rag-embedder-staria-40epochs / README.md

JLee0

Upload folder using huggingface_hub

d46c81d verified 5 months ago

preview code

raw

history blame contribute delete

46.6 kB

metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:1634
  - loss:MultipleNegativesRankingLoss
base_model: BAAI/bge-m3
widget:
  - source_sentence: 전자식 파킹 브레이크가 장착된 차량에서 주차 브레이크를 자동으로 해제하려면 어떤 조건이 필요한가요?
    sentences:
      - >-
        변속 잠금장치 Shift Lock 운전자의 오조작을 방지하기 위해 시동 'ON' 상태일 때 브레이크 페달을 밟아야만 'P'
        상태에서 'N' 단으로 변속할 수 있으며 시동이 걸린 상태에서는 브레이크 페달을 밟아야만 'P' 상태에서 'R', 'N', 'D'
        단으로 변속할 수 있도록 변속 잠금장치 Shift Lock가 적용되어 있습니다 변속 버튼 타입의 경우 'N' 단에서 'P',
        'R', 'D' 단으로 변속할 때에도 브레이크 페달을 밟아야만 변속할 수 있습니다 변속 잠금장치 Shift Lock는 브레이크
        페달을 밟고 변속 버튼을 눌러야 해제됩니다 'P' 또는 'N' 위치에서 'R' 또는 'D' 위치로 변속하려면 반드시 브레이크를
        밟고 변속 버튼을 누르십시오
      - >-
        i 알아두기 • 기온이 높거나 엔진 온도가 높은 경우 예열 없이 바로 시동이 걸릴 수도 있습니다. • 예열 표시등이 켜진 상태에서
        시동 버튼을 한 번 더 누르면 예열이 완료되지 않은 상태에서도 시동을 걸 수 있습니다. 그러나 예열 상태가 충분하지 않을 때는
        시동이 걸리지 않을 수도 있습니다. • 전자식 파킹 브레이크(EPB)가 장착된 차량의 경우 'P'(주차) 상태에서 주차 브레이크가
        걸려 있을 때 브레이크 페달을 밟고 'P'(주차)에서 'R'(후진) 단 또는 'D'(주행) 상태로 변속하면 주차 브레이크가
        자동으로 해제됩니다. 수동으로 해제하려면 브레이크 페달을 밟고 전자식 파킹 브레이크 스위치를 눌러 주차 브레이크를 해제하십시오.
        • 엔진의 온도를 올리기 위해 정차 상태에서 공회전을 하지 마십시오. 엔진이 적정 온도에 도달할 때까지 적당한 속도로
        주행하십시오(급가속 또는 급감속을 하지 마십시오.). 엔진에 시동을 걸고 바로 가속 페달을 밟지 마십시오. 엔진이 차가운
        상태이면, 터보차저에 윤활유가 공급될 수 있도록 몇 초간 공회전시키십시오.
      - >-
        LPG 과충전 경고등: LPG 차량은 LPG가 과충전 되었을 경우 경고등이 빨간색으로 켜집니다. 경고등이 켜지면 당사 직영
        하이테크센터나 블루핸즈에서 점검을 받으십시오. 주의: LPI 차량의 경우 연료계의 과충전 방지를 위한 레드존(Red Zone)을
        넘지 않도록 주의하여 연료를 충전하십시오.
  - source_sentence: 엔진룸 점검 시 피에조 인젝터와 관련하여 발생할 수 있는 안전사고에는 어떤 것들이 있나요?
    sentences:
      - >-
        후측방 모니터 설정 후측방 영상표시 설정 • 계기판의 설정 메뉴에서 후측방 모니터 사용 여부를 선택할 수 있습니다. (운전자 보조
        → 후측방 안전 → 후측방 영상 표시) • 인포테인먼트 시스템의 설정 메뉴에서 후측방 모니터 사용 여부를 선택할 수 있습니다.
        (운전자 보조 → 후측방 안전 → 후측방 영상 표시, 사양 적용 시) 후측방 모니터 작동 조작계 방향지시등 스위치 방향지시등
        스위치를 조작하여 방향지시등을 켜고 끄면, 후측방 모니터도 켜지고 꺼집니다. 후측방 모니터 작동 조건 아래 조건에서 후측방
        모니터가 작동합니다. - 좌측/우측 방향지시등이 켜질 경우, 해당 방향의 영상이 계기판에 표시됩니다. 해제 조건 • 작동 중인
