Hugging Face's logo

winderfeld
/
cc-uffs-ppc-ft-test-multiqa

Sentence Similarity
sentence-transformers
Safetensors
mpnet
feature-extraction
Generated from Trainer
dataset_size:2012
loss:MatryoshkaLoss
loss:MultipleNegativesRankingLoss
Eval Results
Inference Endpoints
Model card Files Community
cc-uffs-ppc-ft-test-multiqa / README.md
winderfeld's picture
winderfeld
Upload folder using huggingface_hub
a6f6b89 verified
preview code
|
raw
history blame contribute delete
28.7 kB
---
base_model: sentence-transformers/multi-qa-mpnet-base-dot-v1
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
- dot_accuracy@1
- dot_accuracy@3
- dot_accuracy@5
- dot_accuracy@10
- dot_precision@1
- dot_precision@3
- dot_precision@5
- dot_precision@10
- dot_recall@1
- dot_recall@3
- dot_recall@5
- dot_recall@10
- dot_ndcg@10
- dot_mrr@10
- dot_map@100
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:2012
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
widget:
- source_sentence: O que são os principais temas abordados na disciplina de Redes
de Computadores, de acordo com sua ementa?
sentences:
- '| Código | COMPONENTE CURRICULAR | Créditos | Horas |
|---|---|---|---|
| Código | COMPONENTE CURRICULAR | Créditos | Horas |
| | ESTRUTURAS DE DADOS I | 04 | 60 |
| EMENTA | | | |
| Funções recursivas. Ponteiros. Alocação dinâmica de memória. Tipos Abstratos
de Dados. Listas lineares: listas encadeadas, pilhas, filas. Árvores: representação,
operações e percursos. Árvores binárias de busca. Heaps. | | | |
| OBJETIVO | | | |
| Aplicar estruturas de dados básicas e avançadas para a solução de problemas
computacionais. | | | |
| REFERÊNCIAS BÁSICAS | | | |
| CORMEN, T.; RIVEST, R.; STEIN, C.; LEISERSON, C. Algoritmos: Teoria e Prática.
Elsevier - Campus, 2012. | | | |
'
- '| Código | COMPONENTE CURRICULAR | Créditos | Horas |
|---|---|---|---|
| Código | COMPONENTE CURRICULAR | Créditos | Horas |
| | REDES DE COMPUTADORES | 04 | 60 |
| EMENTA | | | |
| Fundamentos de sistemas de comunicação de dados. Arquiteturas de redes: modelos
OSI e TCP/IP. Protocolos de comunicação na Internet: camadas de aplicação, transporte,
rede e enlace. Avaliação de desempenho. | | | |
| OBJETIVO | | | |
'
- '| Código | COMPONENTE CURRICULAR | Créditos | Horas |
|---|---|---|---|
| Código | COMPONENTE CURRICULAR | Créditos | Horas |
| GCS239 | DIREITOS E CIDADANIA | 04 | 60 |
| EMENTA | | | |
| Origens históricas e teóricas da noção de cidadania. O processo moderno de constituição
dos direitos civis, políticos, sociais e culturais. Políticas de reconhecimento
e promoção da cidadania. Direitos e cidadania no Brasil. | | | |
| OBJETIVO | | | |
'
- source_sentence: 'Em que editora foram publicados os livros "Conceitos de Linguagens
de Programação" e "Programming Languages: Principles And Practices", como indicado
no contexto?'
sentences:
- "A carga horária dos componentes curriculares do Domínio Conexo é de 420 horas\
\ e <br><br>representa 13,12% das 3200 horas necessárias à integralização do Curso\
\ de Ciência da <br><br>Computação. <br><br>Nos componentes idênticos e obrigatórios\
\ a articulação acontece na medida em que os \nDRAFT <br><br>discentes transitam\
\ entre os cursos, otimizando a oferta destes componentes e a troca de <br><br>experiências.\
\ Já os componentes não idênticos exigirão do corpo docente, na medida em que\
\ <br><br>houver reformulação dos demais PPCs, a construção de atividades conjuntas.\
\ Para isso, a <br><br>interação entre os NDEs se fará necessária. "
- '1130 **Lei n° 12.764, de 27 de dezembro de 2012 –**institui a Política Nacional
de Proteção dos <br><br>Direitos da Pessoa com Transtorno do Espectro Autista,
e altera o § 3o do art. 98 da Lei no <br><br>Projeto Pedagógico do Curso de Ciência
Da Computação,*Campus*Chapecó. <br><br>42 '
- "SEBESTA, R. W.**Conceitos de Linguagens de Programação.**11. ed. Porto Alegre:\
\ \nBookman, 2018. \nLOUDEN, K. C.; LAMBERT, K. A.**Programming Languages:**Principles\
\ And Practices. \n3. ed. Hardcover, 2011. \nPRATT, T. W.; ZELKOWITZ, M. V. \n\
Implementation. 4. ed. Prentice-Hall, 2000. <br><br>**Programming Languages:**Design\
\ and "
- source_sentence: Qual é o objetivo do componente curricular "Introdução à Computação"
no plano de estudos?
sentences:
- 'desenvolvimento de habilidades de trabalho em grupo e de comunicação e <br><br>expressão;
<br><br> preocupação constante com a atualização tecnológica e com o estado
da arte; <br><br>Projeto Pedagógico do Curso de Ciência Da Computação,*Campus*Chapecó.
