File size: 35,891 Bytes
1304a7f 6e18f0d 1304a7f |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 |
---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:100000
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: DeepMount00/ModernBERT-base-ita
widget:
- source_sentence: effetti dell'ipotiroidismo sul corpo
sentences:
- Con l'ipotiroidismo, invece, la temperatura corporea tende a diminuire a causa
di una carenza di ormone tiroideo. Un piccolo aumento o diminuzione dei livelli
della tiroide può modificare la temperatura corporea abbastanza da influenzare
significativamente i livelli di proteine nel sangue. Come l'ipotiroidismo influisce
sulla temperatura interna. I sintomi dell'ipotiroidismo includono costipazione,
affaticamento, dolori articolari o muscolari e persino depressione.
- Organum Harmony una prima forma di polifonia Anonimo IV Ha scritto la vecchia
teoria musicale dal MUSC 118 alla Eastern Michigan University
- Se stai cercando informazioni su quando la tiroide produce troppo ormone tiroideo,
vedi l'argomento Ipertiroidismo. L'ipotiroidismo significa che la tiroide non
produce abbastanza ormone tiroideo. La tiroide è una ghiandola a forma di farfalla
nella parte anteriore del collo. Produce ormoni che controllano il modo in cui
il tuo corpo usa l'energia. Avere un basso livello di ormone tiroideo colpisce
tutto il tuo corpo. Può farti sentire stanco e debole. Se l'ipotiroidismo non
viene trattato, può aumentare i livelli di colesterolo.
- source_sentence: che ore sono a gilbert az
sentences:
- Principali città vicino a Phoenix, AZ. Questa è una lista delle grandi città più
vicine a Phoenix, AZ. Una grande città di solito ha una popolazione di almeno
200.000 abitanti e spesso puoi volare in un grande aeroporto. Se devi prenotare
un volo, cerca l'aeroporto più vicino a Phoenix, AZ. 19 miglia a Glendale, AZ.
2 11 miglia a Scottsdale, AZ. 3 15 miglia a Mesa, AZ.
- Gli appaltatori indipendenti sono coperti come dipendenti di servizio sotto la
SCA. È responsabilità dell'azienda garantire che gli appaltatori indipendenti
coperti da SCA ricevano i salari e i benefici accessori appropriati. In caso contrario,
la società può essere ritenuta responsabile per eventuali pagamenti insufficienti.
- 'Ora locale attuale: Gilbert, Arizona si trova nel fuso orario delle montagne
Nota: la nazione Navajo nell''Arizona nord-orientale osserva l''ora legale. Gilbert,
Arizona non utilizza l''ora legale. L''ora corrente a Gilbert, Arizona è: lunedì
29/01/2018 19:22 MST Gilbert, Arizona si trova nel fuso orario di montagna e NON
osserva l''ora legale.'
- source_sentence: cos'è un portale di progetto?
sentences:
- La metodologia dei cancelli è un processo di definizione progressiva del progetto
basato su una valutazione pianificata e standardizzata al termine di ogni fase.
Un cancello o un casello è un punto di controllo standardizzato in cui la fase
del progetto viene rivista e/o verificata e approvata (o meno) per continuare
con la fase successiva.
- Lo sviluppo del curriculum è un processo continuo e le modifiche necessarie sono
parte integrante del processo, In. al fine di rendere più reattivo alle mutevoli
esigenze e per garantire la pertinenza. È senza dubbio la realtà. che l'efficace
processo di sviluppo del curriculum può migliorare l'apprendimento dei partecipanti.
- Quando usi la teoria del controllo del cancello per alleviare il disagio del travaglio,
tieni a mente alcune cose. Primo, i nervi di grande diametro si abituano più velocemente
dei nervi di piccolo diametro. Ciò significa che farsi massaggiare la schiena
può funzionare come un incantesimo per una ventina di minuti e poi interrompersi
improvvisamente. Questo è solo il modo in cui il tuo corpo ti dice che è ora di
provare qualcos'altro. In secondo luogo, può essere utile utilizzare tecniche
di visualizzazione o punti focali mentre provi la teoria del cancello perché questo
ti focalizza e può aiutarti a distrarti dal disagio. Quali domande hai sulla teoria
del controllo dei cancelli? Hai applicato i concetti nel tuo lavoro?
