Hugging Face's logo

kangsyahrul
/
xls-maya-retrieval-embeddinggemma-v1

Sentence Similarity
sentence-transformers
Safetensors
Indonesian
gemma3_text
feature-extraction
dense
Generated from Trainer
dataset_size:4835
loss:CachedMultipleNegativesRankingLoss
Model card Files
xet
Community

EmbeddingGemma-300m trained on the XLSMART Customer Service (Maya) Dataset

This is a sentence-transformers model finetuned from google/embeddinggemma-300m 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: google/embeddinggemma-300m
  • Maximum Sequence Length: 2048 tokens
  • Output Dimensionality: 768 dimensions
  • Similarity Function: Cosine Similarity
  • Training Dataset:
    • json
  • Language: id
  • License: apache-2.0

Model Sources

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("kangsyahrul/xls-maya-retrieval-embeddinggemma-v1")
# Run inference
queries = [
    "Berapa kuota untuk negara transit pada semua paket Umroh Plus Gift?",
]
documents = [
    'Paket Tambahan: Umrah Plus Booster dan Gift\nPaket tambahan dan fitur gift untuk Paket Umrah Plus XL\n### Paket Umrah Plus Booster\n\n| Package | Kuota Arab Saudi | Kuota Arab Saudi + Negara Transit | Price | Masa aktif |\n|---------|------------------|-----------------------------------|-------|------------|\n| Internet Umroh Plus + Booster 1GB (di Arab Saudi) | 1GB | - | Rp 35.000 | Mengikuti masa aktif paket utama (Paket Umroh Plus) |\n| Internet Umroh Plus + Booster 1GB (di Arab Saudi & Negara Transit) | - | 1GB | Rp60.000 | Mengikuti masa aktif paket utama (Paket Umroh Plus) |\n\n### Umroh Plus Gift\n\n| Paket | Quota Arab Saudi | Quota Arab Saudi + Negara Transit | Price | Masa Aktif (Hari) |\n|-------|------------------|-----------------------------------|-------|--------------------|  \n| Internet Umrah Plus 6GB | 5GB | 1GB | Rp245.000 | 10 |\n| Internet Umrah Plus 10GB | 9GB | 1GB | Rp325.000 | 15 |\n| Internet Umrah Plus 10GB | 9GB | 1GB | Rp350.000 | 20 |',
    'Syarat dan Ketentuan Paket Edukasi\nKetentuan lengkap untuk paket Edukasi XL termasuk daftar lengkap website dan aplikasi yang didukung\n### Syarat & Ketentuan Paket Edukasi\n\n1. Berlaku untuk pelanggan prabayar XL.\n2. Kuota paket dapat digunakan di semua jaringan.\n3. Jika kuota paket sudah habis, maka pelanggan akan dikenakan tarif dasar internet.\n4. Tidak berlaku perpanjangan otomatis jika masa berlaku paket sudah selesai.\n5. Daftar aplikasi yang bisa diakses dengan kuota Paket Edukasi:\n   • **Website Pemerintah:** Rumah Belajar Kemendikbud, Spada Indonesia Kemendikbud\n   • **Aplikasi belajar online:** Ruangguru, Zenius, Sekolahmu, Udemy, Skill Academy\n   • **Portal Universitas:** UI, ITB, UNPAD, UNDIP, Universitas Atma Jaya, Universitas Hasannudin, UGM, Universitas Negeri Semarang, ITS, Universitas Udayana, Universitas Brawijaya, Universitas Airlangga, Universitas Tanjung Pura, Universitas Sebelas Maret, Universitas Nusa Cendana Kupang, Institut Pertanian Bogor, Universitas Muhamadyah Surakarta, Universitas Islam Negeri Sunan Gunung Djati Bandung, UNIKOM, UNIKA Soegijapranata Semarang, LSPR Communication & Business Institute, Universitas Islam Bandung, Universitas Islam Sultan Agung Semarang, Universitas Andalas, Politeknik Negeri Bandung, Institut Seni Yogyakarta, Universitas Jenderal Soedirman, Universitas Teknologi Yogyakarta, IIK Bhakti Wiyata, STEKOM, Universitas Aisyiyah Yogyakarta, Universitas Politenik APP Jakarta, STMIK Indonesia Padang, Universitas Pamulang, Universitas Terbuka, Politeknik Negeri Batam.',
    'Viu Premium - Syarat Ketentuan dan Detail Paket Lengkap\nInformasi lengkap paket Viu Premium XL dengan tiga pilihan durasi berlangganan dan kuota data yang disertakan\n# Viu Premium\n\n## Syarat dan Ketentuan\n\n• Akses premium untuk menonton drama Korea, serial original VIU, Anime, Asian Series dalam format HD dan dilengkapi subtitles.\n\n## Detail Paket\n\n| Paket | Harga |\n|-------|-------|\n| VIU 30 Hari + 5GB | Rp. 54,000 |\n| VIU 7 Hari + 3GB | Rp. 7,500 |\n| VIU 1 Hari + 500MB | Rp. 1,500 |\n\n**Note:** Harga yang tertera merupakan harga normal dan dapat berubah sewaktu-waktu, untuk harga promo silakan cek pada aplikasi myXL.',
]
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([[0.6162, 0.0363, 0.0146]])

