SentenceTransformer based on Qwen/Qwen3-Embedding-4B

This is a sentence-transformers model finetuned from Qwen/Qwen3-Embedding-4B. It maps sentences & paragraphs to a 2560-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: Qwen/Qwen3-Embedding-4B
• Maximum Sequence Length: 768 tokens
• Output Dimensionality: 2560 dimensions
• Similarity Function: Cosine Similarity
• Supported Modalities: Text, Message

Model Sources

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

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}, 'message': {'method': 'forward', 'method_output_name': 'last_hidden_state', 'format': 'flat'}}, 'module_output_name': 'token_embeddings', 'architecture': 'Qwen3Model'})
  (1): Pooling({'embedding_dimension': 2560, 'pooling_mode': 'lasttoken', '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("sentence_transformers_model_id")
# Run inference
sentences = [
    'Instruct: Dado um trecho de um documento juridico brasileiro, recupere o trecho mais relevante semanticamente.\nQuery: SESSÃO VIRTUAL DE JULGAMENTO DO DIA 10 DE OUTUBRO DE 2022 RECURSO INOMINADO No 0000133-65.2017.8.10.0075 ORIGEM: JUIZADO DE BEQUIMÃO RECORRENTE: ANICETO COSTA ADVOGADO: CARLOS EDUARDO SOUSA FERREIRA - OAB MA12926 RECORRIDO: BANCO ITAÚ CONSIGNADO S.A ADVOGADO: JOSÉ ALMIR DA R. MENDES JÚNIOR OAB/MA No 19411 - A RELATOR (A): CARLOS ALBERTO MATOS BRITO ACÓRDÃO No 2241/2022 SÚMULA DE JULGAMENTO: RECURSO INOMINADO EM AÇÃO INEXISTÊNCIA DE NEGOCIO C/C REPETIÇÃO DE INDÉBITO E INDENIZAÇÃO POR DANOS MORAIS E MATERIAIS. EMPRÉSTIMO CONSIGNADO. CONTRATAÇÃO COMPROVADA. DANO MORAL NÃO CONFIGURADO. RECURSO IMPROVIDO. SENTENÇA MANTIDA. 1. Alega a parte autora, ora recorrente, que foram descontados em seu benefício previdenciário valor referente ao empréstimo consignado, o qual não reconhece. 2. Sentença. Julgou improcedentes os pedidos, por entender que o negócio jurídico restou devidamente comprovado. 3. Recurso Inominado. Requer a reforma da sentença para julgar totalmente procedente a pretensão inicial. 4. Não obstante as alegações da recorrente, não emergiu dos autos conjunto probatório suficiente a embasar sua afirmação de que não teria contratado o empréstimo, uma vez que a instituição financeira acostou elementos de prova fidedignos que confirmam a contratação do mútuo por parte da requerente. Imperioso destacar que a autora não juntou extratos da conta bancária de sua titularidade a indicar se, de fato, não houve recebimento do mútuo, conforme entendimento firmado no julgamento do IRDR 053983/2016 do TJMA, acerca de que permanece “com o consumidor/autor, quando alegar que não recebeu o valor do empréstimo, o dever de colaborar com a Justiça (CPC, art. 6o) e fazer a juntada do seu extrato bancário, embora este não deva ser considerado, pelo juiz, como documento essencial para a propositura da ação”. A juntada de extratos bancários não constitui documento indispensável à propositura da ação, porém consubstancia-se em elemento de prova, cujo ônus, em geral, é da parte autora, pelo critério da maior facilidade da obtenção nos termos do art. 373, § 1o do Código de Processo Civil. 6. Não demonstrada a ocorrência de ilegalidade da contratação, incabível a alegação de danos morais. 8. Recurso conhecido e improvido. Sentença mantida por seus próprios fundamentos. 9. Condenação da parte recorrente ao pagamento de custas processuais, não recolhidas em virtude da gratuidade de justiça, e de honorários advocatícios fixados em 20% sobre o valor da causa, com exigibilidade suspensa na forma do artigo 98, § 3o, do Código de Processo Civil (CPC). 10. Súmula de julgamento que serve de acórdão (art. 46, segunda parte, da Lei n. o 9.099/95). ACÓRDÃO DECIDEM os Senhores Juízes da TURMA RECURSAL CÍVEL E CRIMINAL DE PINHEIRO, por quórum mínimo, em conhecer do Recurso e NEGAR-LHE provimento, mantendo-se in totum a sentença guerreada, nos termos do voto sumular. Condenação da parte recorrente ao pagamento de custas processuais, não recolhidas em virtude da gratuidade de justiça, e de honorários advocatícios fixados em 20% sobre o valor da causa, com exigibilidade suspensa na forma do artigo 98, § 3o, do Código de Processo Civil (CPC). Além do Relator, votou o Juiz JOSÉ RIBAMAR DIAS JÚNIOR (Membro Titular). Sala das Sessões da Turma Recursal Cível e Criminal de Pinheiro, aos 10 dias do mês de outubro do ano de 2022. CARLOS ALBERTO MATOS BRITO Juiz Relator Presidente da Turma Recursal (RecInoCiv 0000133-65.2017.8.10.0075, Rel. Magistrado(a) CARLOS ALBERTO MATOS BRITO, TURMA RECURSAL CÍVEL E CRIMINAL DE PINHEIRO, DJe 27/10/2022)',