- source_sentence: tipo di assicurazione di cui avrò bisogno per gli assistenti d'infanzia
sentences:
- QUIET è un esperimento di astronomia per studiare la polarizzazione della radiazione
cosmica di fondo a microonde. QUIET sta per Q/U Imaging Experiment. La Q/U nel
nome si riferisce alla capacità del telescopio di misurare simultaneamente i parametri
Q e U Stokes. QUIET si trova ad un'altitudine di 5.080 metri (16.700 piedi) presso
l'Osservatorio di Llano de Chajnantor nelle Ande cilene.
- Assicurazione sulla vita del credito = assicurazione a termine decrescente. La
durata del credito è simile a un tipo speciale di assicurazione sulla vita denominata
assicurazione a termine decrescente. • Viene emessa una polizza vita
di credito per un importo pari a quanto devi. Quando il saldo del prestito diminuisce,
diminuisce anche l'importo nominale della polizza sulla vita del credito.
- Childminders v7.0 Aprile 2012 2 Introduzione Gli assistenti all'infanzia sono
generalmente contrattati con i genitori per fornire servizi nei locali degli assistenti
all'infanzia, quindi normalmente non sono dipendenti dei genitori. La maggior
parte degli assistenti d'infanzia sono lavoratori autonomi e sono responsabili
delle proprie imposte sul reddito e dei contributi all'assicurazione nazionale.
Gli assistenti d'infanzia dovranno tenere registri delle entrate e delle spese
aziendali per calcolare i loro profitti e questo opuscolo fornisce informazioni
su come farlo. è un assistente all'infanzia registrato con sede a casa dei genitori
dei bambini. La maggior parte degli assistenti d'infanzia a domicilio sono assunti
dai genitori o dai genitori dei bambini. Ãâ„ locali, quindi normalmente non sono
dipendenti dei genitori. La maggior parte degli assistenti d'infanzia sono lavoratori
autonomi e sono responsabili della propria imposta sul reddito e dei contributi
all'assicurazione nazionale.
- source_sentence: chi canta la canzone che ti ama bella piccola
sentences:
- Who Loves You (canzone) Who Loves You è la canzone del titolo di un album del
1975 dei The Four Seasons. È stato composto da Bob Gaudio e Judy Parker e prodotto
da Gaudio. Ha raggiunto il numero 3 della Billboard Hot 100 nel novembre 1975.
Contenuto.
- Quanto dovrebbe essere ampia un'isola cucina? Molte isole sono di circa 2 o 3
piedi, ma se hai bisogno di più spazio sul bancone, spazio per sedersi, ecc.,
Puoi andare un po' più grande. A volte sono necessari circa 7 piedi se si desidera
un piano cottura o un lavandino nell'isola. Si raccomanda che la tua isola sia
profonda almeno 2 piedi. Lasciare abbastanza spazio su tutti i lati... 3 piedi
di superficie alle estremità dell'isola vanno bene. Ricordate che volete essere
in grado di muovervi facilmente in cucina.
- Io, ti amo come una (canzone d'amore piccola) canzone d'amore, piccola. Io, ti
amo come una (canzone d'amore piccola) canzone d'amore, piccola. Io, ti amo (ti
amo, ti amo) come una canzone d'amore, piccola. E continuo a suonare re-peat-peat-peat-peat-peat-peat
(come una canzone d'amore). [Ponte].