        방향지시등이 꺼질 경우, 계기판에 표시되는 영상이 꺼집니다. • 비상 경고등이 켜질 경우, 방향지시등의 상태와 무관하게 후측방
        모니터가 꺼집니다. • 계기판에 다른 중요한 정보를 표시하는 경우, 후측방 모니터가 꺼질 수 있습니다. 후측방 모니터 이상 후측방
        모니터가 정상적으로 작동하지 않거나, 일부 화면이 깜빡이거나 카메라 영상이 정상적으로 표시되지 않는 경우 가까운 당사 직영
        하이테크센터나 블루핸즈에서 점검을 받으십시오. 경고 • 후측방 모니터에 사용되는 카메라는 광각 렌즈를 사용합니다. 영상의 왜곡을
        보정해 사용하기에 실제 사물과의 거리와 차이가 있을 수 있습니다. 안전을 위해 좌/우 시야를 직접 확인하십시오. • 렌즈 표면에
        이물질이 묻으면 카메라의 기능이 저하되어 후측방 모니터가 정상적으로 작동하지 않을 수 있습니다. 항상 카메라의 렌즈 표면을
        깨끗하게 유지하십시오.
      - >-
        차량 설정하기 메뉴: 1. 인포테인먼트 시스템의 SETUP 버튼을 누르십시오. 2. 설정 → 차량을 차례로 선택한 후 원하는
        항목의 설정을 변경하십시오. i 알아두기: 인포테인먼트 시스템은 업데이트로 변경될 수 있습니다.
      - >-
        엔진룸 점검 시 주의 사항 피에조 인젝터는 최대 200V의 고전압을 사용하므로 다음의 사고가 발생할 수 있습니다. • 인젝터 또는
        인젝터 배선과의 직접 접촉에 의한 감전, 근육 손상, 신경계 손상 • 인젝터 작동부 주변 전자기파에 의한 인공 심장 박동기 오작동
        시동을 건 상태로 엔진룸을 점검할 때 위의 안전사고에 유의하여 다음을 주의하십시오. • 인젝터, 인젝터 배선, 엔진 컴퓨터를
        만지지 마십시오. • 인젝터 커넥터를 분리하지 마십시오. • 인공 심장 박동기를 착용했다면 엔진에 가까이 가지 마십시오. 경고
        인공 심장 등 인공 장기를 착용했다면 시동이 걸렸을 때 엔진에 가까이 가지 마십시오. 인젝터 등 전자제어 장치의 고압 전류 때문에
        인공 장기가 영향을 받을 수 있습니다.
  - source_sentence: 스마트폰을 사용해 차량의 시동을 거는 절차는 어떻게 되나요?
    sentences:
      - >-
        디지털 키(스마트폰) 사용 방법: • 도어 잠금/잠금 해제: 등록된 스마트폰의 NFC 안테나를 도어 핸들 인증 패드 중앙에 2초
        이상 접촉하면 도어가 잠금 또는 잠금 해제됩니다. 세이프티 언락 기능이 설정된 경우, 운전석 도어만 먼저 잠금 해제되며, 4초
        이내에 다시 접촉하면 모든 도어가 잠금 해제됩니다. • 차량 시동: 스마트폰의 NFC 안테나를 실내 인증 패드(무선 충전 패드)
        중앙에 올린 후 브레이크 페달을 밟고 시동 버튼을 눌러 시동을 거십시오. • 주의사항: 스마트폰의 모바일 데이터 연결이 원활하지
        않을 경우 보안 정보 갱신이 실패할 수 있으므로, 카드 키를 사용하거나 모바일 데이터 연결이 원활한 장소에서 재시도하십시오.
      - >-
        와이퍼 블레이드 블레이드 점검 앞 유리 또는 와이퍼 블레이드가 오염되면 와이퍼의 효율성이 떨어지고 마찰음이 생길 수 있습니다.
        오염의 공통적인 원인으로는 벌레, 수액, 일부 상업용 자동 세차기에 의한 왁스 코팅 칠 등입니다. 와이퍼가 앞 유리창을 잘
        닦아내지 못하면, 유리창과 블레이드 고무 표면을 깨끗한 물과 수건 등으로 닦으십시오. 유리창에 묻어 있는 발수 코팅제, 왁스,
        유분 등을 주기적으로 닦아 내고 유막 제거제를 사용하면 더 효과적입니다. 왁스 또는 발수 코팅이 완전히 제거되면 유리 표면에
        물방울이 맺히지 않고 고르게 퍼집니다. 주의 • 앞 유리창을 닦을 때 비눗물이나 합성세제를 사용하지 마십시오. 와이퍼 블레이드가
        경화되거나, 와이퍼 작동 시 마찰이 심해 소음이나 떨림이 발생할 수 있습니다. • 앞 유리창이나 와이퍼 블레이드가 얼었다면
        와이퍼를 사용하기 전에 완전히 녹이십시오. 언 상태로 와이퍼를 작동하면 블레이드가 손상될 수 있습니다. • 앞 유리에 휘발유,
        등유, 페인트, 신나 또는 기타 솔벤트 류의 액체를 사용하지 마십시오. 와이퍼 블레이드가 손상됩니다. • 시판되는 유막 제거제는