    'ário, embora este não deva ser considerado, pelo juiz, como documento essencial para a propositura da ação”. A juntada de extratos bancários não constitui documento indispensável à propositura da ação, porém consubstancia-se em elemento de prova, cujo ônus, em geral, é da parte autora, pelo critério da maior facilidade da obtenção nos termos do art. 373, § 1o do Código de Processo Civil.\n\n6. Não demonstrada a ocorrência de ilegalidade da contratação, incabível a alegação de danos morais.\n\n8. Recurso conhecido e improvido. Sentença mantida por seus próprios fundamentos.\n\n9. Condenação da parte recorrente ao pagamento de custas processuais, não recolhidas em virtude da gratuidade de justiça, e de honorários advocatícios fixados em 20% sobre o valor da causa, com exigibilidade suspensa na forma do artigo 98, § 3o, do Código de Processo Civil (CPC).\n\n10. Súmula de julgamento que serve de acórdão (art. 46, segunda parte, da Lei n. o 9.099/95).\n\nACÓRDÃO\n\nDECIDEM os Senhores Juízes da TURMA RECURSAL CÍVEL E CRIMINAL DE PINHEIRO, por quórum mínimo, em conhecer do Recurso e NEGAR-LHE provimento, mantendo-se in totum a sentença guerreada, nos termos do voto sumular. Condenação da parte recorrente ao pagamento de custas processuais, não recolhidas em virtude da gratuidade de justiça, e de honorários advocatícios fixados em 20% sobre o valor da causa, com exigibilidade suspensa na forma do artigo 98, § 3o, do Código de Processo Civil (CPC).\n\nAlém do Relator, votou o Juiz JOSÉ RIBAMAR DIAS JÚNIOR (Membro Titular).\n\nSala das Sessões da Turma Recursal Cível e Criminal de Pinheiro, aos 10 dias do mês de outubro do ano de 2022.\n\nCARLOS ALBERTO MATOS BRITO\n\nJuiz Relator Presidente da Turma Recursal\n\nRELATÓRIO\n\nDispensado o relatório nos termos do art. 38 da Lei 9.099/95.\n\nVOTO\n\nVide Súmula de Julgamento',
    'o qual não reconhece.\n\n2. Sentença. Julgou improcedentes os pedidos, por entender que o negócio jurídico restou devidamente comprovado.\n\n3. Recurso Inominado. A parte recorrente requer a reforma da sentença para julgar totalmente procedente a pretensão inicial.\n\n4. Não obstante as alegações da parte recorrente, não emergiu dos autos conjunto probatório suficiente a embasar sua afirmação de que não teria contratado o empréstimo, uma vez que a instituição financeira acostou o instrumento contratual, conforme ID 22243718, com dados pessoais da parte autora e comprovante de residência. Ademais, conforme entendimento firmado no julgamento do IRDR 053983/2016 do TJMA, permanece “com o consumidor/autor, quando alegar que não recebeu o valor do empréstimo, o dever de colaborar com a Justiça (CPC, art. 6o) e fazer a juntada do seu extrato bancário, embora este não deva ser considerado, pelo juiz, como documento essencial para a propositura da ação”. A juntada de extratos bancários não constitui documento indispensável à propositura da ação, porém consubstancia-se em elemento de prova, cujo ônus, em geral, é da parte autora, pelo critério da maior facilidade da obtenção nos termos do art. 373, § 1o do Código de Processo Civil.\n\n5. Não demonstrada a ocorrência de ilegalidade da contratação, incabível a alegação de danos morais.\n\n6. Recurso conhecido e improvido. Sentença mantida por seus próprios fundamentos.\n\n7. Condenação da parte recorrente ao pagamento de custas processuais, não recolhidas em virtude da gratuidade de justiça, e de honorários advocatícios fixados em 20% sobre o valor da causa, com exigibilidade suspensa na forma do artigo 98, § 3o, do Código de Processo Civil (CPC).\n\n8. Súmula de julgamento que serve de acórdão (art. 46, segunda parte, da Lei n.o 9.099/95).\n\nACÓRDÃO\n\nDECIDEM os Senhores Juízes da TURMA RECURSAL CÍVEL E CRIMINAL DE PINHEIRO, por quórum mínimo, em conhecer do Recurso e NEGAR-LHE provimento, mantendo-se in totum a sentença guerreada, nos termos do voto sumular. Condenação da parte recorrente ao pagamento de custas processuais, não recolhidas em virtude da gratuidade de justiça, e de honorários advocatícios fixados em 20% sobre o valor da causa, com exigibilidade suspensa na forma do artigo 98, § 3o, do Código de Processo Civil (CPC).\n\nAlém do Relator, votou o Juiz CARLOS ALBERTO MATOS BRITO (Presidente).\n\nSala das Sessões da Turma Recursal Cível e Criminal de Pinheiro, aos 20 dias do mês de março do ano de 2023.\n\nJOSÉ RIBAM',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 2560]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.3555, 0.0635],
#         [0.3555, 1.0078, 0.3398],
#         [0.0635, 0.3398, 1.0078]], dtype=torch.bfloat16)