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- cosine_accuracy
model-index:
- name: SentenceTransformer based on DeepMount00/ModernBERT-base-ita
results:
- task:
type: triplet
name: Triplet
dataset:
name: mmarco dev
type: mmarco_dev
metrics:
- type: cosine_accuracy
value: 0.9154999852180481
name: Cosine Accuracy
- task:
type: triplet
name: Triplet
dataset:
name: mmarco test
type: mmarco_test
metrics:
- type: cosine_accuracy
value: 0.9129999876022339
name: Cosine Accuracy
---
<br>
<br>
# SentenceTransformer based on DeepMount00/ModernBERT-base-ita
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [DeepMount00/ModernBERT-base-ita](https://huggingface.co/DeepMount00/ModernBERT-base-ita) on the mmarco 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:** [DeepMount00/ModernBERT-base-ita](https://huggingface.co/DeepMount00/ModernBERT-base-ita) <!-- at revision 488fcf8de13c3a1f6359cf84fc6a0352396accad -->
- **Maximum Sequence Length:** 8192 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- mmarco
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### Full Model Architecture
```
SentenceTransformer(
(0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: ModernBertModel
(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:
```bash
pip install -U sentence-transformers
```
Then you can load this model and run inference.
```python
from sentence_transformers import SentenceTransformer
# Download from the 🤗 Hub
model = SentenceTransformer("ModernBERT-base-ita-embed-mnrl")
# Run inference
sentences = [
'chi canta la canzone che ti ama bella piccola',
'Who Loves You (canzone) Who Loves You è la canzone del titolo di un album del 1975 dei The Four Seasons. È stato composto da Bob Gaudio e Judy Parker e prodotto da Gaudio. Ha raggiunto il numero 3 della Billboard Hot 100 nel novembre 1975. Contenuto.',
"Io, ti amo come una (canzone d'amore piccola) canzone d'amore, piccola. Io, ti amo come una (canzone d'amore piccola) canzone d'amore, piccola. Io, ti amo (ti amo, ti amo) come una canzone d'amore, piccola. E continuo a suonare re-peat-peat-peat-peat-peat-peat (come una canzone d'amore). [Ponte].",
]
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]
```
<!--
### Direct Usage (Transformers)
<details><summary>Click to see the direct usage in Transformers</summary>
</details>
-->
<!--
### Downstream Usage (Sentence Transformers)
You can finetune this model on your own dataset.
<details><summary>Click to expand</summary>
</details>
-->
<!--
### Out-of-Scope Use
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->
## Evaluation
### Metrics
#### Triplet
* Datasets: `mmarco_dev` and `mmarco_test`
* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
| Metric | mmarco_dev | mmarco_test |
|:--------------------|:-----------|:------------|
| **cosine_accuracy** | **0.9155** | **0.913** |
<!--
## Bias, Risks and Limitations
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
-->
<!--
### Recommendations
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
-->
## Training Details
### Training Dataset
#### mmarco
* Dataset: mmarco
* Size: 100,000 training samples
* Columns: <code>query</code>, <code>positive</code>, and <code>negative</code>
* Approximate statistics based on the first 1000 samples:
| | query | positive | negative |
|:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 5 tokens</li><li>mean: 14.64 tokens</li><li>max: 54 tokens</li></ul> | <ul><li>min: 32 tokens</li><li>mean: 131.02 tokens</li><li>max: 401 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 121.47 tokens</li><li>max: 395 tokens</li></ul> |
* Samples:
| query | positive | negative |
