SentenceTransformer based on tanbinh2210/mlm_trained_phobert

This is a sentence-transformers model finetuned from tanbinh2210/mlm_trained_phobert 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: tanbinh2210/mlm_trained_phobert
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Training Dataset:
  • json

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': 256, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (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})
)

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("tanbinh2210/mlm_finetuned_phobert")
# Run inference
sentences = [
    'trung_tâm lưu_ký chứng_khoán việt_nam thực_hiện những chức_năng gì ?',
    'mục_tiêu và chức_năng hoạt_động ... 2 . chức_năng của trung_tâm lưu_ký chứng_khoán : a ) cung_cấp dịch_vụ đăng_ký , lưu_ký , bù_trừ và thanh_toán chứng_khoán cho các chứng_khoán niêm_yết , đăng_ký giao_dịch , chứng_khoán phái_sinh trên sở giao_dịch chứng_khoán và chứng_khoán của công_ty đại_chúng khác ; các dịch_vụ liên_quan đến hỗ_trợ giao_dịch chứng_khoán phù_hợp với quy_định của pháp_luật . b ) thực_hiện cấp_mã chứng_khoán bao_gồm mã_chứng_khoán đăng_ký tại trung_tâm lưu_ký chứng_khoán và cấp mã_định danh_chứng_khoán cho các loại chứng_khoán phát_hành tại việt_nam . c ) tổ_chức thực_hiện quyền của người sở_hữu_chứng_khoán cho các tổ_chức phát_hành là các công_ty đại_chúng , các tổ_chức có chứng_khoán niêm_yết / đăng_ký giao_dịch trên sở giao_dịch chứng_khoán . d ) cung_cấp dịch_vụ đại_lý thanh_toán cổ_tức và lãi trái_phiếu cho các tổ_chức phát_hành đ ) cung_cấp dịch_vụ đại_lý chuyển_nhượng và thực_hiện chuyển quyền_sở_hữu đối_với chứng_khoán đăng_ký tại trung_tâm lưu_ký chứng_khoán theo quy_định pháp_luật . e ) cung_cấp các dịch_vụ đăng_ký , lưu_ký và đại_lý chuyển_nhượng cho các loại chứng_khoán khác theo thỏa_thuận với các tổ_chức phát_hành . g ) xây_dựng và vận_hành các cơ_chế quản_trị rủi_ro gồm thực_hiện chức_năng đối_tác bù_trừ trung_tâm ( ccp ) , quản_lý quỹ hỗ_trợ thanh_toán , quỹ bù_trừ , hệ_thống vay và cho vay chứng_khoán theo quy_định của pháp_luật chứng_khoán . h ) cung_cấp các dịch_vụ quản_lý tài_sản , các dịch_vụ cho quỹ đầu_tư và các dịch_vụ khác theo yêu_cầu của khách_hàng trong phạm_vi chức_năng , nhiệm_vụ của trung_tâm lưu_ký chứng_khoán và phù_hợp với quy_định pháp_luật hiện_hành . i ) giám_sát hoạt_động của các thành_viên của trung_tâm lưu_ký chứng_khoán nhằm đảm_bảo sự tuân_thủ các quy_chế hoạt_động nghiệp_vụ của trung_tâm lưu_ký chứng_khoán nhằm bảo_vệ tài_sản của người sở_hữu_chứng_khoán . k ) quản_lý tỷ_lệ sở_hữu của người đầu_tư nước_ngoài theo quy_định của pháp_luật chứng_khoán . l ) hỗ_trợ phát_triển thị_trường_chứng_khoán thông_qua việc cung_cấp các dịch_vụ cơ_sở_hạ_tầng , kỹ_thuật , thông_tin , đào_tạo , tuyên_truyền và phổ_biến kiến_thức .',
    '1 . đăng_ký , lưu_ký : a ) trái_phiếu chính_phủ được đăng_ký , lưu_ký tập_trung tại trung_tâm lưu_ký chứng_khoán việt_nam theo đề_nghị của kho_bạc nhà_nước . b ) căn_cứ vào thông_báo kết_quả phát_hành của kho_bạc nhà_nước , trung_tâm lưu_ký chứng_khoán việt_nam thực_hiện đăng_ký trái_phiếu chính_phủ . c ) căn_cứ vào văn_bản xác_nhận hoàn_tất thanh_toán tiền mua trái_phiếu của kho_bạc nhà_nước , trung_tâm lưu_ký chứng_khoán việt_nam thực_hiện lưu_ký trái_phiếu theo quy_định của pháp_luật chứng_khoán . 2 . niêm_yết trái_phiếu : a ) trái_phiếu chính_phủ được đăng_ký , lưu_ký tập_trung tại trung_tâm lưu_ký chứng_khoán việt_nam và niêm_yết , giao_dịch tại sở giao_dịch chứng_khoán ngoại_trừ trái_phiếu ngoại_tệ . b ) căn_cứ vào văn_bản thông_báo về việc đăng_ký trái_phiếu của trung_tâm lưu_ký chứng_khoán việt_nam và văn_bản đề_nghị của kho_bạc nhà_nước , sở giao_dịch chứng_khoán thực_hiện niêm_yết trái_phiếu chính_phủ theo quy_định của pháp_luật chứng_khoán .',
]
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]