Training Details

Training Dataset

json

  • Dataset: json
  • Size: 4,835 training samples
  • Columns: query and passage
  • Approximate statistics based on the first 1000 samples:
    query passage
    type string string
    details
    • min: 7 tokens
    • mean: 16.34 tokens
    • max: 36 tokens
    • min: 28 tokens
    • mean: 223.26 tokens
    • max: 991 tokens
  • Samples:
    query passage
    Kuota Utama bisa dipakai di jaringan apa saja? Syarat dan Ketentuan Lengkap Paket Xtra Kuota Utama
    ## Syarat dan Ketentuan

    1. Paket berlaku untuk pelanggan Prabayar XL
    2. Paket hanya tersedia di aplikasi myXL
    3. Tidak berlaku perpanjangan otomatis
    4. Kuota Utama berlaku Nasional dan disemua jaringan
    5. Paket Xtra Kuota Utama bersifat personal, yang mana memungkinkan pelanggan akan mendapatkan harga dan benefit yang berbeda sesuai dengan riwayat penggunaan pelanggan dalam bulan-bulan sebelumnya.
    6. Jika pelanggan membeli paket Xtra Kuota Utama lebih dari 1, maka:
    1. Kuota akan terkaumulasi
    2. Sisa masa aktif Paket akan diakumulasikan dengan masa aktif paket terbaru
    Bisakah nonton drama Korea dengan Vidio Platinum? Vidio Platinum - Syarat Ketentuan dan Akses Premium
    # Vidio Platinum

    ## Syarat dan Ketentuan

    • Akses premium untuk menonton Olahraga Lokal & Internasional (tidak termasuk Premier League, Serie A, F1, BWF, SPOTV, dan TVOD), Serial Original Vidio, Hollywood, Korea, Anime, Film Indonesia Pilihan, dan lain sebagainya.

    • Akses untuk menonton Vidio di ponsel, tablet, web, dan TV.
    Di mana saya bisa membeli kartu perdana XL? Cara Pembelian Kartu Perdana SIM Fisik dan eSIM
    ## Mekanisme dan Metode Pembayaran

    ### Kartu perdana SIM Fisik:

    1. Kunjungi store.xl.co.id
    2. Pilih tipe kartu perdana Kartu SIM
    3. Pilih paket
    4. Pilih pengiriman (Isi alamat/lokasi)
    5. Pilih jasa ekspedisi
    6. Isi data diri
    7. Cek detail pesanan
    8. Klik menyetujui kebijakan privasi dan syarat ketentuan
    9. Pilih metode pembayaran
    10. Lakukan pembayaran

    ### eSIM:

    1. Kunjungi store.xl.co.id
    2. Pilih tipe kartu perdana eSIM
    3. Pilih paket
    4. Pilih nomor (3 digit angka favorit)
    5. Isi data diri
    6. Cek detail pesanan
    7. Klik menyetujui kebijakan privasi dan syarat ketentuan
    8. Pilih metode pembayaran
    9. Lakukan pembayaran
  • Loss: CachedMultipleNegativesRankingLoss with these parameters:
    {
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "mini_batch_size": 8,
    "gather_across_devices": false
}

Evaluation Dataset

json

  • Dataset: json
  • Size: 1,209 evaluation samples
  • Columns: query and passage
  • Approximate statistics based on the first 1000 samples:
    query passage
    type string string
    details
    • min: 7 tokens
    • mean: 16.41 tokens
    • max: 39 tokens
    • min: 28 tokens
    • mean: 230.6 tokens
    • max: 991 tokens
  • Samples:
    query passage
    Berapa lama masa aktif Bonus Kuota Aplikasi? Ketentuan Bonus Kuota Aplikasi dan Kuota Lokal
    9. Bonus Kuota Aplikasi
    a) Bonus Kuota Aplikasi dapat dipilih dan ditukarkan pada halaman Bonus setelah pembelian paket Xtra Combo Plus berhasil
    b) Masa aktif Bonus Kuota Aplikasi mengikuti paket Xtra Combo Plus/ Xtra Combo VIP Plus