        연마제 성분이 있으니 제품에 표시된 주의 사항을 확인하고 사용하십시오. 와이퍼 블레이드를 더 오래 사용하려면 다음과 같이
        하십시오. • 먼지가 많은 곳이나 비포장도로를 주행한 후 또는 장시간 주행하지 않았을 때 깨끗한 물로 앞 유리창과 와이퍼
        블레이드를 닦으십시오. • 주 2회 정도 정기적으로 와이퍼를 작동하십시오. 오랫동안 와이퍼를 사용하지 않으면 블레이드가 변형되어
        소음이나 떨림이 발생할 수 있습니다. 앞 유리창과 블레이드의 오염 물질을 제거해도 다음의 현상이 나타나면 가까운 당사 직영
        하이테크센터나 블루핸즈에서 점검을 받으십시오. • 선이 남거나 깨끗하게 닦이지 않을 때 • 소음이 발생하거나 떨릴 때 • 잔물이
        스며들 때 • 유리 표면에 와이퍼 블레이드가 부분적으로 닿지 않을 때 • 와이퍼 암 장력이 약할 때 블레이드 교체 앞 유리창
        와이퍼 블레이드 엔진 시동을 끈 후 20초 이내에 와이퍼가 최상단으로 올라갈 때까지 와이퍼 스위치를 2초 이상 MIST 위치로
        올리십시오. 앞유리 와이퍼와 뒷유리 와이퍼가 동시에 이동합니다. 정지 위치 상태에서도 교체 가능합니다. 1. 와이퍼 암을
        세우십시오. 2. 잠금쇠를 세우고 블레이드를 아래로 내려 분리하십시오. 3. 새 와이퍼 블레이드를 장착하십시오. 교체가 완료되면
        와이퍼 암을 내려 유리창에 위치시키고 엔진 시동 후 와이퍼를 1회 작동하여 정상적으로 작동되는지 확인하십시오. 뒷 유리창 와이퍼
        블레이드 엔진 시동을 끈 후 20초 이내에 와이퍼가 하단으로 내려갈 때까지 와이퍼 스위치를 2초 이상 MIST 위치로 올리십시오.
        앞유리 와이퍼와 뒷유리 와이퍼가 동시에 이동합니다. 1. 와이퍼 암을 세우십시오. 2. 와이퍼 암과 와이퍼 블레이드가 T자가
        되도록 하십시오. 3. 와이퍼 블레이드를 T자에서 살짝 내린 후 와이퍼 암으로부터 당겨 분리하십시오. 주의 와이퍼 블레이드를
        분리할 때 와이퍼 암을 뒤쪽으로 과도하게 힘을 주어 당기면 연결 부위가 파손될 우려가 있으므로 주의하십시오. 4. 새 와이퍼
        블레이드의 가운데 부분을 와이퍼 암의 가운데 홈에 “딸깍” 소리가 날 때까지 확실히 끼워 넣으십시오. 5. 와이퍼 블레이드를 살짝
        당겨 확실히 고정되었는지 확인하십시오. 교체가 완료 후 와이퍼를 1회 작동시키면 와이퍼 암이 제자리로 돌아갑니다. 주의 • 와이퍼
        블레이드가 분리된 상태에서 와이퍼 암이 유리창에 닿지 않도록 주의하십시오. 유리창이 파손될 수 있습니다. • 와이퍼 블레이드가 언
        상태에서 와이퍼를 작동하거나 와셔액 없이 와이퍼를 계속 작동하면 약 10초 동안 와이퍼가 작동하지 않을 수 있습니다. 이것은
        고장이 아니며 와이퍼 모터의 과부하를 막기 위한 보호 기능입니다. • 앞 유리창을 닦을 때 와이퍼 블레이드를 밖으로 젖힌 후,
        호스 등을 사용해 물을 뿌리고 깨끗한 헝겊으로 닦으십시오. • 유리창 표면에 왁스, 발수 코팅, 유분이 묻어 있으면 와이퍼 작동
        시 소음이나 떨림이 발생할 수 있습니다. 이 경우 유막 제거제를 사용해 이물질을 제거하십시오.
      - >-
        세차나 폭우 시 도어 손잡이 센서 인식 방지 기능: • 스마트 키의 잠금 버튼과 잠금 해제 버튼을 동시에 약 4초 이상 길게
        누르면 차량의 비상 경고등이 4회 깜빡이며 도어 잠금 및 잠금 해제 방지 기능이 설정됩니다. • 이후에는 스마트 키를 휴대하여도
        도어 손잡이 센서 인식에 의한 도어 잠금 및 잠금 해제가 되지 않습니다. • 기능을 해제하려면 스마트 키의 잠금 버튼 또는 잠금
        해제 버튼을 눌러 도어를 잠그거나 잠금 해제하십시오.
  - source_sentence: 차량의 도어가 자동으로 잠기는 상황에는 어떤 것들이 있나요?
    sentences:
      - >-
        도어: 자동 잠금: • R/N/D단 이동할 때: ‘P’(주차)에서 ‘R’(후진), ‘N’(중립), ‘D’(주행)로 변속하면
        자동으로 도어가 잠깁니다. (시동 ‘ON’일 때만 작동) • 주행할 때: 15 km/h 이상 주행 시 자동으로 도어가 잠깁니다.
