apache-2.0. Авторы предупреждают о возможных смещениях и необходимости учитывать риски при развёртывании.

Mursit-Embed-Qwen3-4B-TR — модель эмбеддингов NewMind AI для семантического поиска и извлечения информации на турецком языке, включая юридические документы. Она создана на основе дообученной модели Mecellem-Qwen3-4B-TR с преобразованием декодера Qwen3 в двунаправленный энкодер: удалена языковая голова, применяются двунаправленное внимание и mean pooling. Размер модели — 3,7 млрд параметров, размерность эмбеддинга — 2560; в README максимальная длина последовательности указана как 1024 токена, тогда как метаданные указывают контекст 40960 токенов. Доступны веса Safetensors и формат ONNX; лицензия Apache-2.0. Модель предназначена для получения векторных представлений текстов, семантического поиска, сопоставления текстов и извлечения релевантных фрагментов из турецких документов. В README приведены результаты турецкого бенчмарка MTEB и юридического поиска: качество заметно различается между поиском по договорам, нормативным актам и судебным решениям. Это специализированная модель для турецкого языка; метаданные также отмечают английский. Показатели бенчмарка не гарантируют аналогичного качества на других языках, наборах данных или задачах.

Это вьетнамская модель Sentence Transformers, дообученная автором maiduchuy321 на базе bkai-foundation-models/vietnamese-bi-encoder для подбора релевантных ответов в юридическом чат-боте. Архитектура состоит из трансформера RoBERTa и mean pooling; модель преобразует предложения и абзацы в плотные векторы размерностью 768, а близость оценивается косинусным сходством. Размер модели — 162,4 млн параметров, максимальная длина последовательности — 258 токенов по метаданным.

ViLegalBERT-ext — вьетнамская языковая модель для юридических текстов, разработанная как продолженное предобучение Qualcomm-AI-Research/BamiBERT. Это encoder архитектуры BERT-base с 12 слоями и целью masked language modeling в стиле RoBERTa; модель содержит около 103 млн параметров и принимает последовательности длиной до 2048 токенов. Токенизатор byte-level BPE позволяет обрабатывать исходный вьетнамский текст без отдельной предварительной сегментации слов. Модель предназначена для заполнения пропусков и как основа для дообучения на юридическую классификацию документов, распознавание именованных сущностей, ответы на вопросы и поиск по правовым материалам, а также сопоставление сходных текстов и пунктов договоров. Она обучена на очищенном корпусе вьетнамских юридических текстов объёмом 20,57 ГБ, около 7,15 млрд токенов. Для открытой генерации текста модель не предназначена. Лицензия указана как other. Известные ограничения: возможна слабая работа с нестандартными диалектами вьетнамского языка и влияние временного сдвига понятий; всесторонняя оценка на общих задачах не проводилась, а результаты downstream-бенчмарков ещё не опубликованы.

Vi-Legal-Bi-Encoder-v2 — модель эмбеддингов предложений и абзацев, опубликованная NghiemAbe и построенная на архитектуре RoBERTa с библиотекой Sentence-Transformers. Она преобразует текст в плотные векторы размерности 768 и предназначена для сравнения семантической близости, поиска и кластеризации. Модель ориентирована на вьетнамские юридические тексты; автор приводит результаты оценки на Dev-Legal-Dataset и сравнивает её с несколькими многоязычными и вьетнамскими моделями.

Luciano выпустил дообученную модель BERT-Large для бразильского португальского языка на датасете LeNER-Br. Это модель классификации токенов, предназначенная для распознавания именованных сущностей в юридических текстах на португальском языке. В оценке на тестовой выборке LeNER-Br указаны F1 0,908, точность 0,8965, полнота 0,9198 и accuracy 0,9801. Модель основана на neuralmind/bert-large-portuguese-cased, содержит 433,2 млн параметров и принимает последовательности длиной до 512 токенов. Распространяется под лицензией MIT. Карточка не описывает ограничения подробнее; качество на других доменах и языках по приведённым результатам оценить нельзя.

