PulseAugur
中
实时 06:28:52
English(EN) GreenLeaf Law Embed Tiny: A Compact Embedding Model for Legal Domain Retrieval

新型紧凑型嵌入模型面向法律领域检索

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了GreenLeaf Law Embed Tiny，这是一款专门为法律领域检索设计的、参数量仅为0.6亿的紧凑型嵌入模型。该模型在Massive Legal Embedding Benchmark (MLEB)上取得了75.11%的成绩，在MTEB(Law, v1)上取得了64.38%的成绩，表现出竞争力，并优于其他10亿参数以下的模型。该模型的成功归因于一个两阶段的训练过程，包括从更大模型进行知识蒸馏、使用大量的查询-段落数据进行领域特定微调，以及一个支持各种量化级别以在资源受限环境中部署的高效架构。 AI

影响 这款紧凑型模型可以实现更高效、更易于访问的AI驱动的法律研究工具，尤其是在计算资源有限的环境中。

排序理由 该集群描述了一篇详细介绍新模型发布及其在基准测试中表现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型紧凑型嵌入模型面向法律领域检索

本文如何被排名

Signal score
30 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群描述了一篇详细介绍新模型发布及其在基准测试中表现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Surya Saka ·

    GreenLeaf Law Embed Tiny：一款用于法律领域检索的紧凑型嵌入模型

    arXiv:2608.24936v1 Announce Type: cross Abstract: We present GreenLeaf Law Embed Tiny, a 0.6B parameter embedding model for legal domain retrieval. GreenLeaf-Tiny achieves 75.11% on the Massive Legal Embedding Benchmark (MLEB) and 64.38% on MTEB(Law, v1),demonstrating competitive…

相关实体

相关话题