        • 끄기: 도어 자동 잠금 설정을 해제합니다. 잠금 자동 해제: • P단 이동할 때: ‘P’(주차)로 변속하면 자동으로 도어가
        잠금 해제됩니다. (시동 ‘ON’일 때만 작동) • 파워 오프 시: 시동 버튼을 ‘OFF’ 했을 때 도어가 자동으로 잠금
        해제됩니다. • 끄기: 도어 자동 잠금 해제 설정을 해제합니다. 2회 눌러 전체 잠금 해제: 세이프티 언락 기능을 설정 또는
        해제할 수 있습니다. 잠금 확인음 (사양 적용 시): 도어를 잠금 또는 잠금해제 시 잠금 확인음 기능을 설정 또는 해제할 수
        있습니다. 파워 테일게이트: 파워 테일게이트 기능을 설정 또는 해제할 수 있습니다. 파워 테일게이트 열림 높이 (사양 적용 시):
        파워 테일게이트 열림 높이를 선택할 수 있습니다. • 완전 열림 / 3단계 / 2단계 / 1단계 / 사용자 높이 설정 파워
        테일게이트 자동 닫힘 (사양 적용 시): 기능을 설정 또는 해제할 수 있습니다. 스마트 테일게이트 (사양 적용 시): 기능을 설정
        또는 해제할 수 있습니다. 스마트 슬라이딩 도어 (사양 적용 시): 슬라이딩 도어를 설정 또는 해제할 수 있습니다. 원격 파워
        도어 동시 열림 (사양 적용 시): • 좌우 슬라이딩 도어 및 테일게이트 열림: 스마트키의 잠금 해제 버튼을 3초 이상 누르면
        좌우 슬라이딩 도어와 테일게이트가 열립니다. • 좌우 슬라이딩 도어 열림: 스마트키의 잠금 해제 버튼을 3초 이상 누르면 좌우
        슬라이딩 도어가 열립니다. • 끄기: 원격 파워 도어 열림 기능을 해제합니다. 원격 창문 제어 (사양 적용 시): 기능을 설정
        또는 해제할 수 있습니다.
      - >-
        계기판: 평균연비 표시 (사양 적용 시): 평균연비를 화면에 나타내기 위해 다음과 같이 설정할 수 있습니다. • 재 시동 후
        연비/주유 후 연비/누적 연비 와이퍼/라이트 모드 표시: 와이퍼/라이트 모드 표시 기능이 설정된 상태에서 와이퍼 스위치 또는
        라이트 스위치를 작동시키면 선택한 위치를 잠시 계기판에 표시합니다. 해제하면 표시되지 않습니다. 도로 교통표지판 안내 (사양 적용
        시): 디스플레이에 도로 교통표지판 정보를 설정 및 해제할 수 있습니다. 도로 결빙 알림: 디스플레이에 도로 결빙 시 알림 화면을
        설정 및 해제할 수 있습니다. 계기판 음성안내 음량: 계기판 음성안내 음량을 선택할 수 있습니다. • 음소거 / 음량 1 / 음량
        2 / 음량 3 웰컴 사운드: 웰컴 시스템의 사운드를 설정 및 해제할 수 있습니다. 테마 선택 (사양 적용 시): 계기판의 테마를
        선택할 수 있습니다. • A타입 클러스터: 테마 A/테마 B/테마 C • B타입 클러스터: 클래식 A/클래식 B/클래식 C
        조명밝기 조절: 계기판의 조명 밝기를 단계별로 조절할 수 있습니다. • 1~20단계 원터치 방향지시등: 방향지시등의 깜빡임 횟수를
        설정할 수 있습니다. • 끄기 • 3/5/7회 깜빡임 무드 조명 밝기 (사양 적용 시): 차량 실내 조명 밝기를 조정할 수
        있습니다. • 끄기 • 1/2/3/4 단계 무드 조명 색상 (사양 적용 시): 차량 실내 무드 조명 색상을 선택할 수 있습니다.
        • 폴라 화이트/문 화이트/아이스 블루/오션 블루/제이드 그린/오키드 그린/프레지아 옐로우/썬라이즈 레드/오로라 퍼플/라이트닝
        바이올렛 헤드램프 에스코트 (사양 적용 시): 헤드램프 에스코트 기능을 설정 또는 해제할 수 있습니다. 하이빔 보조 (사양 적용
        시): 하이빔 보조를 설정 또는 해제할 수 있습니다.
      - >-
        일반 주의 사항 • 반드시 안전벨트를 착용하십시오. • 운전할 때 자세를 평상시보다 스티어링 휠과 가깝게 하고 곧은 자세를
        유지하십시오. 스티어링 휠이나 페달을 손쉽게 조작할 수 있도록 여유 있는 위치로 조정하십시오. • 비포장도로에서는 주의해서
        주행하시고 위험한 지역은 주행을 피하십시오. • 사륜구동 차량도 일반 차량과 마찬가지로 조향 및 브레이크 조작을 신중히 하여
        안전하게 운전하십시오. • 비포장도로를 주행할 때는 항상 스티어링 휠의 바깥쪽을 확실하게 잡으십시오. 스티어링 휠 안쪽을 잡을
