tanbinh2210/mlm_finetuned_3_phobert

SentenceTransformer based on tanbinh2210/mlmfinetuned2_phobert

This is a sentence-transformers model finetuned from tanbinh2210/mlm_finetuned_2_phobert on the json dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

• —Model Type: Sentence Transformer
• —Base model: tanbinh2210/mlm_finetuned_2_phobert <!-- at revision 605c2d270bae808b7fadd84e5108d958a37e68fc -->
• —Maximum Sequence Length: 256 tokens
• —Output Dimensionality: 768 dimensions
• —Similarity Function: Cosine Similarity
• —Training Dataset:
• —json <!-- - Language: Unknown --> <!-- - License: Unknown -->

Model Sources

• —Documentation: Sentence Transformers Documentation
• —Repository: Sentence Transformers on GitHub
• —Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("tanbinh2210/mlm_finetuned_3_phobert")
# Run inference
sentences = [
    'hồ_sơ xin thôi quốc_tịch việt_nam bao_gồm những gì ?',
    'điều 28 . hồ_sơ xin thôi quốc_tịch việt_nam 1 . hồ_sơ xin thôi quốc_tịch việt_nam bao_gồm : a ) đơn xin thôi quốc_tịch việt_nam ; b ) bản khai_lý_lịch ; c ) bản_sao hộ_chiếu việt_nam , giấy_chứng_minh nhân_dân hoặc giấy_tờ khác quy_định tại điều 11 của luật này ; d ) phiếu lý_lịch tư_pháp do cơ_quan có thẩm_quyền của việt_nam cấp . phiếu lý_lịch tư_pháp phải là phiếu được cấp không quá 90 ngày tính đến ngày nộp hồ_sơ ; đ ) giấy_tờ xác_nhận về việc người đó đang làm thủ_tục nhập quốc_tịch nước_ngoài , trừ trường_hợp pháp_luật nước đó không quy_định về việc cấp giấy này ; e ) giấy xác_nhận không nợ thuế do cục thuế nơi người xin thôi quốc_tịch việt_nam cư_trú cấp ; g ) đối_với người trước_đây là cán_bộ , công_chức , viên_chức hoặc phục_vụ trong lực_lượng_vũ_trang nhân_dân việt_nam đã nghỉ hưu , thôi_việc , bị miễn_nhiệm , bãi_nhiệm , cách_chức hoặc giải_ngũ , phục_viên chưa quá 5 năm thì còn phải nộp giấy của cơ_quan , tổ_chức , đơn_vị đã ra quyết_định cho nghỉ hưu , cho thôi_việc , miễn_nhiệm , bãi_nhiệm , cách_chức hoặc giải_ngũ , phục_viên xác_nhận việc thôi quốc_tịch việt_nam của người đó không phương_hại đến lợi_ích quốc_gia của việt_nam .',
    '3 . bản_sao giấy khai_sinh của người con chưa thành_niên cùng thôi quốc_tịch việt_nam theo cha_mẹ hoặc giấy_tờ hợp_lệ khác chứng_minh quan_hệ cha_con , mẹ_con . trường_hợp chỉ người cha hoặc người mẹ thôi quốc_tịch việt_nam mà con chưa thành_niên sinh_sống cùng người đó thôi quốc_tịch việt_nam theo cha hoặc mẹ thì phải nộp văn_bản thỏa_thuận có đủ chữ_ký của cha_mẹ về việc xin thôi quốc_tịch việt_nam cho con . văn_bản thỏa_thuận không phải chứng_thực chữ_ký ; người đứng đơn xin thôi quốc_tịch việt_nam cho con phải chịu trách_nhiệm về tính chính_xác chữ_ký của người kia . trường_hợp cha , mẹ đã chết , bị mất năng_lực hành_vi dân_sự hoặc hạn_chế năng_lực hành_vi dân_sự thì văn_bản thỏa_thuận được thay_thế bằng giấy_tờ chứng_minh cha , mẹ đã chết , bị mất hoặc hạn_chế năng_lực hành_vi dân_sự . 4 . hồ_sơ xin thôi quốc_tịch việt_nam phải lập thành 3 bộ , được lưu_trữ tại văn_phòng chủ_tịch nước , bộ_tư_pháp và cơ_quan thụ_lý hồ_sơ .',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

<!--

Direct Usage (Transformers)

<details><summary>Click to see the direct usage in Transformers</summary>

</details> -->

<!--

Downstream Usage (Sentence Transformers)

You can finetune this model on your own dataset.

