README.md

metadata

base_model: intfloat/multilingual-e5-base
library_name: sentence-transformers
metrics:
  - cosine_accuracy@1
  - cosine_accuracy@3
  - cosine_accuracy@5
  - cosine_accuracy@10
  - cosine_precision@1
  - cosine_precision@3
  - cosine_precision@5
  - cosine_precision@10
  - cosine_recall@1
  - cosine_recall@3
  - cosine_recall@5
  - cosine_recall@10
  - cosine_ndcg@10
  - cosine_mrr@10
  - cosine_map@100
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:9000
  - loss:MatryoshkaLoss
  - loss:MultipleNegativesRankingLoss
widget:
  - source_sentence: >-
      Les vérifications périodiques sont réalisées soit par un organisme
      accrédité, soit par une personne qualifiée appartenant à l'entreprise et
      dont la compétence est appréciée par l'employeur au regard de critères
      énoncés dans un arrêté du ministre chargé du travail et du ministre chargé
      de l'agriculture.
    sentences:
      - >-
        Quels sont les critères énoncés dans un arrêté du ministre chargé du
        travail et du ministre chargé de l'agriculture pour apprécier la
        compétence d'une personne qualifiée pour réaliser des vérifications
        périodiques au sein d'une entreprise ?
      - >-
        Quels sont les éléments clés que les acquéreurs de parts d'une société
        d'épargne forestière doivent prendre en compte pour évaluer les
        caractéristiques d'un patrimoine forestier et les risques associés ?
      - >-
        Quels sont les ustensiles, machines ou mécaniques interdits de détention
        en rapport avec la fabrication ou la pulvérisation du tabac ?
  - source_sentence: >-
      Les prestations en matière d'échange (numéros 96 et 97 du tableau 5)
      donnent lieu à la perception : 1° S'agissant de l'échange bilatéral, d'un
      émolument proportionnel à la valeur du plus fort des deux lots échangés,
      selon le barème suivant : Tranches d'assiette Taux applicable De 0 à 6 500
      € 3,870 % De 6 500 € à 17 000 € 1,596 % De 17 000 € à 60 000 € 1,064 %
      Plus de 60 000 € 0,799 % 2° S'agissant de l'échange multilatéral, d'un
      émolument proportionnel à la valeur globale des biens échangés, selon le
      barème suivant : Tranches d'assiette Taux applicable De 0 à 6 500 € 2,580
      % De 6 500 € à 17 000 € 1,064 % De 17 000 € à 60 000 € 0,709 % Plus de 60
      000 € 0,532 %
    sentences:
      - >-
        Quels sont les conséquences pour le prêteur en cas de défaut de mention
        ou de mention erronée du taux effectif global, notamment en ce qui
        concerne le droit aux intérêts et le remboursement du capital ?
      - >-
        Quels sont les éléments déterminants pour établir l'assiette et le mode
        de servitude de passage pour cause d'enclave, et quels sont les effets
        sur l'action en indemnité et le passage en cas d'usage continu de trente
        ans ?
      - >-
        Quel est le taux d'émolument applicable en fonction de la valeur des
        biens échangés dans les cas d'échange bilatéral ou multilatéral ?
  - source_sentence: >-
      La demande d'autorisation de transit est présentée par une personne
      titulaire du statut d'opérateur économique agréé pour la sécurité et la
      sûreté tel que défini dans le règlement (UE) n° 952/2013 du Parlement
      européen et du Conseil du 9 octobre 2013 établissant le code des douanes
      de l'Union. La demande est établie dans les conditions définies par arrêté
      du ministre chargé des douanes. Elle est déposée auprès du chef du service
      des autorisations de mouvements internationaux d'armes.
    sentences:
      - >-
        Quels types de contrats sont exclus de la portée des dispositions du
        présent titre ?
      - >-
        Quels sont les critères pour obtenir le statut d'opérateur économique
        agréé pour la sécurité et la sûreté, nécessaires pour présenter une
        demande d'autorisation de transit, conformément au règlement (UE) n°
        952/2013 du Parlement européen et du Conseil ?
      - >-
        Dans quelsles conditions un établissement de crédit ou une société de
        financement peut-il déroger, en tout ou partie, aux dispositions des
        articles D. 331-75 et D. 331-76-5-1 lors de l'octroi d'un prêt au
        vendeur ?
  - source_sentence: >-
      En application du contrat prévu à l'article 95 ZA , le tiers de confiance
      transmet à l'administration fiscale par voie électronique, pour le compte
      de ses clients, les déclarations annuelles de revenus et leurs annexes.
      L'obligation de télétransmission du tiers de confiance ne porte pas sur
      les déclarations à souscrire au titre des revenus perçus au cours de
      l'année durant laquelle s'achève la mission de tiers de confiance. Le
      contribuable mentionné au I de l'article 170 ter du code général des
      impôts est regardé, pour une année donnée, comme client d'un tiers de
      confiance s'il est lié avec celui-ci par le contrat prévu à l'article 95
      ZA, conclu au plus tard lors du dépôt, par le professionnel, de la
      déclaration annuelle des revenus.
    sentences:
      - >-
        Quel est le sort des demandes lorsqu'il n'y a pas de réponse de
        l'autorité compétente dans les délais prévus ?
      - >-
        Quels sont les éléments que le tiers de confiance est tenu de
        transmettre à l'administration fiscale pour le compte de ses clients, et
        dans quels cas cette obligation de télétransmission ne s'applique-t-elle
        pas ?
      - >-
        Quels sont les membres composant les collèges territoriaux des finances
        publiques et qui est chargé de la présidence en cas d'absence ou
        d'empêchement du président ?
  - source_sentence: >-
      Les projets de marchés de partenariat conclus pour le compte des acheteurs
      non autorisés sont instruits par le ministre de tutelle.
    sentences:
      - >-