        경우 스티어링 휠이 갑자기 돌아가 손을 다칠 수 있습니다.
  - source_sentence: 어린이 보조 좌석을 동승석에 설치하지 말아야 하는 이유는 무엇인가요?
    sentences:
      - >-
        디지털 키가 등록되어 있습니다: 차량 스마트폰 키 또는 카드 키가 등록되어 있을 때 차량 전원을 켜면 이 경고문이 4초 동안
        표시됩니다. 스마트폰 키 또는 카드 키가 등록되지 않은 경우는 경고문이 표시되지 않습니다.
      - >-
        규격 타이어 장착 및 타이어 공기압 수시 점검: • 적합한 규격의 타이어를 사용하십시오. • 타이어의 접지 상태를 수시로
        확인하십시오. • 적정 타이어 공기압을 항상 유지하십시오. • 예비 타이어의 공기압을 점검하십시오. • 장거리 주행 또는 고속
        주행을 하기 전에 타이어 공기압을 반드시 점검하십시오. 공기압이 부족하면 고속 주행 중 스탠딩 웨이브 현상이 일어나 타이어가
        파열될 수 있고, 이는 차량 전복 등의 사고로 이어질 수 있습니다. 스탠딩 웨이브(Standing Wave) 현상: 타이어
        공기압이 부족한 상태에서 고속으로 주행하면 타이어에 물결처럼 주름이 접히는 현상을 말합니다. 이 현상이 계속되면 타이어가 단시간에
        파열됩니다.
      - >-
        어린이 보조 좌석 설치 금지: 승객 구분 센서의 유무와 상관없이 동승석에는 어린이 보조 좌석을 설치하지 마십시오. 동승석 에어백이
        팽창할 때 보조 좌석이 적정한 위치에서 벗어나거나 제대로 고정되지 못해 어린이가 큰 부상을 입을 수 있습니다.
pipeline_tag: sentence-similarity
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
model-index:
  - name: SentenceTransformer based on BAAI/bge-m3
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: cosine_accuracy@1
            value: 0.028925619834710745
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.7363636363636363
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.8495867768595041
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.9305785123966942
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.028925619834710745
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.24545454545454545
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.1699173553719008
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.0930578512396694
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.028925619834710745
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.7363636363636363
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.8495867768595041
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.9305785123966942
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.5506015928660151
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.4220211858848228
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.42486745913448104
            name: Cosine Map@100