<details><summary>Click to expand</summary>

</details> -->

<!--

Out-of-Scope Use

List how the model may foreseeably be misused and address what users ought not to do with the model. -->

<!--

Bias, Risks and Limitations

What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model. -->

<!--

Recommendations

What are recommendations with respect to the foreseeable issues? For example, filtering explicit content. -->

Training Details

Training Dataset

json

• —Dataset: json
• —Size: 357,018 training samples
• —Columns: <code>query</code>, <code>pos</code>, and <code>neg</code>
• —Approximate statistics based on the first 1000 samples: | | query | pos | neg | |:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------| | type | string | string | string | | details | <ul><li>min: 5 tokens</li><li>mean: 16.98 tokens</li><li>max: 37 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 151.14 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 3 tokens</li><li>mean: 114.34 tokens</li><li>max: 256 tokens</li></ul> |
• —Samples: | query | pos | neg | |:--------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | <code>thủtục hưởng bảohiểmxãhội một lần gồm baonhiêu bước thựchiện ?</code> | <code>bước 1 . lập , nộp hồsơ nlđ lập hồsơ theo quyđịnh tại mục9.3 ( thànhphần hồsơ ) và nộp cho cơquan bhxh nơi cưtrú . bước 2 . cơquan bhxh tiếpnhận hồsơ và giảiquyết theo quyđịnh . bước 3 . nhận kếtquả nlđ nhận kếtquả giảiquyết , gồm : quyếtđịnh về việc hưởng bhxh một lần ; bản quátrình đóng bhxh ; tiền trợcấp .</code> | <code>3 . giảiquyết hưởng bảohiểmxãhội một lần trong thờihạn 10 ngày tính đến thờiđiểm chấmdứt hợpđồng laođộng hoặc thờiđiểm giấyphép laođộng , chứngchỉ hànhnghề , giấyphép hànhnghề hết hiệulực ( tùy thuộc điềukiện nào đến trước ) mà người laođộng không tiếptục làmviệc theo hợpđồng laođộng hoặc không được giahạn giấyphép , người laođộng có yêucầu hưởng bảohiểmxãhội một lần nộp hồsơ theo quyđịnh cho cơquan bảohiểmxãhội . trong thờihạn 05 ngày làmviệc kể từ ngày nhận đủ hồsơ theo quyđịnh , cơquan bảohiểmxãhội có tráchnhiệm giảiquyết và tổchức chitrả cho người laođộng , trườnghợp không giảiquyết thì phải trảlời bằng vănbản và nêu rõ lýdo . "</code> | | <code>vụ đấtđai thuộc bộ tàinguyên và môitrường có những chứcdanh lãnhđạo nào ?</code> | <code>lãnhđạo vụ 1 . vụ đấtđai có vụ trưởng và không quá 03 phó vụ trưởng . 2 . vụ trưởng vụ đấtđai chịu tráchnhiệm trước bộtrưởng và trước phápluật về mọi hoạtđộng của vụ ; banhành quychế làmviệc của vụ ; ký các vănbản về chuyênmôn , nghiệpvụ theo chứcnăng , nhiệmvụ được giao và các vănbản khác theo phâncông , ủyquyền của bộtrưởng . 3 . phó vụ trưởng vụ đấtđai giúp vụ trưởng , chịu tráchnhiệm trước vụ trưởng và trước phápluật về lĩnhvực côngtác được phâncông .</code> | <code>cơcấu tổchức 1 . lãnhđạo vụ : a ) lãnhđạo vụ có vụ trưởng và các phó vụ trưởng do bộtrưởng bộ nôngnghiệp và pháttriển nôngthôn bổnhiệm , miễnnhiệm theo quyđịnh ; ...</code> | | <code>lãnhđạo báo phápluật việtnam gồm có nhữngai ?</code> | <code>cơcấu tổchức , biênchế 1 . cơcấu tổchức của báo , gồm : a ) lãnhđạo báo : lãnhđạo báo gồm tổngbiêntập và không quá 03 ( ba ) phó tổngbiêntập . tổngbiêntập chịu tráchnhiệm trước bộtrưởng và trước phápluật về việc thựchiện các chứcnăng , nhiệmvụ , quyềnhạn của báo . các phó tổngbiêntập giúp tổngbiêntập quảnlý , điềuhành hoạtđộng của báo ; được tổngbiêntập phâncông trựctiếp quảnlý , điềuhành mộtsố lĩnhvực hoạtđộng của báo ; chịu tráchnhiệm trước tổngbiêntập và trước phápluật về việc quảnlý , điềuhành những lĩnhvực côngtác được phâncông . b ) các đơnvị trựcthuộc báo - ban thưký tòasoạn ; - ban thờisự chínhtrị ; - ban kinhtế ; - ban nộichính ; - ban vănhóa - xãhội ; - ban bạnđọc ; - ban doanhnhân và phápluật ; - ban báo phápluật điệntử ; - ban chuyênđề báo in ; - ban chuyênđề báođiệntử ; - ban trịsự ; - phòng kếhoạch - tàichính . việc thànhlập , tổchức lại , giảithể các đơnvị trựcthuộc báo tại điểm này do bộtrưởng quyế...</code> | <code>cơcấu tổchức , biênchế 1 . cơcấu tổchức a ) lãnhđạo tạpchí : lãnhđạo tạpchí gồm tổngbiêntập và không quá 03 ( ba ) phó tổngbiêntập . tổngbiêntập chịu tráchnhiệm trước bộtrưởng và trước phápluật về việc thựchiện chứcnăng , nhiệmvụ , quyềnhạn của tạpchí . các phó tổngbiêntập giúp tổngbiêntập quảnlý , điềuhành hoạtđộng của tạpchí ; được tổngbiêntập phâncông trựctiếp quảnlý , điềuhành mộtsố lĩnhvực hoạtđộng của tạpchí ; chịu tráchnhiệm trước tổngbiêntập và trước phápluật về việc quảnlý , điềuhành các lĩnhvực đã được phâncông . ...</code> |
• —Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }

