--- 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](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-base](https://huggingface.co/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](https://huggingface.co/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](https://sbert.net) - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers) - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers) ### 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: ```bash pip install -U sentence-transformers ``` Then you can load this model and run inference. ```python 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](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.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](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.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](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.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](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.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](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.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 | | | * 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](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters: ```json { "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 ```bibtex @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 ```bibtex @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 ```bibtex @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} } ```