SentenceTransformer based on BAAI/bge-m3

This is a sentence-transformers model finetuned from BAAI/bge-m3. It maps sentences & paragraphs to a 1024-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: BAAI/bge-m3
Maximum Sequence Length: 8192 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity

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': 8192, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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})
  (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 = [
    '어린이 보조 좌석을 동승석에 설치하지 말아야 하는 이유는 무엇인가요?',
    '어린이 보조 좌석 설치 금지: 승객 구분 센서의 유무와 상관없이 동승석에는 어린이 보조 좌석을 설치하지 마십시오. 동승석 에어백이 팽창할 때 보조 좌석이 적정한 위치에서 벗어나거나 제대로 고정되지 못해 어린이가 큰 부상을 입을 수 있습니다.',
    '디지털 키가 등록되어 있습니다: 차량 스마트폰 키 또는 카드 키가 등록되어 있을 때 차량 전원을 켜면 이 경고문이 4초 동안 표시됩니다. 스마트폰 키 또는 카드 키가 등록되지 않은 경우는 경고문이 표시되지 않습니다.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Information Retrieval

Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.0289
cosine_accuracy@3	0.7364
cosine_accuracy@5	0.8496
cosine_accuracy@10	0.9306
cosine_precision@1	0.0289
cosine_precision@3	0.2455
cosine_precision@5	0.1699
cosine_precision@10	0.0931
cosine_recall@1	0.0289
cosine_recall@3	0.7364
cosine_recall@5	0.8496
cosine_recall@10	0.9306
cosine_ndcg@10	0.5506
cosine_mrr@10	0.422
cosine_map@100	0.4249

Training Details

Training Dataset

Unnamed Dataset

Size: 1,634 training samples
Columns: sentence_0 and sentence_1
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1
type string string
details
min: 10 tokens
mean: 23.95 tokens
max: 58 tokens

min: 14 tokens
mean: 205.23 tokens
max: 2889 tokens

	sentence_0	sentence_1
type	string	string
details	min: 10 tokens mean: 23.95 tokens max: 58 tokens	min: 14 tokens mean: 205.23 tokens max: 2889 tokens