    10. Bonus Kuota Lokal
    - Bonus Kuota Lokal hanya dapat ditemukan dan digunakan oleh pelanggan yang berada di kota tertentu
    - Bonus Kuota Lokal yang didapatkan pelanggan berbeda-beda tergantung lokasi aktivasi & waktu pembelian paket
    - Informasi jumlah Bonus Kuota Lokal dapat dilihat dengan memilih varian Xtra Combo Plus atau Xtra Combo VIP Plus di aplikasi myXL
    - Kuota Lokal yang dapat digunakan dapat berubah sesuai dengan lokasi kota keberadaan pelanggan pada saat menggunakan paket Xtra Combo Plus/ Xtra Combo VIP Plus (Live Area)
    Setelah pilih menu Beli Paket, ke mana saya harus pergi selanjutnya? Cara Membeli Voucher Garena Shell di Aplikasi myXL
    Panduan lengkap langkah-langkah pembelian Voucher Garena Shell melalui aplikasi myXL
    ## Mekanisme

    ### Cara beli paket Garena Shell di aplikasi myXL:

    1. Buka aplikasi myXL
    2. Pilih menu Beli Paket
    3. Pilih Add On
    4. Pilih Hiburan
    5. Pilih Garena Shell
    6. Pilih varian voucher
    7. Klik Aktifkan
    8. Pilih Metode pembayaran
    9. Klik Konfirmasi
    Berapa persen biaya pinjam yang dikenakan untuk Pulsa Darurat? Syarat dan Ketentuan Lengkap Pulsa Darurat AXIS
    ## Syarat dan ketentuan Pulsa Darurat

    1. Pulsa darurat tersedia di beberapa channel berikut:
    • Aplikasi AXISnet terbaru
    • UMB *811#
    • SMS penawaran

    2. Pulsa Darurat hanya berlaku untuk pelanggan AXIS terpilih

    3. Pulsa Darurat dapat digunakan untuk nelpon, SMS, internet, layanan VAS dan aktivasi paket

    4. Masa berlaku Pulsa Darurat akan mengikuti syarat dan ketentuan yang ada

    5. Saldo minimal pelanggan setelah pembayaran Pulsa Darurat adalah Rp 2.000

    6. Pembayaran Pulsa Darurat akan terpotong otomatis saat pengisian ulang pulsa berikutnya (termasuk biaya pinjam 25%)

    7. Jumlah Pulsa Darurat yang dapat diambil dapat berbeda-beda untuk setiap pengguna sesuai dengan profile.
  • 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: 64
  • per_device_eval_batch_size: 64
  • learning_rate: 2e-05
  • warmup_ratio: 0.1
  • fp16: True
  • prompts: {'query': 'task: search result | query: ', 'passage': 'title: none | text: '}
  • batch_sampler: no_duplicates

All Hyperparameters

Click to expand
  • overwrite_output_dir: False
  • do_predict: False
  • eval_strategy: steps
  • prediction_loss_only: True
  • per_device_train_batch_size: 64
  • per_device_eval_batch_size: 64
  • 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: 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}
  • parallelism_config: 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
  • 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: {'query': 'task: search result | query: ', 'passage': 'title: none | text: '}
  • batch_sampler: no_duplicates
  • multi_dataset_batch_sampler: proportional
  • router_mapping: {}
  • learning_rate_mapping: {}

Training Logs

Epoch Step Training Loss Validation Loss
0.2632 20 0.6088 -
0.5263 40 0.4443 -
0.6579 50 - 0.4595
0.7895 60 0.4892 -
1.0526 80 0.3892 -
1.3158 100 0.3094 0.4127
1.5789 120 0.2771 -
1.8421 140 0.2471 -
1.9737 150 - 0.3795
2.1053 160 0.2153 -
2.3684 180 0.172 -
2.6316 200 0.1712 0.3683
2.8947 220 0.1693 -

Framework Versions

  • Python: 3.10.18
  • Sentence Transformers: 5.1.1
  • Transformers: 4.57.0.dev0
  • PyTorch: 2.6.0+cu124
  • Accelerate: 1.10.1
  • Datasets: 3.6.0
  • Tokenizers: 0.22.1

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",
}

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}
}
Downloads last month
63
Safetensors
Model size
0.3B params
Tensor type
F32
·
Inference Providers NEW
Sentence Similarity
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for kangsyahrul/xls-maya-retrieval-embeddinggemma-v1

Base model

google/embeddinggemma-300m
Finetuned
(104)
this model