|:-------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>cos'è la nuvola elettrica?</code> | <code>Dettagli della Compagnia. Electric Cloud è il leader nell'automazione dei rilasci DevOps. Aiutano le organizzazioni che sviluppano applicazioni Web/IT aziendali, mobili e sistemi embedded a fornire software migliore più velocemente automatizzando e accelerando i processi di creazione, implementazione e rilascio su larga scala.</code> | <code>Registrati per abilitare Cloud Sync e ottieni 200 milioni di spazio cloud GRATIS. Accedi a tutti i documenti in qualsiasi momento su qualsiasi dispositivo solo con l'account connesso. L'offerta speciale per studenti e insegnanti consente agli utenti educativi di ottenere la versione completa e 200M di spazio cloud extra.</code> |
| <code>quali colori si mescolano per creare i colori primari</code> | <code>Attraverso la previsione e la sperimentazione tuo figlio mescola i colori primari (rosso, giallo e blu) per creare colori secondari (arancione, viola e verde). 1 Vernice rossa, gialla e blu (colori primari). La vernice a tempera è una buona opzione perché è lavabile ed è disponibile in colori vivaci. Sei piccoli contenitori per la vernice.</code> | <code>I cubi di Rubik sono stati realizzati praticamente di ogni colore immaginabile. Ho un cubo che è bianco, nero, grigio scuro, argento, grigio chiaro e grigio. Ho visto cubi in 6 colori pastello, in 6 colori primari, ecc. I colori più comuni che ho visto sono bianco, giallo, rosso, arancione, verde e blu, ma li ho visti in molte diverse disposizioni di quei colori.</code> |
| <code>cos'è l'editing genetico di crispr/cas9?</code> | <code>CRISPR/Cas9, una tecnica di editing genetico in grado di mirare e modificare il DNA con un'accuratezza rivoluzionaria, è sia il nuovo tesoro che il più nuovo cattivo della ricerca genetica. Inventato nel 2012 dagli scienziati dell'Università della California, Berkeley, CRISPR/Cas9 ha ricevuto molta attenzione quest'anno. Se gli scienziati sono in grado di definire con precisione l'uso di CRISPR/Cas9 nelle cellule germinali umane, non c'è dubbio che potrebbe conferire grandi benefici. Vale a dire, la tecnologia potrebbe sradicare del tutto malattie ereditarie come la fibrosi cistica, l'anemia falciforme e la malattia di Huntington da una linea familiare.</code> | <code>Un gene può esistere in molte forme diverse, chiamate alleli. Ad esempio, diciamo che c'è un gene che determina il colore dei tuoi capelli. Quel gene può avere molte forme, o alleli: capelli neri, capelli castani, capelli ramati, capelli rossi, capelli biondi, ecc. Erediti un allele per ogni gene da tua madre e uno da tuo padre. Ciascuno dei due alleli che erediti per un gene può essere forte (dominante) o debole (recessivo).</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512,
256,
128,
64
],
"matryoshka_weights": [
1,
1,
1,
1,
1
],
"n_dims_per_step": -1
}
```
### Evaluation Dataset
#### mmarco
* Dataset: mmarco
* Size: 2,000 evaluation samples
* Columns: <code>query</code>, <code>positive</code>, and <code>negative</code>
* Approximate statistics based on the first 1000 samples:
| | query | positive | negative |
|:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 5 tokens</li><li>mean: 14.59 tokens</li><li>max: 37 tokens</li></ul> | <ul><li>min: 30 tokens</li><li>mean: 130.71 tokens</li><li>max: 358 tokens</li></ul> | <ul><li>min: 28 tokens</li><li>mean: 125.86 tokens</li><li>max: 424 tokens</li></ul> |
* Samples:
| query | positive | negative |
|:---------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>dire la differenza corvi e corvi</code> | <code>Alcuni suggerimenti per identificare i corvi: 1 Code più corte e arrotondate e becchi più sottili rispetto ai corvi. 2 Ali più larghe, più corte e meno appuntite dei corvi. 3 corvi americani emettono un gracchiare dal suono chiaro che è più acuto del gracchiare più profondo di un corvo.</code> | <code>Cosa mangia i serpenti a sonagli? Risposta rapida. I serpenti a sonagli sono preda di uccelli rapaci, come gufi, aquile, falchi, corvi, corvi e roadrunner, oltre a volpi, coyote, gatti selvatici, tassi, maiali selvatici, ghiandaie, martin pescatori, tacchini, averle e altri serpenti. I serpenti a sonagli appena nati sono particolarmente suscettibili di essere cacciati.</code> |