Испаноязычная модель Sentence Transformers, разработанная дообучением BAAI/bge-m3 на небольшом наборе юридических текстов и запросов. Она преобразует предложения и абзацы в плотные векторы размерностью 1024 и подходит для семантического поиска и сравнения текстов в юридических материалах на испанском языке. В основе лежит XLM-RoBERTa с пулингом CLS-токена и нормализацией векторов. Максимальная длина последовательности — 8192 токена; тексты сравниваются по косинусному сходству. Модель также можно применять для поиска перефразирований, кластеризации и классификации текстов. В README приведены результаты оценки поиска на нескольких размерностях векторов, однако описание не уточняет состав и широту тестовой выборки. Модель распространяется по лицензии Apache-2.0.

aellxx/disaster-tweet-distilbert — модель классификации англоязычных сообщений в Twitter, дообученная на основе distilbert-base-uncased-finetuned-sst-2-english. Она предназначена для определения, связано ли сообщение с бедствием, например для первичной сортировки потока твитов. Модель использует архитектуру DistilBERT и принимает текст длиной до 512 токенов; формат весов — PyTorch. В README приведено значение loss 0,4605 на оценочном наборе, но его состав и подробности обучения не описаны. Лицензия — Apache-2.0.

rufimelo/Legal-BERTimbau-sts-base — модель на архитектуре BERT, разработанная для семантического сравнения португалоязычных юридических текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 1024, пригодные для поиска семантически близких фрагментов и кластеризации. Модель основана на Legal-BERTimbau-large, созданной на базе BERTimbau base, и дообучена для задачи Semantic Textual Similarity на датасетах ASSIN и ASSIN2. В метаданных указаны 136,1 млн параметров и контекст длиной до 512 токенов; поддерживаются форматы PyTorch и safetensors. Карточка приводит результаты оценки на португальских наборах STS, включая ASSIN, ASSIN2 и stsb_multi_mt. Модель предназначена для семантического поиска, сопоставления предложений и группировки юридических текстов на португальском языке. Лицензия в предоставленных данных не указана.

Legal-BERTimbau-sts-base-ma — модель Sentence Transformers на базе BERT, созданная для семантического сравнения предложений и абзацев на португальском языке в юридической области. Она преобразует текст в плотные векторы размерности 768, пригодные для семантического поиска и кластеризации. Модель содержит 136,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель дообучена для оценки семантического сходства на португалоязычных наборах ASSIN, ASSIN2 и STS-B Multi-MT; при обучении также применялась многоязычная дистилляция знаний. В README приведены результаты STS на этих наборах. Модель может использоваться для поиска юридических текстов по смыслу, группировки похожих документов и сравнения формулировок. Она предназначена прежде всего для португальского юридического текста; контекст ограничен 512 токенами. Лицензия в предоставленных данных не указана.

legal-bge-m3 — модель эмбеддингов на базе BGE-M3, разработанная Yuriy Perezhohin для поиска по юридическим текстам. Она преобразует документы, их фрагменты, предложения и запросы в плотные векторные представления для семантического поиска, сравнения предложений и извлечения релевантных фрагментов в системах RAG. Модель дообучена с помощью функции потерь multiple negative ranking на примерно 400 тысячах строк синтетических юридических данных, подготовленных на основе LEGALBENCH-RAG. В метаданных указаны архитектура XLM-RoBERTa, 658,7 млн параметров, контекст до 8194 токенов и английский язык. Базовая модель BGE-M3 рассчитана на многоязычный семантический, лексический и гибридный поиск, однако карточка этой версии заявляет английский язык. Модель подходит для поиска релевантных фрагментов юридических документов и вычисления сходства текстов. Ограничение — обучение на синтетических данных, поэтому возможны унаследованные от них смещения. Сведения о лицензии в предоставленных источниках отсутствуют.

Turkish-NLI/legal_nli_TR_V1 — Sentence Transformers модель на базе BERTurk, дообученная на турецком датасете legal_nli_tr_v1 для работы с отношениями между юридическими текстами. Она преобразует предложения и абзацы в плотные векторы размерности 768; сходство векторов можно оценивать косинусной мерой. Архитектура использует BERT-энкодер с усреднением токеновых представлений, поддерживает последовательности до 512 токенов и рассчитана на турецкий язык. Модель подходит для поиска семантически близких юридических фрагментов, сравнения текстов, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Обучающий набор содержит около 202 тысяч примеров. В README приведены оценки на sts-dev, включая Spearman по косинусному сходству 0,2431; качество на общих задачах семантического сходства может быть ограниченным. Лицензия — Apache-2.0.

