SentenceTransformer based on google/embeddinggemma-300m

This is a sentence-transformers model finetuned from google/embeddinggemma-300m on the german-qna-full 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: google/embeddinggemma-300m
• Maximum Sequence Length: 2048 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Training Dataset:
  • german-qna-full

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': 2048, 'do_lower_case': False, 'architecture': 'Gemma3TextModel'})
  (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): Dense({'in_features': 768, 'out_features': 3072, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (3): Dense({'in_features': 3072, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (4): 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("ktcapraz/embeddinggemma-german_qna-checkpoint-500")
# Run inference
queries = [
    "Was ist das R\u00fcckhaltebecken Siefenwang und wann wurde es geplant?",
]
documents = [
    'Das Rückhaltebecken Siefenwang ist ein Projekt zum Hochwasserschutz, benannt nach einem Ortsteil von Dinkelscherben. Die Pläne dafür stammen aus den Jahren 2000 und 2005. Es soll bis zu 1,25 Millionen Kubikmeter Wasser fassen und eine Überflutungsfläche von bis zu 136 Hektar haben. Die Gesamtkosten belaufen sich auf 9,5 Millionen Euro.',
    'Der parteilose Ex-Minister Volker Wissing warnt vor einem Scheitern der schwarz-roten Koalition aufgrund innerer Spannungen, die sich auch in der Gesellschaft widerspiegeln. Er verweist auf die gescheiterte Wahl von Frauke Brosius-Gersdorf zur Verfassungsrichterin und die verfehlte Mehrheit für Friedrich Merz als Zeichen mangelnder Disziplin.',
    'Der Kakaopreis hat sich innerhalb eines Jahres mehr als verdoppelt, von rund 4000 auf über 9200 Euro pro Tonne. Hauptursachen sind Missernten in Westafrika, insbesondere an der Elfenbeinküste, die für über ein Drittel der weltweiten Kakaoproduktion verantwortlich ist. Schlechte Wetterbedingungen und kranke Bäume haben dort im zweiten Jahr in Folge zu erheblichen Ernteausfällen geführt, was die weltweiten Kakaobestände auf ein 20-Jahres-Tief sinken ließ.',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 768] [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[ 0.6243,  0.0075, -0.1137]])

Evaluation

Metrics

Information Retrieval

• Dataset: germanqna-eval
• Evaluated with InformationRetrievalEvaluator

Training Details

Training Dataset

german-qna-full

• Dataset: german-qna-full at 24161ff
• Size: 74,864 training samples
• Columns: frage and antwort
• Approximate statistics based on the first 1000 samples:

  	frage	antwort
  type	string	string
  details	min: 8 tokensmean: 18.54 tokensmax: 42 tokens	min: 18 tokensmean: 71.88 tokensmax: 165 tokens

• Samples:

  frage	antwort
  Welche konkreten Maßnahmen für E-Autos sind im Koalitionsvertrag von Union und SPD geplant?	Geplant sind eine steuerliche Begünstigung für Dienstwagen als E-Autos, eine Sonderabschreibung für E-Fahrzeuge und eine Verlängerung der Kfz-Steuerbefreiung für Elektroautos bis 2035. Zudem soll der Ausbau des Ladenetzes beschleunigt werden.
  Welche Kritik übte Bundeskanzler Olaf Scholz an der CDU und Friedrich Merz?	Bundeskanzler Olaf Scholz warf der CDU unter ihrem Kanzlerkandidaten Friedrich Merz vor, sich sehr weit von der Linie der ehemaligen Bundeskanzlerin Angela Merkel entfernt zu haben. Er sagte, die CDU habe sich von ihren sozialen Werten abgewandt und warnte vor ihrer konservativen Politik, insbesondere in der Rentenpolitik.
  Welche Koalitionspräferenz äußerte Aiwanger?	Aiwanger äußerte die Hoffnung auf eine "bürgerliche Koalition der Mitte" im Bundestag, idealerweise mit seiner Partei. Er zeigte sich besorgt über eine mögliche Koalition aus Schwarz-Rot-Grün, da diese die Probleme des Landes seiner Meinung nach nicht lösen würde. Sollte seine Partei nicht in Berlin vertreten sein, plane er, in Bayern zu bleiben.

• Loss: CachedMultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "mini_batch_size": 8,
      "gather_across_devices": false
  }
  

Evaluation Dataset

german-qna-full

• Dataset: german-qna-full at 24161ff
• Size: 24,955 evaluation samples
• Columns: frage and antwort
• Approximate statistics based on the first 1000 samples:

  	frage	antwort
  type	string	string
  details	min: 8 tokensmean: 18.44 tokensmax: 40 tokens	min: 18 tokensmean: 71.59 tokensmax: 168 tokens

• Samples:

  frage	antwort
  Warum haben Griechenland und Italien viele Lobbyisten für fossile Brennstoffe zur COP29 entsandt?	Griechenland und Italien sind die größten Abnehmer von aserbaidschanischem Gas. Beide Länder sind auf die südeuropäische Erdgaspipeline angewiesen, die Aserbaidschan über die Türkei mit Europa verbindet und eine Kapazität von mindestens 10 Milliarden Kubikmetern Gas pro Jahr hat. Dies erklärt die hohe Präsenz von Lobbyisten für fossile Brennstoffe aus diesen Ländern.
  Welche Strafe erhielt der Angeklagte und warum?	Der 29-jährige Angeklagte wurde zu fünfeinhalb Jahren Haft verurteilt. Die Strafkammer berücksichtigte sein Geständnis, kritisierte jedoch, dass er seinen Tatbeitrag herunterspielen wollte. Strafverschärfend wirkte, dass die Seniorin gefesselt zurückgelassen wurde und unter Todesangst litt.
  Wann werden die neuen Direktverbindungen zwischen Deutschland und Italien voraussichtlich starten?	Die Direktverbindungen im Hochgeschwindigkeitszug von München nach Mailand und Rom sollen voraussichtlich ab Dezember 2026 starten. Zunächst wird es je eine Verbindung pro Tag geben, mit italienischen Frecciarossa-Zügen, die auch in Deutschland verkehren.

• Loss: CachedMultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "mini_batch_size": 8,
      "gather_across_devices": false
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 128
• per_device_eval_batch_size: 128
• learning_rate: 2e-05
• num_train_epochs: 1
• warmup_ratio: 0.1
• fp16: True
• prompts: {'frage': 'task: search result | query: ', 'antwort': 'title: none | text: '}
• batch_sampler: no_duplicates

All Hyperparameters

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 128
• per_device_eval_batch_size: 128
• 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: 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: 1
• max_steps: -1
• lr_scheduler_type: linear
• 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: False
• fp16: True
• 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}
• parallelism_config: 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: None
• hub_always_push: False
• hub_revision: None
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_inputs_for_metrics: False
• include_for_metrics: []
• 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
• 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
• use_liger_kernel: False
• liger_kernel_config: None
• eval_use_gather_object: False
• average_tokens_across_devices: False
• prompts: {'frage': 'task: search result | query: ', 'antwort': 'title: none | text: '}
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

Training Logs

Framework Versions

• Python: 3.12.11
• Sentence Transformers: 5.1.0
• Transformers: 4.56.1
• PyTorch: 2.8.0+cu126
• Accelerate: 1.10.1
• Datasets: 4.0.0
• Tokenizers: 0.22.0

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}
}