Training Details

Training Dataset

json

• Dataset: json
• Size: 357,024 training samples
• Columns: query, pos, and neg
• Approximate statistics based on the first 1000 samples:

  	query	pos	neg
  type	string	string	string
  details	min: 6 tokensmean: 17.13 tokensmax: 37 tokens	min: 22 tokensmean: 147.4 tokensmax: 256 tokens	min: 20 tokensmean: 195.8 tokensmax: 256 tokens

• Samples:

  query	pos	neg
  chánh thanh_tra bộ quốc_phòng có quyền lập biên_bản vi_phạm hành_chính với doanh_nghiệp công_nghiệp vi_phạm trên không ?	" điều 43 . thẩm_quyền lập biên_bản vi_phạm hành_chính trong lĩnh_vực quốc_phòng 1 . những người có thẩm_quyền xử_phạt quy_định tại điều 37 , điều 38 , điều 39 , điều 40 , điều 41 , điều 42 của nghị_định này . 2 . sỹ_quan , quân_nhân chuyên_nghiệp quân_đội nhân_dân việt_nam ; sỹ_quan công_an nhân_dân đang thi_hành công_vụ , nhiệm_vụ . 3 . công_chức đang thi_hành công_vụ , nhiệm_vụ . "	2 . thẩm_quyền xử_phạt vi_phạm hành_chính của thanh_tra : a ) thanh_tra_viên , người được giao thực_hiện nhiệm_vụ thanh_tra chuyên_ngành về hóa_chất đang thi_hành công_vụ xử_phạt đối_với các hành_vi vi_phạm hành_chính quy_định tại khoản 1 và 2 điều 21 và điều 36 nghị_định này ; b ) chánh thanh_tra sở công_thương , trưởng_đoàn thanh_tra chuyên_ngành sở công_thương xử_phạt đối_với các hành_vi vi_phạm hành_chính quy_định tại điều 5 , 6 , 7 , 8 , 9 , 10 ; khoản 1 , điểm a , b , c , d khoản 2 , khoản 3 , 4 , 5 , 6 và 7 điều 11 ; điều 12 , 13 , 14 , 15 , 16 , 17 , 18 ; khoản 1 và điểm a , b khoản 2 điều 19 ; điều 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 , 30 , 31 ; khoản 1 và điểm a , b khoản 2 điều 32 ; điều 33 ; khoản 1 , 2 , 3 điều 34 ; điều 35 , 36 , 49 , 50 ; khoản 1 , 2 và 3 điều 51 ; khoản 1 , 2 và 3 điều 52 ; khoản 1 , 2 , 3 , 4 điều 53 ; khoản 1 , 2 , 3 , 4 , 5 điều 54 ; khoản 1 , 2 , 3 và 4 điều 55 ; khoản 1 , 2 , 3 , 4 điều 56 và điều 57 nghị_định này ; c ) chánh thanh_tra ...
  thời_hạn giải_quyết thủ_tục đăng_ký khai_sinh có yếu_tố nước_ngoài cấp huyện trong bao_lâu ?	thời_hạn giải_quyết : ngay trong ngày tiếp_nhận yêu_cầu , trường_hợp nhận hồ_sơ sau 15 giờ mà không giải_quyết được ngay thì trả kết_quả trong ngày làm_việc tiếp_theo .	