Evaluation Dataset

json

• —Dataset: json
• —Size: 357,018 evaluation samples
• —Columns: <code>query</code>, <code>pos</code>, and <code>neg</code>
• —Approximate statistics based on the first 1000 samples: | | query | pos | neg | |:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------| | type | string | string | string | | details | <ul><li>min: 6 tokens</li><li>mean: 17.15 tokens</li><li>max: 43 tokens</li></ul> | <ul><li>min: 15 tokens</li><li>mean: 153.03 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 3 tokens</li><li>mean: 114.34 tokens</li><li>max: 256 tokens</li></ul> |
• —Samples: | query | pos | neg | |:--------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | <code>kỳ thi tốtnghiệp thpt quốcgia được tổchức nhằm mụcđích gì ?</code> | <code>“ điều 2 . mụcđích , yêucầu 1 . thi tốtnghiệp thpt nhằm mụcđích : đánhgiá kếtquả họctập của người học theo mụctiêu giáodục của chươngtrình giáodụcphổthông cấp thpt , chươngtrình gdtx cấp thpt ( gọi chung là chươngtrình thpt ) ; lấy kếtquả thi để xét côngnhận tốtnghiệp thpt ; làm cơsở đánhgiá chấtlượng dạy , học của trường phổthông và côngtác chỉđạo của các cơquan quảnlý giáodục . các cơsở giáodục đạihọc , giáodục nghềnghiệp cóthể sửdụng kếtquả thi tốtnghiệp thpt để tuyểnsinh . 2 . kỳ thi tốtnghiệp thpt ( gọi tắt là kỳ thi ) phải bảođảm yêucầu nghiêmtúc , trungthực , kháchquan , côngbằng . ”</code> | <code>" điều 12 . đốitượng , điềukiện dự thi 1 . đốitượng dự thi gồm : a ) người đã học xong chươngtrình thpt trong năm tổchức kỳthi ; b ) người đã học xong chươngtrình thpt nhưng chưa thi tốtnghiệp thpt hoặc đã thi nhưng chưa tốtnghiệp thpt ở những năm trước ; c ) người đã có bằng tốtnghiệp thpt , người đã có bằng tốtnghiệp trungcấp dự thi để lấy kếtquả làm cơsở đăngký xét tuyểnsinh ; d ) mộtsố trườnghợp đặcbiệt khác do bộtrưởng bộ gdđt quyếtđịnh . "</code> | | <code>chánhán tòaán quânsự trungương không được hưởng chếđộ phụcấp đặcthù trong trườnghợp nào ?</code> | <code>iii . cách tính trả . 1 . đốitượng quyđịnh tại điều 1 thôngtư này được bổnhiệm từ tháng nào thì được hưởng chếđộ phụcấp đặcthù từ tháng đó . khi bị miễnnhiệm , cáchchức , từ trần hoặc thôi giữ chứcdanh quyđịnh tại điều 1 thôngtư này từ tháng nào thì thôihưởng chếđộ phụcấp đặcthù từ tháng tiếptheo . các trườnghợp sau không được hưởng phụ đặcthù : - thờigian được cử đi côngtác , làmviệc , họctập ở nướcngoài được hưởng 40 % tiềnlương theo quyđịnh tại khoản 4 , điều 8 nghịđịnh số 204 / 2004 / nđ-cp ngày 14/12/2004 của chínhphủ ; - thờigian đi côngtác , họctập ở trong nước không trựctiếp làm côngtác chuyênmôn từ 3 tháng trở lên ; - thờigian bị ốmđau , thaisản nghỉ vượt quá thờihạn quyđịnh của luật bảohiểmxãhội ; - thờigian nghỉviệc riêng không hưởng lương từ 1 tháng trở lên ; - thờigian bị đìnhchỉ côngtác . 