<br><br>31 '
- "REFERÊNCIAS COMPLEMENTARES <br><br>DAVIS, M. D.; WEYUKER, E. J.**Computability,\
\ Complexity and Languages:**\nFundamentals of Theoretical Computer Science. 2.\
\ ed. Morgan Kaufmann, 1994. \nFURTADO, O. J. V.**Apostila de Linguagens Formais\
\ e Compiladores**. UFSC, 2002. \nDisponível em: <www.inf.ufsc.br/~olinto/apostila-lfc.doc>.\
\ \nHOPCROFT, J. E.; MOTWANI, R.; ULLMAN, J. D.**Introdução à Teoria dos**\n**Autômatos,\
\ Linguagens e Computação.**1. ed. Rio de Janeiro: Campus, 2002. <br><br>DRAFT "
- '| Código | COMPONENTE CURRICULAR | Créditos | Horas |
|---|---|---|---|
| Código | COMPONENTE CURRICULAR | Créditos | Horas |
| | INTRODUÇÃO À COMPUTAÇÃO | 04 | 60 |
| EMENTA | | | |
| Introdução ao Curso de Ciência da Computação e à Universidade Federal da Fronteira
Sul: principais estruturas e regulamentos. Introdução à área da Computação: inserção
e desenvolvimento profissional, carreira acadêmica e técnica. Conhecimentos e
comandos básicos em sistemas operacionais abertos. Fundamentos básicos da Computação:
história, principais componentes de hardware e software, sistemas de numeração,
aritmética binária e suas operações. Principais ferramentas e tecnologias para
o desenvolvimento e versionamento de código. | | | |
| OBJETIVO | | | |
<br><br>Projeto Pedagógico do Curso de Ciência Da Computação,*Campus*Chapecó.
<br><br>59 '
- source_sentence: Quais são as legislações específicas que o PPC do Curso de Ciência
da Computação segue?
sentences:
- '**8.3 Atendimento às legislações específicas**<br><br>O PPC do Curso de Graduação
em Ciência da Computação orienta-se pela legislação <br><br>1090 educacional,
geral e específica da área, bem como pelas normativas e orientações <br><br>institucionais
da UFFS, abaixo elencadas as referências legais: '
- "**REFERÊNCIAS BÁSICAS**<br><br>DA SILVA, Wagner Pires. Extensão Universitária:\
\ um conceito em construção. Revista \nem: \nEdição \nExtensão \nhttps://periodicos.ufrn.br/extensaoesociedade.\
\ Acesso em: 01/02/2021. \nDE PAULA, João Antônio. A extensão universitária: história,\
\ conceito e propostas. Revista \nInterfaces. Disponível em: https://periodicos.ufmg.br/index.php/revistainterfaces.\
\ Acesso \nem: 07/07/2021. \nGADOTTI, Moacir. Extensão Universitária: Para quê?\
\ Disponível em: paulofreire.org. \nAcesso em: 07/07/2021. <br><br> & Sociedade.\
\ 2020.2. Disponível "
- '180 pelas Resoluções 006/2012 – CONSUNI/CGRAD e 008/2016 – CONSUNI/CGAE, se
dá com <br><br>base nos resultados do Exame Nacional do Ensino Médio (ENEM), mediante
inscrição no <br><br>Sistema de Seleção Unificada (SISU), do Ministério da Educação
(MEC). Em atendimento à <br><br>Lei nº 12.711/2012 (Lei de Cotas) e a legislações
complementares (Decreto nº 7.824/2012 e <br><br>Portaria Normativa MEC Nº 18/2012),
a UFFS toma como base para a definição do <br><br>185 percentual de vagas reservadas
a candidatos que cursaram o Ensino Médio integralmente em <br><br>escola pública
o resultado do último Censo Escolar/INEP/MEC, de acordo com o estado <br><br>correspondente
ao local de oferta das vagas. <br><br>Além da reserva de vagas garantida por Lei,
a UFFS adota, como ações afirmativas, a <br><br>reserva de vagas para candidatos
que tenham cursado o ensino médio parcialmente em escola '
- source_sentence: Onde é mencionado oficialmente o NDE do curso de Ciência Da Computação,
conforme a Portaria nº ?