        Quels sont les documents que les établissements de paiement et les
        établissements de monnaie électronique doivent mettre à disposition de
        leur clientèle et du public pour les opérations de paiement et les
        comptes de paiement, et quels sont les informations minimales qui
        doivent être incluses dans ces documents ?
      - >-
        Dans quelle situation l'assuré a-t-il besoin d'être assisté ou
        représenté par un avocat en raison de la défense de la partie adverse ?
      - >-
        Qui est responsable de l'instruction des projets de marchés de
        partenariat conclus pour le compte des acheteurs non autorisés ?
model-index:
  - name: SentenceTransformer based on intfloat/multilingual-e5-base
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 768
          type: dim_768
        metrics:
          - type: cosine_accuracy@1
            value: 0.94
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.981
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.987
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.989
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.94
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.32699999999999996
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.19740000000000005
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.0989
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.94
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.981
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.987
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.989
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.9683994234957766
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.9613761904761905
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.9617349428516079
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 512
          type: dim_512
        metrics:
          - type: cosine_accuracy@1
            value: 0.942
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.982
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.988
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.989
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.942
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.32733333333333325
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.19760000000000003
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.0989
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.942
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.982
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.988
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.989
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.969565548663498
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.9629166666666668
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.9632981492091787
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 256
          type: dim_256
        metrics:
          - type: cosine_accuracy@1
            value: 0.937
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.98
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.985
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.989
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.937
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.3266666666666666
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.197
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.0989
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.937
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.98
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.985
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.989
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.9661778506957523
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.958502380952381
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.9588400474998072
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 128
          type: dim_128
        metrics:
          - type: cosine_accuracy@1
            value: 0.93
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.972
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.983
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.988
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.93
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.32399999999999995
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.19660000000000002
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.09880000000000001
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.93
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.972
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.983
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.988
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.9619055617624742
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.9532523809523811
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.9537039961889963
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 64
          type: dim_64
        metrics:
          - type: cosine_accuracy@1
            value: 0.901
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.966
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.977
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.989
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.901
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.32199999999999995
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.19540000000000005
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.09890000000000002
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.901
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.966
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.977
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.989
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.947780306797729
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.9342468253968255
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.9345714945276086
            name: Cosine Map@100