2 . phụcấp đặcthù đốivới mộtsố chứcdanh tưpháp và thanhtra trong quânđội không được tính để hưởng các chếđộ bảohiểmxãhội , bảo...</code> | <code>cách tính hưởng phụcấp 1 . mức phụcấp đặcthù quyđịnh tại điều 2 quyếtđịnh này được tính trên mức lương cấpbậc quânhàm , ngạch bậc hiệnhưởng hoặc phụcấp quânhàmcộng phụcấp chứcvụ lãnhđạo và phụcấp thâmniên vượt khung ( nếu có ) . 2 . khi chuyển côngtác khác mà không giữ các chứcvụ , chứcdanh quyđịnh cho các đốitượng tại điều 2 quyếtđịnh này hoặc nghỉ chuẩnbị hưu hoặc thôi phụcvụ trong quânđội thì thôihưởng phụcấp đặcthù từ tháng tiếptheo . 3 . thờigian không được tính hưởng phụcấp đặcthù , baogồm : a ) thờigian đi côngtác , làmviệc họctập ở nướcngoài được hưởng tiềnlương theo quyđịnh tại khoản 4 điều 8 nghịđịnh số 204 / 2004 / nđ-cp ngày 14 tháng 12 năm 2004 của chínhphủ về chếđộ tiềnlương đốivới cánbộ , côngchức , viênchức và lựclượngvũtrang ; b ) thờigian nghỉviệc không hưởng lương liêntục từ 1 tháng trở lên ; c ) thờigian nghỉviệc hưởng bảohiểmxãhội theo quyđịnh của phápluật về bảohiểmxãhội ; d ) thờigian bị đìnhchỉ cô...</code> | | <code>nhânviên hảiquan có thuộc đốitượng được hưởng phụcấp ưuđãi theo nghề đốivới côngchức hảiquan không ?</code> | <code>đốitượng và phạmvi ápdụng tổngcục trưởng tổngcục hảiquan và côngchức đã được xếp lương theo các ngạch côngchức hảiquan , gồm : kiểmtraviên caocấp hảiquan , kiểmtraviên chính hảiquan , kiểmtraviên hảiquan , kiểmtraviên hảiquan ( caođẳng ) , kiểmtraviên trungcấp hảiquan , nhânviên hảiquan . 2 . nguyêntắc ápdụng a ) đốitượng được hưởng phụcấp ưuđãi theo nghề hảiquan quyđịnh tại khoản 1 mục i thôngtư này là những người được cấp có thẩmquyền quyếtđịnh bổnhiệm vàongạch hoặc chứcdanh theo quyđịnh của phápluật . b ) côngchức được bổnhiệm vàongạch hoặc chứcdanh nào thì được hưởng phụcấp ưuđãi quyđịnh đốivới ngạch hoặc chứcdanh đó . c ) côngchức được bổnhiệm vào ngạch côngchức hảiquan cao hơn ( nângngạch ) mà tổng mức tiềnlương cộng phụcấp ưuđãi theo nghề hảiquan ở ngạch được bổnhiệm thấp hơn tổng mức tiềnlương cộng phụcấp ưuđãi theo nghề hảiquan đã hưởng ở ngạch cũ thì được bảolưu phần chênhlệch giữa tổng mức tiềnlương cộng p...</code> | <code>đốitượng và phạmvi ápdụng tổngcục trưởng tổngcục hảiquan và côngchức đã được xếp lương theo các ngạch côngchức hảiquan , gồm : kiểmtraviên caocấp hảiquan , kiểmtraviên chính hảiquan , kiểmtraviên hảiquan , kiểmtraviên hảiquan ( caođẳng ) , kiểmtraviên trungcấp hảiquan , nhânviên hảiquan .</code> |
• —Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }

Training Hyperparameters

Non-Default Hyperparameters

• —overwrite_output_dir: True
• —per_device_train_batch_size: 48
• —per_device_eval_batch_size: 48
• —learning_rate: 1e-05
• —num_train_epochs: 2
• —warmup_ratio: 0.1
• —fp16: True
• —batch_sampler: no_duplicates