sentences:
- '**4.1 Justificativa da criação do curso**<br><br>A tecnologia da informação faz
parte do conjunto de recursos que sustentam e <br><br>505 viabilizam vários setores
comerciais, industriais e sociais. O desenvolvimento da área de <br><br>Computação
é extremamente dinâmico e tem sido impulsionado por crescentes demandas <br><br>provenientes
das relações com os ambientes em que está inserida. Além de atender às <br><br>demandas,
a inovação tecnológica relacionada a todos os tipos de sistemas computacionais
<br><br>tem causado profundo impacto nas áreas usuárias provocando mudanças, revisões,
e <br><br>510 transformações, culminando inclusive com o surgimento de novos
campos de atuação <br><br>profissional. A tecnologia, hoje, possui uma responsabilidade
técnica e social inegável. Falhas <br><br>tecnológicas podem provocar danos de
grandes proporções, o que justifica a importância da <br><br>constante qualificação
e a reflexão sobre a participação da tecnologia no dia a dia. A <br><br>academia
tem grande responsabilidade e capacidade para contribuir com esta demanda. <br><br>515 '
- '**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul
foi criada pela Lei Nº 12.029, de 15 de <br><br>35 setembro de 2009. Tem abrangência
interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no
Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no
Paraná – Laranjeiras do Sul e Realeza. '
- '**3.4 Núcleo Docente Estruturante do Curso**<br><br>O NDE do curso de Ciência
Da Computação, conforme designado na Portaria nº <br><br>Projeto Pedagógico do
Curso de Ciência Da Computação,*Campus*Chapecó. <br><br>17 '
model-index:
- name: SentenceTransformer based on sentence-transformers/multi-qa-mpnet-base-dot-v1
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: Unknown
type: unknown
metrics:
- type: cosine_accuracy@1
value: 0.625
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.8014705882352942
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.8639705882352942
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.9227941176470589
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.625
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.26715686274509803
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.17279411764705882
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.09227941176470587
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.625
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.8014705882352942
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.8639705882352942
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.9227941176470589
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7746268345784679
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.7270682578586998
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.730138186486271
name: Cosine Map@100
- type: dot_accuracy@1
value: 0.6274509803921569
name: Dot Accuracy@1
- type: dot_accuracy@3
value: 0.7990196078431373
name: Dot Accuracy@3
- type: dot_accuracy@5
value: 0.8700980392156863
name: Dot Accuracy@5
- type: dot_accuracy@10
value: 0.9203431372549019
name: Dot Accuracy@10
- type: dot_precision@1
value: 0.6274509803921569
name: Dot Precision@1
- type: dot_precision@3
value: 0.26633986928104575
name: Dot Precision@3
- type: dot_precision@5
value: 0.17401960784313725
name: Dot Precision@5
- type: dot_precision@10
value: 0.09203431372549019
name: Dot Precision@10
- type: dot_recall@1
value: 0.6274509803921569
name: Dot Recall@1
- type: dot_recall@3
value: 0.7990196078431373
name: Dot Recall@3
- type: dot_recall@5
value: 0.8700980392156863
name: Dot Recall@5
- type: dot_recall@10
value: 0.9203431372549019
name: Dot Recall@10
- type: dot_ndcg@10
value: 0.7739749189192305
name: Dot Ndcg@10
- type: dot_mrr@10
value: 0.7269403594771247
name: Dot Mrr@10
- type: dot_map@100
value: 0.7302016154418327
name: Dot Map@100
---
# SentenceTransformer based on sentence-transformers/multi-qa-mpnet-base-dot-v1
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/multi-qa-mpnet-base-dot-v1](https://huggingface.co/sentence-transformers/multi-qa-mpnet-base-dot-v1). 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:** [sentence-transformers/multi-qa-mpnet-base-dot-v1](https://huggingface.co/sentence-transformers/multi-qa-mpnet-base-dot-v1) <!-- at revision bc0175d50b67121e4a5189c4fa864aff3e58eb6c -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 tokens
- **Similarity Function:** Dot Product
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### 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: MPNetModel
(1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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:
```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("sentence_transformers_model_id")
# Run inference
sentences = [
'Onde é mencionado oficialmente o NDE do curso de Ciência Da Computação, conforme a Portaria nº ?',
