CrossEncoder based on FacebookAI/xlm-roberta-base

This is a Cross Encoder model finetuned from FacebookAI/xlm-roberta-base using the sentence-transformers library. It computes scores for pairs of texts, which can be used for text reranking and semantic search.

Model Details

Model Description

• Model Type: Cross Encoder
• Base model: FacebookAI/xlm-roberta-base
• Maximum Sequence Length: 512 tokens
• Number of Output Labels: 1 label
• Supported Modality: Text

Model Sources

• Documentation: Sentence Transformers Documentation
• Documentation: Cross Encoder Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Cross Encoders on Hugging Face

Full Model Architecture

CrossEncoder(
  (0): Transformer({'transformer_task': 'sequence-classification', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'logits'}}, 'module_output_name': 'scores', 'architecture': 'XLMRobertaForSequenceClassification'})
)

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 CrossEncoder

# Download from the 🤗 Hub
model = CrossEncoder("cross_encoder_model_id")
# Get scores for pairs of inputs
pairs = [
    ['Що таке feature engineering?', 'Feature engineering (конструювання ознак) це процес застосування знань предметної галузі для створення ознак, які забезпечують роботу алгоритмів машинного навчання.'],
    ['Що визначають ваги предикторів у лінійній регресії?', 'Формула лінійної регресії (2.1):'],
    ['Які саме параметри оцінки моделей пропонується назвати здобувачам?', 'Точність найкращої моделі на ROC-кривій (AUC-ROC) у завданні лабораторної роботи №4 має бути не менше 0.6.'],
    ['Що таке но граде або torch.no_grad?', 'torch.no_grad() — не torch.no_gradient() чи torch.nograd(). Використовується як контекстний менеджер.'],
    ['Як зробити мап або map функцію на датасет у хагінг фейс?', 'model.parameters() передається в оптимізатор: optimizer = torch.optim.Adam(model.parameters(), lr=1e-3).'],
]
scores = model.predict(pairs)
print(scores)
# [0.8542 0.0104 0.0106 0.9112 0.01  ]

# Or rank different texts based on similarity to a single text
ranks = model.rank(
    'Що таке feature engineering?',
    [
        'Feature engineering (конструювання ознак) це процес застосування знань предметної галузі для створення ознак, які забезпечують роботу алгоритмів машинного навчання.',
        'Формула лінійної регресії (2.1):',
        'Точність найкращої моделі на ROC-кривій (AUC-ROC) у завданні лабораторної роботи №4 має бути не менше 0.6.',
        'torch.no_grad() — не torch.no_gradient() чи torch.nograd(). Використовується як контекстний менеджер.',
        'model.parameters() передається в оптимізатор: optimizer = torch.optim.Adam(model.parameters(), lr=1e-3).',
    ]
)
# [{'corpus_id': ..., 'score': ...}, {'corpus_id': ..., 'score': ...}, ...]

Evaluation

Metrics

Cross Encoder Binary Classification

• Dataset: xlm-roberta-val
• Evaluated with CEBinaryClassificationEvaluator

Training Details

Training Dataset

Unnamed Dataset

• Size: 5,691 training samples
• Columns: sentence_0, sentence_1, and label
• Approximate statistics based on the first 100 samples:

  	sentence_0	sentence_1	label
  type	string	string	float
  modality	text	text
  details	min: 5 tokensmean: 16.56 tokensmax: 29 tokens	min: 7 tokensmean: 37.74 tokensmax: 117 tokens	min: 0.0mean: 0.36max: 1.0

• Samples:

  sentence_0	sentence_1	label
  Що таке feature engineering?	Feature engineering (конструювання ознак) це процес застосування знань предметної галузі для створення ознак, які забезпечують роботу алгоритмів машинного навчання.	0.0
  Що визначають ваги предикторів у лінійній регресії?	Формула лінійної регресії (2.1):	0.0
  Які саме параметри оцінки моделей пропонується назвати здобувачам?	Точність найкращої моделі на ROC-кривій (AUC-ROC) у завданні лабораторної роботи №4 має бути не менше 0.6.	0.0

• Loss: BinaryCrossEntropyLoss with these parameters:

  {
      "activation_fn": "torch.nn.modules.linear.Identity",
      "pos_weight": null
  }
  

Training Hyperparameters

All Hyperparameters

• per_device_train_batch_size: 8
• num_train_epochs: 3
• max_steps: -1
• learning_rate: 5e-05
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_steps: 0
• optim: adamw_torch_fused
• optim_args: None
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• optim_target_modules: None
• gradient_accumulation_steps: 1
• average_tokens_across_devices: True
• max_grad_norm: 1
• label_smoothing_factor: 0.0
• bf16: False
• fp16: False
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• use_liger_kernel: False
• liger_kernel_config: None
• use_cache: False
• neftune_noise_alpha: None
• torch_empty_cache_steps: None
• auto_find_batch_size: False
• log_on_each_node: True
• logging_nan_inf_filter: True
• include_num_input_tokens_seen: no
• log_level: passive
• log_level_replica: warning
• disable_tqdm: False
• project: huggingface
• trackio_space_id: None
• trackio_bucket_id: None
• trackio_static_space_id: None
• per_device_eval_batch_size: 8
• prediction_loss_only: True
• eval_on_start: False
• eval_do_concat_batches: True
• eval_use_gather_object: False
• eval_accumulation_steps: None
• include_for_metrics: []
• batch_eval_metrics: False
• save_only_model: False
• save_on_each_node: False
• enable_jit_checkpoint: False
• push_to_hub: False
• hub_private_repo: None
• hub_model_id: None
• hub_strategy: every_save
• hub_always_push: False
• hub_revision: None
• load_best_model_at_end: False
• ignore_data_skip: False
• restore_callback_states_from_checkpoint: False
• full_determinism: False
• seed: 42
• data_seed: None
• use_cpu: False
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• parallelism_config: None
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• dataloader_prefetch_factor: None
• remove_unused_columns: True
• label_names: None
• train_sampling_strategy: random
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• ddp_static_graph: None
• ddp_backend: None
• ddp_timeout: 1800
• fsdp: None
• fsdp_config: None
• deepspeed: None
• debug: []
• skip_memory_metrics: True
• do_predict: False
• resume_from_checkpoint: None
• warmup_ratio: None
• local_rank: -1
• prompts: None
• batch_sampler: batch_sampler
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

Training Logs

Training Time

• Training: 8.4 minutes

Framework Versions

• Python: 3.12.13
• Sentence Transformers: 5.5.1
• Transformers: 5.10.1
• PyTorch: 2.11.0+cu128
• Accelerate: 1.13.0
• Datasets: 4.0.0
• Tokenizers: 0.22.2

Additional Resources

• Training and Finetuning Reranker Models with Sentence Transformers: the end-to-end guide for training or finetuning Cross Encoder (reranker) models.
• Multimodal Embedding & Reranker Models with Sentence Transformers: use text, image, audio, and video reranker models through the same API.
• Training and Finetuning Multimodal Embedding & Reranker Models with Sentence Transformers: training multimodal Cross Encoders.

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",
}