2 . đối_với các khoản lệ_phí a ) lệ_phí đăng_ký cư_trú là khoản thu đối_với người đăng_ký cư_trú với cơ_quan đăng_ký , quản_lý cư_trú theo quy_định của pháp_luật về cư_trú . - lệ_phí đăng_ký cư_trú đối_với việc đăng_ký và quản_lý cư_trú gồm : đăng_ký thường_trú , đăng_ký tạm_trú cả hộ hoặc một người nhưng không cấp sổ hộ_khẩu , sổ tạm_trú ; cấp mới , cấp lại , cấp đổi sổ hộ_khẩu ; sổ tạm_trú cho hộ gia_đình , cho cá_nhân ; điều_chỉnh những thay_đổi trong sổ hộ_khẩu , sổ tạm_trú ; gia_hạn tạm_trú . - căn_cứ điều_kiện thực_tế của địa_phương để quy_định_mức thu lệ_phí phù_hợp , đảm_bảo nguyên_tắc sau : mức thu lệ_phí đối_với việc đăng_ký cư_trú tại các quận của thành_phố trực_thuộc trung_ương , hoặc phường nội_thành của thành_phố cao hơn mức thu đối_với các khu_vực khác . b ) lệ_phí cấp chứng_minh nhân_dân là khoản thu đối_với người được cơ_quan công_an cấp chứng_minh nhân_dân . - lệ_phí cấp chứng_minh nhân_dân đối_với việc cấp chứng_minh nhân_dân ( không bao_gồm tiền ảnh của người được c...
  nguyên_tắc nâng bậc lương trước hạn trong tòa_án nhân_dân như_thế_nào ?	" điều 2 . nguyên_tắc thực_hiện 1 . thực_hiện thống_nhất chế_độ nâng bậc lương trước thời_hạn do lập thành_tích xuất_sắc trong thực_hiện nhiệm_vụ đối_với công_chức , viên_chức và người lao_động trong tòa_án nhân_dân . 2 . thực_hiện công_khai , dân_chủ , khách_quan và đúng quy_định . 3 . thực_hiện mỗi năm 1 lần vào quý_i và kết_thúc trước ngày 31 tháng 3 hằng năm . 4 . không thực_hiện hai lần liên_tiếp nâng bậc lương trước thời_hạn do lập thành_tích xuất_sắc trong thực_hiện nhiệm_vụ trong cùng_ngạch hoặc chức_danh . 5 . khi đã có quyết_định nâng bậc lương trước thời_hạn thì tất_cả các thành_tích đã đạt được trước đó đều không được dùng để tính thành_tích cho các lần xét nâng bậc lương trước thời_hạn tiếp_theo . "	điều 9 . quy_trình xét nâng bậc lương trước thời_hạn các đơn_vị tiến_hành xét nâng bậc lương trước thời_hạn trong quý_i của năm sau liền kề với năm xét nâng bậc lương trước thời_hạn , theo quy_trình như sau : ... 2 . quy_trình xét : a . đối_với cơ_quan bộ và cơ_quan tổng_cục và tương_đương : bước 1 . hội_đồng xét nâng bậc lương trước thời_hạn của từng vụ , cục ( gồm đại_diện lãnh_đạo đơn_vị làm chủ_tịch hội_đồng và bao_gồm các thành_viên đại_diện cấp ủy , công_đoàn , nữ_công và đoàn thanh_niên ) họp xét danh_sách nâng bậc lương trước thời_hạn của đơn_vị mình ( danh_sách đề_nghị nâng bậc lương trước thời_hạn xếp theo thứ_tự ưu_tiên ) . căn_cứ kết_quả của hội_đồng này , thủ_trưởng đơn_vị ký công_văn đề_nghị hội_đồng nâng bậc lương trước thời_hạn của cơ_quan bộ hoặc của cơ_quan tổng_cục ( qua vụ tổ_chức cán_bộ ) trước ngày 20/01 để tổng_hợp xét . quá thời_hạn trên , đơn_vị nào không có đề_nghị thì coi như không có nhu_cầu xét nâng bậc lương trước thời_hạn . bước 2 . hội_đồng xét nâng bậc ...