SentenceTransformer based on intfloat/multilingual-e5-base

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-base 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: intfloat/multilingual-e5-base
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 768 tokens
• Similarity Function: Cosine Similarity
• Training Dataset:
  • json

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': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (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})
  (2): Normalize()
)

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("KarBik/legal-french-matroshka")
# Run inference
sentences = [
    'Les projets de marchés de partenariat conclus pour le compte des acheteurs non autorisés sont instruits par le ministre de tutelle.',
    "Qui est responsable de l'instruction des projets de marchés de partenariat conclus pour le compte des acheteurs non autorisés ?",
    "Dans quelle situation l'assuré a-t-il besoin d'être assisté ou représenté par un avocat en raison de la défense de la partie adverse ?",
]
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]

Evaluation

Metrics

Information Retrieval

• Dataset: dim_768
• Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.94
cosine_accuracy@3	0.981
cosine_accuracy@5	0.987
cosine_accuracy@10	0.989
cosine_precision@1	0.94
cosine_precision@3	0.327
cosine_precision@5	0.1974
cosine_precision@10	0.0989
cosine_recall@1	0.94
cosine_recall@3	0.981
cosine_recall@5	0.987
cosine_recall@10	0.989
cosine_ndcg@10	0.9684
cosine_mrr@10	0.9614
cosine_map@100	0.9617

Information Retrieval

• Dataset: dim_512
• Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.942
cosine_accuracy@3	0.982
cosine_accuracy@5	0.988
cosine_accuracy@10	0.989
cosine_precision@1	0.942
cosine_precision@3	0.3273
cosine_precision@5	0.1976
cosine_precision@10	0.0989
cosine_recall@1	0.942
cosine_recall@3	0.982
cosine_recall@5	0.988
cosine_recall@10	0.989
cosine_ndcg@10	0.9696
cosine_mrr@10	0.9629
cosine_map@100	0.9633

Information Retrieval

• Dataset: dim_256
• Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.937
cosine_accuracy@3	0.98
cosine_accuracy@5	0.985
cosine_accuracy@10	0.989
cosine_precision@1	0.937
cosine_precision@3	0.3267
cosine_precision@5	0.197
cosine_precision@10	0.0989
cosine_recall@1	0.937
cosine_recall@3	0.98
cosine_recall@5	0.985
cosine_recall@10	0.989
cosine_ndcg@10	0.9662
cosine_mrr@10	0.9585
cosine_map@100	0.9588

Information Retrieval

• Dataset: dim_128
• Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.93
cosine_accuracy@3	0.972
cosine_accuracy@5	0.983
cosine_accuracy@10	0.988
cosine_precision@1	0.93
cosine_precision@3	0.324
cosine_precision@5	0.1966
cosine_precision@10	0.0988
cosine_recall@1	0.93
cosine_recall@3	0.972
cosine_recall@5	0.983
cosine_recall@10	0.988
cosine_ndcg@10	0.9619
cosine_mrr@10	0.9533
cosine_map@100	0.9537

Information Retrieval

• Dataset: dim_64
• Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.901
cosine_accuracy@3	0.966
cosine_accuracy@5	0.977
cosine_accuracy@10	0.989
cosine_precision@1	0.901
cosine_precision@3	0.322
cosine_precision@5	0.1954
cosine_precision@10	0.0989
cosine_recall@1	0.901
cosine_recall@3	0.966
cosine_recall@5	0.977
cosine_recall@10	0.989
cosine_ndcg@10	0.9478
cosine_mrr@10	0.9342
cosine_map@100	0.9346

Training Details

Training Dataset

json

• Dataset: json
• Size: 9,000 training samples
• Columns: positive and anchor
• Approximate statistics based on the first 1000 samples:

  	positive	anchor
  type	string	string
  details	min: 11 tokens mean: 141.81 tokens max: 512 tokens	min: 11 tokens mean: 57.29 tokens max: 262 tokens