Samples:

sentence_0	sentence_1
`상향등을 자동으로 끄기 위해서는 스위치를 어떻게 조작해야 하나요?`	`전조등 사용 시 주의사항: • 상향등 사용은 다른 운전자의 시야를 방해할 수 있으므로, 마주오는 차가 있거나 앞차가 있을 경우 사용하지 마십시오. • 상향등을 자동으로 끄려면 스위치를 계기판 방향으로 밀어 중앙 위치로 원위치시키십시오.`
`비상 경보 버튼을 얼마나 길게 눌러야 비상 경고등과 경보음이 작동합니까?`	`비상경보(알람) 기능: 비상 경보 버튼을 1초 이상 길게 누르면 비상 경고등 및 경보음이 약 30초 동안 작동합니다. 스마트 키 버튼 중 하나를 누르면 작동이 멈춥니다.`
`LPI 차량의 엔진 시동을 걸기 전에 어떤 과정을 통해 연료펌프가 작동하는지 설명하시오.`	LPI 차량: LPI 차량은 시동 전에 액화된 LPG를 엔진에 원활하게 공급하기 위해 일정한 압력이 형성되면 시동을 걸어야 합니다. 다음과 같이 하십시오. 5-1. 엔진 시동 스위치를 ‘ON’ 위치로 하면 계기판의 표시등이 켜진 후 꺼집니다. 단, 시동 스위치 ‘OFF’ 후 짧은 시간 내에 다시 ‘ON’ 위치로 돌렸을 때는 켜지지 않을 수도 있습니다. 약 12초간 연료펌프 작동 소리가 발생하나, 시동 성능 향상을 위한 것으로 차량과 부품의 품질 및 성능에는 이상이 없습니다. 5-2. 반드시 계기판의 시동 대기 표시등이 꺼진 후 23초 이내에 엔진 시동을 거십시오. 5-3. 시간이 지난 후 시동을 걸면 시동이 지연될 수 있습니다. 이 경우 엔진 시동 스위치를 ‘OFF’ 한 후에 상기 과정을 통해 다시 시동을 거십시오. 자동 변속기 차량: 6. 변속 레버 또는 버튼을 'P'(주차) 위치로 놓은 후 브레이크 페달을 밟고 계십시오. 'N'(중립) 위치에서도 시동을 걸 수 있으나, 안전을 위해 'P' 위치에서만 시동을 거십시오. 변속 잠금장치(Shift Lock)가 장착된 차량은 브레이크 페달을 밟아야만 ‘P’(주차)단에서 ‘R’(후진), ‘N’(중립), ‘D’(주행)단으로 변속됩니다. 7. 시동 스위치를 ‘START’ 위치까지 돌리고 엔진 시동이 걸리면 (최대 10초까지) 키에서 손을 떼십시오. 아주 추운 날씨(-18℃ 이하) 또는 며칠 동안 차량을 사용하지 않았을 때는 가속 페달을 밟지 않은 상태로 엔진이 따뜻하게 될 때까지 기다리십시오. 엔진이 차가운 상태이거나 뜨거운 상태라도 가속 페달을 밟지 않은 상태에서 시동을 거십시오. 8. 출발할 때는 브레이크 페달을 계속 밟은 상태에서 엔진 회전이 적정 범위(1,000 RPM)에 있는지 확인하신 후 변속하십시오. 9. 주차 브레이크를 해제시킨 다음, 브레이크 페달에서 발을 떼어 차량이 서서히 움직이는 것을 확인하신 후에 가속 페달을 밟아 천천히 출발하십시오. 10. 엔진의 온도를 올리기 위해 정차 상태에서 공회전을 ...

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 5
per_device_eval_batch_size: 5
num_train_epochs: 40
fp16: True
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 5
per_device_eval_batch_size: 5
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: 40
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: 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: None
hub_always_push: False
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
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin