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Evaluation Dataset

json

• Dataset: json
• Size: 357,024 evaluation samples
• Columns: query, pos, and neg
• Approximate statistics based on the first 1000 samples:

  	query	pos	neg
  type	string	string	string
  details	min: 6 tokensmean: 17.18 tokensmax: 38 tokens	min: 18 tokensmean: 146.04 tokensmax: 256 tokens	min: 22 tokensmean: 200.39 tokensmax: 256 tokens

• Samples:

  query	pos	neg
  trường_hợp nam , nữ chung sống với nhau như vợ_chồng không đăng_ký_kết_hôn cha_mẹ và con có quyền và nghĩa_vụ ra sao ?	" điều 15 . quyền , nghĩa_vụ của cha_mẹ và con trong trường_hợp nam , nữ chung sống với nhau như vợ_chồng mà không đăng_ký_kết hôn_quyền , nghĩa_vụ giữa nam , nữ chung sống với nhau như vợ_chồng và con được giải_quyết theo quy_định của luật này về quyền , nghĩa_vụ của cha_mẹ và con . "	điều 16 . đăng_ký nhận cha , mẹ , con , bổ_sung hộ_tịch trong một_số trường_hợp đặc_biệt 1 . trường_hợp nam , nữ chung sống với nhau như vợ_chồng , không đăng_ký kết_hôn , sinh con , người con sống cùng_với người cha , khi người cha làm thủ_tục nhận con mà không liên_hệ được với người mẹ thì không cần có ý_kiến của người mẹ trong tờ khai đăng_ký nhận cha , mẹ , con . nếu có giấy chứng_sinh và giấy_tờ tùy_thân của người mẹ thì phần khai về người mẹ được ghi theo giấy chứng_sinh và giấy_tờ tùy_thân của người mẹ . nếu không có giấy chứng_sinh và giấy_tờ tùy_thân của người mẹ thì ghi theo thông_tin do người cha cung_cấp ; người cha chịu trách_nhiệm về thông_tin do mình cung_cấp . 2 . trường_hợp con do người vợ_sinh ra trước thời_điểm đăng_ký kết_hôn , đã được đăng_ký khai_sinh nhưng không có thông_tin về người cha , nay vợ_chồng có văn_bản thừa_nhận là con chung thì không phải làm thủ_tục nhận cha , con mà làm thủ_tục bổ_sung hộ_tịch để ghi bổ_sung thông_tin về người cha trong sổ đăng_ký k...
  đảng_bộ cơ_sở mở cuộc họp sinh_hoạt định_kỳ bao_nhiêu lần trong năm ?	20 . ( khoản 6 , điều 22 ; khoản 3 , điều 24 ) : sinh_hoạt định_kỳ của đảng_bộ cơ_sở , chi_bộ 20.1 . đảng_bộ cơ_sở họp thường_lệ mỗi năm hai lần vào dịp đánh_giá công_tác 6 tháng đầu năm và tổng_kết công_tác cuối năm , họp bất_thường khi cần . ...	" 20 . ( khoản 6 , điều 22 ; khoản 3 , điều 24 ) : sinh_hoạt định_kỳ của đảng_bộ cơ_sở , chi_bộ 20.1 . đảng_bộ cơ_sở họp thường_lệ mỗi năm hai lần vào dịp đánh_giá công_tác 6 tháng đầu năm và tổng_kết công_tác cuối năm , họp bất_thường khi cần . 20.2 . nội_dung sinh_hoạt đảng_bộ : báo_cáo kết_quả hoạt_động của đảng_bộ , của đảng_ủy trong thời_gian qua , xác_định nhiệm_vụ trọng_tâm trong thời_gian tới ; phổ_biến các chủ_trương , chính_sách của đảng , pháp_luật của nhà_nước , thời_sự trong nước và thế_giới phù_hợp với yêu_cầu nhiệm_vụ , đặc_điểm của đảng_bộ ; thông_báo kết_quả kiểm_tra , giám_sát , kỷ_luật đảng của đảng_ủy đối_với các chi_bộ , đảng_viên ; giải_đáp ý_kiến phê_bình , chất_vấn của đảng_viên và chi_bộ . 20.3 . đối_với đảng_bộ cơ_sở có đông đảng_viên , hoạt_động phân_tán , địa_bàn rộng , đơn_vị lực_lượng_vũ_trang làm nhiệm_vụ sẵn_sàng chiến_đấu , cấp ủy cơ_sở căn_cứ vào tình_hình cụ_thể để tổ_chức sinh_hoạt theo cụm , phân_công cấp ủy_viên phụ_trách , bảo_đảm nội_dung sinh_ho...