Многоязычная языковая модель Joel Niklaus на архитектуре RoBERTa, предварительно обученная на юридических текстах из набора MultiLegalPile. Модель содержит 533,7 млн параметров, принимает текст с маскированными токенами и предсказывает их; длина контекста — 514 токенов. В карточке указаны немецкий, французский и итальянский языки, а набор данных охватывает 24 языка. Модель предназначена прежде всего для дообучения под юридические задачи классификации последовательностей и токенов, а также для ответа на вопросы. Её специализация на юридических текстах может быть полезна в этой области, но качество на текстах других тематик может снижаться. Лицензия — CC BY-SA.

MEL (Modelo de Español Legal) — энкодерная модель на архитектуре XLM-RoBERTa-large от IIC, адаптированная для работы с испанскими юридическими текстами. Модель продолжительно предобучена с целевой функцией masked language modeling на корпусе из 5,52 млн документов, включая публикации BOE, парламентские стенограммы, судебные решения и законодательные тексты. Размер модели — 658,7 млн параметров, контекст — 514 токенов. MEL предназначена для извлечения признаков из испанских юридических текстов и может служить основой для дообучения классификаторов и других прикладных моделей. В карточке приведены результаты классификации юридических документов, в том числе F1 0,8025 на Multieurlex и 0,9260 на закрытом наборе данных. Модель поддерживает испанский язык; лицензия указана как other, поэтому условия использования следует проверять в репозитории модели.

freelawproject/modernbert-embed-base_finetune_512 — англоязычная модель эмбеддингов, разработанная Free Law Project на основе дообученной nomic-ai/modernbert-embed-base. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения по косинусному сходству. Архитектура Sentence Transformer включает ModernBertModel, усреднение токенных представлений и нормализацию; максимальная длина входа составляет 8192 токена. Модель предназначена для семантического поиска по юридическим текстам, поиска похожих судебных документов и запросов, сравнения предложений, поиска перефразировок, кластеризации и классификации текста. Для дообучения использованы 2828 триплетов из датасета Free-Law-Project/opinions-synthetic-query-512; в README приведены высокие значения cosine accuracy на dev-оценках, но методика и применимость результатов за пределами указанных данных ограничены. Метаданные указывают лицензию CC0-1.0, тогда как README указывает Apache-2.0; лицензию следует проверить в репозитории перед использованием. Модель работает с текстом на английском языке и выдаёт векторы, а не готовые ответы.

ModernBERT Embed base Legal Matryoshka — англоязычная модель Sentence Transformers, дообученная adamNLP на базе nomic-ai/modernbert-embed-base. Она преобразует предложения и абзацы в плотные нормализованные векторы размерностью 768 для семантического поиска по юридическим материалам, сравнения сходства текстов, поиска перефразировок, классификации и кластеризации. Архитектура включает ModernBERT, усреднение токенных представлений и нормализацию; модель принимает последовательности длиной до 8192 токенов. Matryoshka-обучение позволяет усекать векторы до 512, 256, 128 или 64 измерений с некоторым снижением качества поиска. Модель обучена на 5822 парах текстов из набора json, где представлены юридические фрагменты и вопросы к ним. Для сравнения используется косинусное сходство; указанные в карточке результаты поиска относятся к этому набору и не гарантируют аналогичного качества на других юридических корпусах. Лицензия — Apache-2.0.

Sri1999/modernbert-embed-base-legal-matryoshka-2 — англоязычная модель Sentence Transformers, дообученная на парах текстов юридической тематики на базе nomic-ai/modernbert-embed-base. Она преобразует предложения и абзацы в плотные нормализованные векторы размерности 768 для семантического поиска, сравнения сходства, поиска перефразировок, классификации и кластеризации текстов. Архитектура включает ModernBERT, усреднение токенных представлений и нормализацию; максимальная длина входа — 8192 токена. Matryoshka-обучение позволяет использовать укороченные векторы размерностью 512, 256, 128 или 64 с некоторым снижением качества поиска. Модель предназначена для поиска и сопоставления англоязычных юридических текстов, например запросов с фрагментами документов. README приводит оценку поиска на нескольких размерах векторов, но не описывает тестовый набор достаточно подробно для обобщения показателей на реальные данные. Распространяется по лицензии Apache-2.0.