All Hyperparameters

<details><summary>Click to expand</summary>

• —overwrite_output_dir: True
• —do_predict: False
• —eval_strategy: no
• —prediction_loss_only: True
• —per_device_train_batch_size: 48
• —per_device_eval_batch_size: 48
• —per_gpu_train_batch_size: None
• —per_gpu_eval_batch_size: None
• —gradient_accumulation_steps: 1
• —eval_accumulation_steps: None
• —torch_empty_cache_steps: None
• —learning_rate: 1e-05
• —weight_decay: 0.0
• —adam_beta1: 0.9
• —adam_beta2: 0.999
• —adam_epsilon: 1e-08
• —max_grad_norm: 1.0
• —num_train_epochs: 2
• —max_steps: -1
• —lr_scheduler_type: linear
• —lr_scheduler_kwargs: {}
• —warmup_ratio: 0.1
• —warmup_steps: 0
• —log_level: passive
• —log_level_replica: warning
• —log_on_each_node: True
• —logging_nan_inf_filter: True
• —save_safetensors: True
• —save_on_each_node: False
• —save_only_model: False
• —restore_callback_states_from_checkpoint: False
• —no_cuda: False
• —use_cpu: False
• —use_mps_device: False
• —seed: 42
• —data_seed: None
• —jit_mode_eval: False
• —use_ipex: False
• —bf16: False
• —fp16: True
• —fp16_opt_level: O1
• —half_precision_backend: auto
• —bf16_full_eval: False
• —fp16_full_eval: False
• —tf32: None
• —local_rank: 0
• —ddp_backend: None
• —tpu_num_cores: None
• —tpu_metrics_debug: False
• —debug: []
• —dataloader_drop_last: False
• —dataloader_num_workers: 0
• —dataloader_prefetch_factor: None
• —past_index: -1
• —disable_tqdm: False
• —remove_unused_columns: True
• —label_names: None
• —load_best_model_at_end: False
• —ignore_data_skip: False
• —fsdp: []
• —fsdp_min_num_params: 0
• —fsdp_config: {'minnumparams': 0, 'xla': False, 'xlafsdpv2': False, 'xlafsdpgrad_ckpt': False}
• —fsdp_transformer_layer_cls_to_wrap: None
• —accelerator_config: {'splitbatches': False, 'dispatchbatches': None, 'evenbatches': True, 'useseedablesampler': True, 'nonblocking': False, 'gradientaccumulationkwargs': None}
• —deepspeed: None
• —label_smoothing_factor: 0.0
• —optim: adamw_torch
• —optim_args: None
• —adafactor: False
• —group_by_length: False
• —length_column_name: length
• —ddp_find_unused_parameters: None
• —ddp_bucket_cap_mb: None
• —ddp_broadcast_buffers: False
• —dataloader_pin_memory: True
• —dataloader_persistent_workers: False
• —skip_memory_metrics: True
• —use_legacy_prediction_loop: False
• —push_to_hub: False
• —resume_from_checkpoint: None
• —hub_model_id: None
• —hub_strategy: every_save
• —hub_private_repo: False
• —hub_always_push: False
• —gradient_checkpointing: False
• —gradient_checkpointing_kwargs: None
• —include_inputs_for_metrics: False
• —eval_do_concat_batches: True
• —fp16_backend: auto
• —push_to_hub_model_id: None
• —push_to_hub_organization: None
• —mp_parameters:
• —auto_find_batch_size: False
• —full_determinism: False
• —torchdynamo: None
• —ray_scope: last
• —ddp_timeout: 1800
• —torch_compile: False
• —torch_compile_backend: None
• —torch_compile_mode: None
• —dispatch_batches: None
• —split_batches: None
• —include_tokens_per_second: False
• —include_num_input_tokens_seen: False
• —neftune_noise_alpha: None
• —optim_target_modules: None
• —batch_eval_metrics: False
• —eval_on_start: False
• —use_liger_kernel: False
• —eval_use_gather_object: False
• —prompts: None
• —batch_sampler: no_duplicates
• —multi_dataset_batch_sampler: proportional

</details>

Training Logs

<details><summary>Click to expand</summary>

</details>

Framework Versions

• —Python: 3.10.14
• —Sentence Transformers: 3.3.1
• —Transformers: 4.45.1
• —PyTorch: 2.4.0
• —Accelerate: 0.34.2
• —Datasets: 3.0.1
• —Tokenizers: 0.20.0

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}

<!--

Glossary

Clearly define terms in order to be accessible across audiences. -->

<!--

Model Card Authors

Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction. -->

<!--

Model Card Contact

Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors. -->