cwinkler/bgh-embeddings-qwen3-8b

BGH Leitsatz Embeddings — qwen3-8b

Modell: Qwen/Qwen3-Embedding-8B
Datensatz: cwinkler/bgh-leitsaetze
Einträge: 21506
Dimension: 4096
Normalisiert: True (Cosine Similarity)
MTEB Multilingual: Rank #1, Score 70.58 (Juni 2025)

Wichtig: Instruction nur für Queries

Qwen3-Embedding verwendet eine Task-Instruction nur für Suchanfragen. Dokumente werden ohne Instruction eingebettet.

# Queries MIT Instruction:
instruct_query = "Instruct: Retrieve the most relevant BGH headnote decision for the given legal question\nQuery: Kann KI Erfinder sein?"
q_emb = model.encode(instruct_query, normalize_embeddings=True)

# Dokumente OHNE Instruction:
doc_emb = model.encode("I ZR 123/20: Leitsatztext...", normalize_embeddings=True)

Dateien

• embeddings.npy — Embedding-Matrix
• ids.npy — SHA-1 IDs
• docs.npy — Originaltexte (Aktenzeichen: Leitsatz)
• chroma.zip — ChromaDB Index

Verwendung

import numpy as np
from huggingface_hub import hf_hub_download
from sentence_transformers import SentenceTransformer

embeddings = np.load(
    hf_hub_download("cwinkler/bgh-embeddings-qwen3-8b", "embeddings.npy", repo_type="dataset"),
    allow_pickle=True
).astype(float)
docs = np.load(
    hf_hub_download("cwinkler/bgh-embeddings-qwen3-8b", "docs.npy", repo_type="dataset"),
    allow_pickle=True
)

model  = SentenceTransformer("Qwen/Qwen3-Embedding-8B")
q_emb  = model.encode(
    "Instruct: Retrieve the most relevant BGH headnote decision for the given legal question\nQuery: Kann KI Erfinder sein?",
    normalize_embeddings=True
)
scores = embeddings @ q_emb
top5   = np.argsort(scores)[::-1][:5]
for idx in top5:
    print(f"{scores[idx]:.4f} | {docs[idx][:100]}")