Модель multilingual-e5-small-ru-law разработана Павлом Алексеевым и представляет собой дообученную модель intfloat/multilingual-e5-small на базе архитектуры BERT. Она создаёт плотные текстовые эмбеддинги для поиска статей российских законов по вопросам пользователей. Модель содержит 124,3 млн параметров, выдаёт векторы размерностью 384 и принимает последовательности длиной до 512 токенов. Для запросов и документов нужны префиксы `query: ` и `passage: ` соответственно. Дообучение проведено на синтетических русскоязычных вопросах к статьям российских кодексов; при обучении использовалась дистилляция ранжирования из ai-forever/FRIDA. На тесте RuLawRetrieval модель показала nDCG@10 0,859, сопоставимый с multilingual-e5-large, при меньших задержке на CPU и размере индекса. Она предназначена для извлечения релевантных статей, а не для выдачи юридических консультаций. Качество на реальных вопросах может отличаться, а на общих задачах поиска исходная модель показывала лучший результат. Лицензия — MIT.

kietnt0603/nrk-legal-bkai — sentence-transformers модель, дообученная на базе bkai-foundation-models/vietnamese-bi-encoder для семантического поиска по юридическим запросам и документам на вьетнамском языке. Она предназначена для использования в RAG-системах: кодирует запросы и документы в плотные векторы размерностью 768, которые можно сравнивать для ранжирования релевантных материалов. Модель основана на RoBERTa и содержит 162,4 млн параметров. Обучение проводилось на примерно 52 тысячах триплетов «запрос — документ — сложный отрицательный пример» из соревнования Zalo AI Legal; MatryoshkaLoss позволяет использовать укороченные векторы размерностью 512, 256, 128 или 64. README сообщает об оценке на наборе юридического поиска VMTEB-Zalo, но результаты относятся к конкретному бенчмарку и не гарантируют качество на других корпусах. Максимальная длина последовательности — 256 токенов по README; метаданные указывают контекст 258 токенов. Лицензия — Apache-2.0.

ReSB2-Bi-Encoder — модель Sentence Transformer, дообученная для поиска семантически связанных законопроектов Бразилии. Она кодирует текст в плотные векторы размерности 768; для сравнения векторов используется косинусное сходство. Архитектура основана на ModernBERT с усреднением токенных представлений. В README указан максимальный размер последовательности 1500 токенов, а метаданные каталога — контекст до 8192 токенов; для практической работы с длинными входами следует учитывать ограничение конфигурации Sentence Transformers. Модель подходит для поиска похожих законопроектов и ранжирования документов по семантической близости в корпусах бразильского законодательства. В README приведена оценка на наборе для семантического сходства: Spearman по косинусному сходству — 0,7286. Данных о лицензии в предоставленных источниках нет, поэтому условия использования определить нельзя.

dronefreak/seadronessee-yolo26s — детектор объектов на базе Ultralytics YOLO26s, дообученный на наборе SeaDronesSee в рамках DetectionBench. Модель предназначена для обнаружения людей в воде, лодок, гидроциклов, спасательных средств и буёв на изображениях с морской съёмкой, в том числе с беспилотников; её можно применять в сценариях морского поиска и спасения. На валидационной выборке SeaDronesSee модель показала mAP@50 80,14%, mAP@50–95 47,35% и точность 88,5%. Репозиторий содержит веса PyTorch для библиотеки Ultralytics. Лицензия — AGPL-3.0.

Quockhanh05/Vietnam_legal_embeddings — модель Sentence Transformer с архитектурой RoBERTa, дообученная для поиска по юридическим документам на вьетнамском языке. Она преобразует запросы и документы в векторы, чтобы находить семантически релевантные фрагменты и оценивать сходство между текстами. Модель содержит 162,4 млн параметров, работает через библиотеку sentence-transformers и имеет контекст до 258 токенов. Модель подходит для семантического поиска юридических статей по запросам на естественном языке, сопоставления запросов с документами и поиска источников для юридических чат-ботов. По README, на бенчмарке Zalo Legal Retrieval она улучшила NDCG@10 примерно на 1,7% относительно базовой модели и превосходит BM25; при этом она не генерирует текст и может уступать универсальным эмбеддинг-моделям на текстах вне юридической тематики. Дообучена на вьетнамских наборах юридических вопросов и ответов. Лицензия — Apache-2.0.