• Samples:

  positive	anchor
  Sauf dispositions contraires des conventions internationales, l'émission de titres comportant la mention visée à l'article 51 entraîne l'obligation pour l'organisme émetteur d'opérer, sur les produits de ces titres et pendant toute la durée de ceux-ci, la retenue à la source édictée par le 1 de l'article 119 bis du code général des impôts. Le montant de cette retenue doit être versé au comptable désigné par l'administration, dans les conditions et suivant les modalités fixées par le 1 de l'article 1672 et l'article 1673 dudit code.	Quelle est l'obligation de l'organisme émetteur concernant les produits de titres émis avec la mention visée à l'article 51, et comment doit-il opérer la retenue à la source pendant la durée de ces titres ?
  Lorsque l'allocation est attribuée en application du troisième alinéa de l'article L. 232-12 et du cinquième alinéa de l'article L. 232-14 , le montant forfaitaire attribué est, respectivement, égal, à domicile, à 50 % du montant du plafond mentionné à l'article L. 232-3-1 correspondant au degré de perte d'autonomie le plus important, et, en établissement, à 50 % du tarif afférent à la dépendance de l'établissement considéré applicable aux résidents classés dans les groupes iso-ressources 1 et 2. Cette avance s'impute sur les montants de l'allocation personnalisée d'autonomie versée ultérieurement.	Quel est le montant forfaitaire attribué lorsqu'une allocation est octroyée en application du troisième alinéa de l'article L. 232-12 et du cinquième alinéa de l'article L. 232-14, selon que l'allocation est perçue à domicile ou en établissement ?
  La taxe devient exigible au moment où le poids lourd : 1° Entre sur le réseau, si la condition mentionnée au 1° de l'article L. 421-202 est remplie ; 2° Franchit un point de la section de tarification déterminé par l'autorité compétente, si cette même condition n'est pas remplie.	Quel est le moment où la taxe devient exigible pour un poids lourd en fonction de son entrée dans le réseau ou de son franchissement d'un point de tarification déterminé ?

• Loss: MatryoshkaLoss with these parameters:

  {
      "loss": "MultipleNegativesRankingLoss",
      "matryoshka_dims": [
          768,
          512,
          256,
          128,
          64
      ],
      "matryoshka_weights": [
          1,
          1,
          1,
          1,
          1
      ],
      "n_dims_per_step": -1
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: epoch
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 16
• gradient_accumulation_steps: 16
• learning_rate: 2e-05
• num_train_epochs: 4
• lr_scheduler_type: cosine
• warmup_ratio: 0.1
• bf16: True
• tf32: True
• load_best_model_at_end: True
• optim: adamw_torch_fused
• batch_sampler: no_duplicates

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: epoch
• prediction_loss_only: True
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 16
• per_gpu_train_batch_size: None
• per_gpu_eval_batch_size: None
• gradient_accumulation_steps: 16
• eval_accumulation_steps: None
• learning_rate: 2e-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: 4
• max_steps: -1
• lr_scheduler_type: cosine
• 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: True
• fp16: False
• fp16_opt_level: O1
• half_precision_backend: auto
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: True
• 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: True
• ignore_data_skip: False
• fsdp: []
• fsdp_min_num_params: 0
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
• fsdp_transformer_layer_cls_to_wrap: None
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch_fused
• 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
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	dim_128_cosine_map@100	dim_256_cosine_map@100	dim_512_cosine_map@100	dim_64_cosine_map@100	dim_768_cosine_map@100
0	0	-	0.8447	0.9084	0.9190	0.6362	0.9236
0.5674	10	5.322	-	-	-	-	-
0.9645	17	-	0.9353	0.9413	0.9488	0.9197	0.9453
1.1348	20	0.3395	-	-	-	-	-
1.7021	30	0.0929	-	-	-	-	-
1.9858	35	-	0.9517	0.9571	0.9631	0.9357	0.9625
2.2695	40	0.0408	-	-	-	-	-
2.8369	50	0.0264	-	-	-	-	-
2.9504	52	-	0.9513	0.9579	0.9634	0.9357	0.9620
3.4043	60	0.0209	-	-	-	-	-
3.8582	68	-	0.9537	0.9588	0.9633	0.9346	0.9617

• The bold row denotes the saved checkpoint.

Framework Versions

• Python: 3.10.12
• Sentence Transformers: 3.1.1
• Transformers: 4.41.2
• PyTorch: 2.1.2+cu121
• Accelerate: 0.34.2
• Datasets: 2.19.1
• Tokenizers: 0.19.1

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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

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}
}