  cấp mới số lưu_hành áp_dụng đối_với trang_thiết_bị y_tế c , d trong các trường_hợp nào ?	điều 29 . các hình_thức đăng_ký lưu_hành 1 . cấp mới số lưu_hành áp_dụng đối_với trang_thiết_bị y_tế trong các trường_hợp sau đây : a ) trang_thiết_bị y_tế lần đầu đề_nghị cấp số lưu_hành . b ) trang_thiết_bị y_tế đã được cấp số lưu_hành nhưng có một trong các thay_đổi sau : - chủ_sở_hữu_trang_thiết_bị y_tế ; loại trang_thiết_bị y_tế ; chủng_loại , mục_đích sử_dụng , chỉ_định sử_dụng ; tiêu_chuẩn chất_lượng ; bổ_sung cơ_sở sản_xuất , mã sản_phẩm ; nguyên_liệu sản_xuất ảnh_hưởng đến chức_năng đối_với trang_thiết_bị y_tế chẩn_đoán in vitro và trang_thiết_bị y_tế dùng một lần ; nồng_độ , hàm_lượng , thành_phần của nguyên_liệu là dược_chất kết_hợp trong một trang_thiết_bị y_tế với vai_trò hỗ_trợ mục_đích điều_trị ; - không thuộc các trường_hợp quy_định tại khoản 7 điều 32 nghị_định này .	39 . điều 68 được sửa_đổi như sau : a ) khoản 5 được sửa_đổi như sau : “ a ) giấy_phép nhập_khẩu trang_thiết_bị y_tế thuộc loại b , c , d đã được cấp trong năm 2018 hết hạn hiệu_lực vào ngày 31 tháng 12 năm 2018 và các giấy_phép nhập_khẩu được cấp trong năm 2019 có giá_trị đến hết ngày 31 tháng 12 năm 2019 , trừ trường_hợp quy_định tại khoản 1 điều 42 và điểm d khoản này ; đối_với các giấy_phép nhập_khẩu sinh_phẩm chẩn_đoán in vitro đã được cấp trong năm 2018 , 2019 : có giá_trị đến hết ngày 31 tháng 12 năm 2019 và không hạn_chế về số_lượng nhập_khẩu . cơ_quan hải_quan không thực_hiện việc kiểm_soát số_lượng nhập_khẩu đối_với trường_hợp này ; tổ_chức , cá_nhân kinh_doanh trang_thiết_bị y_tế chịu trách_nhiệm bảo_đảm các giấy_tờ quy_định tại điểm i khoản 2 điều 66 nghị_định này luôn có hiệu_lực trong thời_gian giấy_phép nhập_khẩu còn giá_trị . trường_hợp không tiếp_tục thực_hiện việc duy_trì hiệu_lực của các giấy_tờ trên , tổ_chức , cá_nhân kinh_doanh trang_thiết_bị y_tế phải có trách_nh...

• Loss: MultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• overwrite_output_dir: True
• per_device_train_batch_size: 56
• per_device_eval_batch_size: 56
• learning_rate: 1e-05
• warmup_ratio: 0.1
• fp16: True
• batch_sampler: no_duplicates

All Hyperparameters

• overwrite_output_dir: True
• do_predict: False
• eval_strategy: no
• prediction_loss_only: True
• per_device_train_batch_size: 56
• per_device_eval_batch_size: 56
• 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: 1e-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: 3
• 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}
• 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
• use_liger_kernel: False
• eval_use_gather_object: False
• prompts: None
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional

Training Logs

Framework Versions

• Python: 3.10.14
• Sentence Transformers: 3.3.1
• Transformers: 4.45.1
• PyTorch: 2.4.0
• Accelerate: 0.34.2
• Datasets: 3.0.1
• Tokenizers: 0.20.0

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",
}

MultipleNegativesRankingLoss

@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}
}