Evaluation

Metrics

Information Retrieval

• Dataset: tripletos_eval
• Evaluated with InformationRetrievalEvaluator

Training Details

Training Dataset

Unnamed Dataset

• Size: 212,633 training samples

• Columns: anchor, positive, negative_0, negative_1, negative_2, negative_3, and negative_4

• Approximate statistics based on the first 1000 samples:

  	anchor	positive	negative_0	negative_1	negative_2	negative_3	negative_4
  type	string	string	string	string	string	string	string
  details	min: 134 tokensmean: 692.88 tokensmax: 768 tokens	min: 146 tokensmean: 666.45 tokensmax: 768 tokens	min: 173 tokensmean: 725.45 tokensmax: 768 tokens	min: 148 tokensmean: 722.65 tokensmax: 768 tokens	min: 176 tokensmean: 723.29 tokensmax: 768 tokens	min: 177 tokensmean: 721.41 tokensmax: 768 tokens	min: 173 tokensmean: 720.87 tokensmax: 768 tokens

• Loss: CachedMultipleNegativesRankingLoss with these parameters:

  {
      "scale": 50.0,
      "similarity_fct": "cos_sim",
      "mini_batch_size": 8,
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• per_device_train_batch_size: 32
• gradient_accumulation_steps: 2
• learning_rate: 2e-05
• weight_decay: 0.01
• num_train_epochs: 1
• lr_scheduler_type: cosine
• warmup_steps: 199
• bf16: True
• remove_unused_columns: False
• load_best_model_at_end: True
• dataloader_pin_memory: False
• batch_sampler: no_duplicates

All Hyperparameters

• do_predict: False
• prediction_loss_only: True
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 8
• gradient_accumulation_steps: 2
• eval_accumulation_steps: None
• torch_empty_cache_steps: None
• learning_rate: 2e-05
• weight_decay: 0.01
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 1
• max_steps: -1
• lr_scheduler_type: cosine
• lr_scheduler_kwargs: None
• warmup_ratio: None
• warmup_steps: 199
• log_level: passive
• log_level_replica: warning
• log_on_each_node: True
• logging_nan_inf_filter: True
• enable_jit_checkpoint: False
• save_on_each_node: False
• save_only_model: False
• restore_callback_states_from_checkpoint: False
• use_cpu: False
• seed: 42
• data_seed: None
• bf16: True
• fp16: False
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• local_rank: -1
• ddp_backend: None
• debug: []
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_prefetch_factor: None
• disable_tqdm: False
• remove_unused_columns: False
• label_names: None
• load_best_model_at_end: True
• ignore_data_skip: False
• fsdp: []
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': 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
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch_fused
• optim_args: None
• group_by_length: False
• length_column_name: length
• project: huggingface
• trackio_space_id: trackio
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• dataloader_pin_memory: False
• dataloader_persistent_workers: False
• skip_memory_metrics: True
• push_to_hub: False
• resume_from_checkpoint: None
• hub_model_id: None
• hub_strategy: every_save
• hub_private_repo: None
• hub_always_push: False
• hub_revision: None
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_for_metrics: []
• eval_do_concat_batches: True
• auto_find_batch_size: False
• full_determinism: False
• ddp_timeout: 1800
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• include_num_input_tokens_seen: no
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• use_liger_kernel: False
• liger_kernel_config: None
• eval_use_gather_object: False
• average_tokens_across_devices: True
• use_cache: False
• prompts: None
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

Training Logs

• The bold row denotes the saved checkpoint.

Training Time

• Training: 3.5 days
• Evaluation: 1.1 hours
• Total: 3.5 days

Framework Versions

• Python: 3.11.15
• Sentence Transformers: 5.4.1
• Transformers: 5.0.0
• PyTorch: 2.10.0+cu128
• Accelerate: 1.13.0
• Datasets: 4.0.0
• Tokenizers: 0.22.2

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",
}

CachedMultipleNegativesRankingLoss

@misc{gao2021scaling,
    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup},
    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
    year={2021},
    eprint={2101.06983},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}