'**3.4 Núcleo Docente Estruturante do Curso**<br><br>O NDE do curso de Ciência Da Computação, conforme designado na Portaria nº <br><br>Projeto Pedagógico do Curso de Ciência Da Computação,*Campus*Chapecó. <br><br>17 ',
'**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul foi criada pela Lei Nº 12.029, de 15 de <br><br>35 setembro de 2009. Tem abrangência interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no Paraná – Laranjeiras do Sul e Realeza. ',
]
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.*
-->
## Evaluation
### Metrics
#### Information Retrieval
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.625 |
| cosine_accuracy@3 | 0.8015 |
| cosine_accuracy@5 | 0.864 |
| cosine_accuracy@10 | 0.9228 |
| cosine_precision@1 | 0.625 |
| cosine_precision@3 | 0.2672 |
| cosine_precision@5 | 0.1728 |
| cosine_precision@10 | 0.0923 |
| cosine_recall@1 | 0.625 |
| cosine_recall@3 | 0.8015 |
| cosine_recall@5 | 0.864 |
| cosine_recall@10 | 0.9228 |
| cosine_ndcg@10 | 0.7746 |
| cosine_mrr@10 | 0.7271 |
| **cosine_map@100** | **0.7301** |
| dot_accuracy@1 | 0.6275 |
| dot_accuracy@3 | 0.799 |
| dot_accuracy@5 | 0.8701 |
| dot_accuracy@10 | 0.9203 |
| dot_precision@1 | 0.6275 |
| dot_precision@3 | 0.2663 |
| dot_precision@5 | 0.174 |
| dot_precision@10 | 0.092 |
| dot_recall@1 | 0.6275 |
| dot_recall@3 | 0.799 |
| dot_recall@5 | 0.8701 |
| dot_recall@10 | 0.9203 |
| dot_ndcg@10 | 0.774 |
| dot_mrr@10 | 0.7269 |
| dot_map@100 | 0.7302 |
<!--
## 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
#### Unnamed Dataset
* Size: 2,012 training samples
* Columns: <code>sentence_0</code> and <code>sentence_1</code>
* Approximate statistics based on the first 1000 samples:
| | sentence_0 | sentence_1 |
|:--------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 14 tokens</li><li>mean: 40.7 tokens</li><li>max: 123 tokens</li></ul> | <ul><li>min: 9 tokens</li><li>mean: 272.17 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
| sentence_0 | sentence_1 |
|:-----------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Em quantos estados brasileiros a Universidade Federal da Fronteira Sul está localizada?</code> | <code>**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul foi criada pela Lei Nº 12.029, de 15 de <br><br>35 setembro de 2009. Tem abrangência interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no Paraná – Laranjeiras do Sul e Realeza. </code> |
| <code>Qual é a cidade sede da universidade?</code> | <code>**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul foi criada pela Lei Nº 12.029, de 15 de <br><br>35 setembro de 2009. Tem abrangência interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no Paraná – Laranjeiras do Sul e Realeza. </code> |
| <code>Quantos *campi* possui a universidade em cada um dos estados onde está presente?</code> | <code>**IDENTIFICAÇÃO INSTITUCIONAL**<br><br>A Universidade Federal da Fronteira Sul foi criada pela Lei Nº 12.029, de 15 de <br><br>35 setembro de 2009. Tem abrangência interestadual com sede na cidade catarinense de <br><br>Chapecó, três*campi*no Rio Grande do Sul – Cerro Largo, Erechim e Passo Fundo – e dois <br><br>*campi*no Paraná – Laranjeiras do Sul e Realeza. </code> |
* Loss: [<code>MatryoshkaLoss</code>](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`: steps
- `per_device_train_batch_size`: 10
- `per_device_eval_batch_size`: 10
- `num_train_epochs`: 30
- `multi_dataset_batch_sampler`: round_robin
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: steps
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 10
- `per_device_eval_batch_size`: 10
- `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`: 5e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1
- `num_train_epochs`: 30
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.0
- `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`: False
- `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`: {'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
- `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
- `eval_use_gather_object`: False
- `batch_sampler`: batch_sampler
- `multi_dataset_batch_sampler`: round_robin
</details>
### Training Logs
| Epoch | Step | Training Loss | cosine_map@100 |
|:------:|:----:|:-------------:|:--------------:|
| 0.9901 | 200 | - | 0.6360 |
| 1.0 | 202 | - | 0.6399 |
| 1.9802 | 400 | - | 0.6686 |
| 2.0 | 404 | - | 0.6670 |
| 2.4752 | 500 | 2.6222 | - |
| 2.9703 | 600 | - | 0.6943 |
| 3.0 | 606 | - | 0.6864 |
| 3.9604 | 800 | - | 0.7016 |
| 4.0 | 808 | - | 0.7064 |
| 4.9505 | 1000 | 0.5981 | 0.7301 |
### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 3.2.1
- Transformers: 4.44.2
- PyTorch: 2.5.0+cu121
- Accelerate: 0.34.2
- Datasets: 3.1.0
- 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}
}
```
<!--
## 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.*
-->