Training Logs

Click to expand

Epoch	Step	Training Loss	cosine_ndcg@10
0.4587	50	-	0.5775
0.9174	100	-	0.5777
1.0	109	-	0.5778
1.3761	150	-	0.5794
1.8349	200	-	0.5862
2.0	218	-	0.5854
2.2936	250	-	0.5846
2.7523	300	-	0.5861
3.0	327	-	0.5856
3.2110	350	-	0.5810
3.6697	400	-	0.5813
4.0	436	-	0.5859
4.1284	450	-	0.5867
4.5872	500	0.0692	0.5870
5.0	545	-	0.5823
5.0459	550	-	0.5829
5.5046	600	-	0.5870
5.9633	650	-	0.5849
6.0	654	-	0.5863
6.4220	700	-	0.5856
6.8807	750	-	0.5722
7.0	763	-	0.5774
7.3394	800	-	0.5855
7.7982	850	-	0.5781
8.0	872	-	0.5821
8.2569	900	-	0.5798
8.7156	950	-	0.5827
9.0	981	-	0.5778
9.1743	1000	0.023	0.5701
9.6330	1050	-	0.5830
10.0	1090	-	0.5805
10.0917	1100	-	0.5801
10.5505	1150	-	0.5832
11.0	1199	-	0.5832
11.0092	1200	-	0.5859
11.4679	1250	-	0.5707
11.9266	1300	-	0.5739
12.0	1308	-	0.5774
12.3853	1350	-	0.5790
12.8440	1400	-	0.5762
13.0	1417	-	0.5785
13.3028	1450	-	0.5735
13.7615	1500	0.0184	0.5716
14.0	1526	-	0.5817
14.2202	1550	-	0.5706
14.6789	1600	-	0.5720
15.0	1635	-	0.5729
15.1376	1650	-	0.5681
15.5963	1700	-	0.5725
16.0	1744	-	0.5720
16.0550	1750	-	0.5691
16.5138	1800	-	0.5644
16.9725	1850	-	0.5637
17.0	1853	-	0.5633
17.4312	1900	-	0.5662
17.8899	1950	-	0.5580
18.0	1962	-	0.5674
18.3486	2000	0.0151	0.5707
18.8073	2050	-	0.5681
19.0	2071	-	0.5747
19.2661	2100	-	0.5653
19.7248	2150	-	0.5561
20.0	2180	-	0.5582
20.1835	2200	-	0.5657
20.6422	2250	-	0.5654
21.0	2289	-	0.5645
21.1009	2300	-	0.5613
21.5596	2350	-	0.5668
22.0	2398	-	0.5652
22.0183	2400	-	0.5666
22.4771	2450	-	0.5656
22.9358	2500	0.012	0.5581
23.0	2507	-	0.5613
23.3945	2550	-	0.5638
23.8532	2600	-	0.5666
24.0	2616	-	0.5574
24.3119	2650	-	0.5620
24.7706	2700	-	0.5657
25.0	2725	-	0.5601
25.2294	2750	-	0.5612
25.6881	2800	-	0.5610
26.0	2834	-	0.5631
26.1468	2850	-	0.5578
26.6055	2900	-	0.5596
27.0	2943	-	0.5602
27.0642	2950	-	0.5547
27.5229	3000	0.0108	0.5567
27.9817	3050	-	0.5609
28.0	3052	-	0.5635
28.4404	3100	-	0.5630
28.8991	3150	-	0.5547
29.0	3161	-	0.5531
29.3578	3200	-	0.5602
29.8165	3250	-	0.5496
30.0	3270	-	0.5463
30.2752	3300	-	0.5580
30.7339	3350	-	0.5532
31.0	3379	-	0.5540
31.1927	3400	-	0.5529
31.6514	3450	-	0.5478
32.0	3488	-	0.5520
32.1101	3500	0.01	0.5543
32.5688	3550	-	0.5507
33.0	3597	-	0.5425
33.0275	3600	-	0.5463
33.4862	3650	-	0.5608
33.9450	3700	-	0.5464
34.0	3706	-	0.5518
34.4037	3750	-	0.5572
34.8624	3800	-	0.5571
35.0	3815	-	0.5517
35.3211	3850	-	0.5497
35.7798	3900	-	0.5540
36.0	3924	-	0.5483
36.2385	3950	-	0.5499
36.6972	4000	0.0107	0.5523
37.0	4033	-	0.5547
37.1560	4050	-	0.5488
37.6147	4100	-	0.5435
38.0	4142	-	0.5534
38.0734	4150	-	0.5511
38.5321	4200	-	0.5506
38.9908	4250	-	0.5467
39.0	4251	-	0.5485
39.4495	4300	-	0.5460
39.9083	4350	-	0.5469
40.0	4360	-	0.5506

Framework Versions

Python: 3.10.16
Sentence Transformers: 4.1.0
Transformers: 4.52.3
PyTorch: 2.7.0+cu126
Accelerate: 1.7.0
Datasets: 3.6.0
Tokenizers: 0.21.1

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}
}