VN Law Embedding — модель текстовых эмбеддингов для поиска документов по юридическим вопросам на вьетнамском языке. Она разработана для сценариев Retrieval-Augmented Generation (RAG) и обучена на наборе вьетнамских юридических вопросов и соответствующих документов. Модель основана на XLM-RoBERTa, содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Обучение с Matryoshka Loss позволяет сокращать размерность эмбеддингов для более быстрого сравнения запросов и документов. Модель предназначена для извлечения релевантных правовых материалов; её оценивали с помощью средства оценки информационного поиска. Репозиторий распространяется под лицензией Apache-2.0.

mrm8488/bert-base-german-finetuned-ler — модель на основе BERT-base-german-cased, дообученная Manuel Romero для распознавания именованных сущностей в немецких юридических документах. Она выполняет токенную классификацию и подходит для извлечения юридических сущностей из судебных решений и других немецкоязычных правовых текстов. Модель содержит 136,3 млн параметров, использует архитектуру BERT и обрабатывает контекст длиной до 512 токенов. В README приведены результаты оценки на наборе Legal-Entity-Recognition: F1 85,67, точность 84,35 и полнота 87,04. Данные включают судебные решения семи федеральных судов Германии за 2017–2018 годы. Модель распространяется под лицензией Apache-2.0.

BERTurk-Legal — турецкая языковая модель на архитектуре BERT, разработанная для юридических текстов. Она предварительно обучена на корпусе турецкого права с помощью masked language modeling без разметки для поиска предыдущих судебных дел. Модель можно применять для получения представлений документов и последующего поиска похожих судебных решений; в README также описаны результаты zero-shot классификации дел Верховного кассационного суда Турции. В репозитории представлены веса PyTorch и Safetensors размером около 211,6 млн параметров. Контекст модели — до 512 токенов; основной язык — турецкий. Лицензия — MIT. Хотя карточка описывает поиск правовых прецедентов и получение эмбеддингов, тег Hugging Face указывает задачу fill-mask; эмбеддинги можно использовать в отдельном поисковом конвейере, но сам репозиторий не заявляет отдельный pipeline для поиска или ранжирования.

Модель разработана Иваном Петрликом Асабаче, Марией Тереситой Майданой, Йоандрой Гиселой Альварес Перес и Рафаэлем Лопесом Кордовой как академический проект по обработке естественного языка. Это дообученная модель BERTweet-base на основе архитектуры RoBERTa с головой классификации последовательностей на два класса; она содержит около 162,4 млн параметров и принимает короткие англоязычные сообщения длиной до 130 токенов. Модель определяет, описывает ли твит реальное бедствие — например, пожар, землетрясение, наводнение или аварию — либо использует связанную с катастрофами лексику в переносном или повседневном смысле. Её можно применять для фильтрации и приоритизации сообщений в мониторинге чрезвычайных ситуаций и социальных сетей. В карточке указаны F1 0,8211 на валидации и 0,83113 на публичной части соревнования Kaggle при пороге 0,62. Модель обучена на ограниченном наборе размеченных англоязычных твитов; сарказм, переносные выражения и шумные метки могут приводить к ошибкам. Она не предназначена для других языков и не должна быть единственным основанием для критически важных решений без проверки человеком. Лицензия — MIT.

Это модель Sentence Transformer, разработанная pablosi и дообученная на базе littlejohn-ai/bge-m3-spa-law-qa на наборе boe_sintetic_question_context. Она преобразует испанские предложения и фрагменты документов в плотные векторы размерностью 1024 для семантического поиска и сравнения юридических вопросов с контекстами. Также её можно применять для поиска перефразировок, кластеризации и классификации текста. Модель построена на XLM-RoBERTa с pooling по токену CLS и нормализацией векторов; максимальная длина последовательности — 8192 токена, сходство рекомендуется вычислять по косинусной мере. Модель рассчитана прежде всего на испанские юридические документы и вопросы по ним. В README приведены результаты оценки поиска на датасете модели, однако они не гарантируют качество на других корпусах. Лицензия — Apache-2.0.