| <code>dove si trova sturgis?</code> | <code>Sturgis Township si trova nella contea di St. Joseph, nel Michigan. Sturgis Township ha una popolazione di 2.261 secondo il censimento del 2010. La borgata ha una superficie totale di 18,0 miglia quadrate (46,6 km²), di cui 17,9 miglia quadrate (46,5 km²) di terra e 0,1 miglia quadrate (0,2 km²) (0,39%). ) è acqua.</code> | <code>I tarsali si trovano nella parte superiore dei piedi. Pensa a una gamba dritta come a una L, i tarsali si trovano dove la L si piega per formare un piede.</code> |
| <code>qual è la differenza tra citazione e riferimento?</code> | <code>Poiché citazione e riferimento sono due termini importanti utilizzati nella metodologia di ricerca, la differenza tra questi due termini deve essere compresa chiaramente. La citazione è un riferimento a una fonte pubblicata o inedita. È generalmente un'espressione alfanumerica abbreviata che si trova nelle pagine di una tesi o di una tesi. Una citazione è il modo in cui citi la fonte delle idee all'interno del corpo del documento di ricerca. Il riferimento è le fonti che hai usato per scrivere le fonti. Queste fonti possono includere fonti incluse e consultate.</code> | <code>1 Fare clic all'interno della citazione nel testo per selezionarla. Dovrebbe diventare grigio (a indicare che sono presenti i caratteri di formattazione di EndNote) 2 Fare clic su Modifica e gestisci citazioni. 3 Per la citazione appropriata, fare clic sul pulsante Modifica riferimento e scegliere Rimuovi citazione. Fare clic su OK.</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512,
256,
128,
64
],
"matryoshka_weights": [
1,
1,
1,
1,
1
],
"n_dims_per_step": -1
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `per_device_train_batch_size`: 16
- `per_device_eval_batch_size`: 16
- `learning_rate`: 2e-05
- `num_train_epochs`: 1
- `warmup_ratio`: 0.1
- `fp16`: True
- `load_best_model_at_end`: True
- `batch_sampler`: no_duplicates
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: steps
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 16
- `per_device_eval_batch_size`: 16
- `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`: True
- `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}
- `tp_size`: 0
- `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`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
| Epoch | Step | Training Loss | Validation Loss | mmarco_dev_cosine_accuracy | mmarco_test_cosine_accuracy |
|:---------:|:--------:|:-------------:|:---------------:|:--------------------------:|:---------------------------:|
| -1 | -1 | - | - | 0.5435 | - |
| 0.016 | 100 | 16.5916 | 15.8470 | 0.6420 | - |
| 0.032 | 200 | 13.0209 | 8.9407 | 0.7185 | - |
| 0.048 | 300 | 6.727 | 5.0859 | 0.8205 | - |
| 0.064 | 400 | 4.6045 | 4.1197 | 0.8555 | - |
| 0.08 | 500 | 3.8849 | 3.4283 | 0.8690 | - |
| 0.096 | 600 | 3.4197 | 3.0532 | 0.8765 | - |
| 0.112 | 700 | 3.0235 | 2.7099 | 0.8885 | - |
| 0.128 | 800 | 2.8111 | 2.5212 | 0.8835 | - |
| 0.144 | 900 | 2.8111 | 2.5029 | 0.8985 | - |
| 0.16 | 1000 | 2.2356 | 2.3179 | 0.9020 | - |
| 0.176 | 1100 | 2.3158 | 2.1936 | 0.9080 | - |
| 0.192 | 1200 | 2.1337 | 2.1583 | 0.9050 | - |
| 0.208 | 1300 | 2.1264 | 2.0941 | 0.9050 | - |
| 0.224 | 1400 | 2.0863 | 2.0289 | 0.9055 | - |
| 0.24 | 1500 | 2.068 | 1.9900 | 0.9120 | - |
| 0.256 | 1600 | 1.8163 | 1.8768 | 0.9175 | - |
| 0.272 | 1700 | 1.8163 | 1.8177 | 0.9185 | - |
| 0.288 | 1800 | 1.7721 | 1.7886 | 0.9200 | - |
| **0.304** | **1900** | **1.5577** | **1.7382** | **0.9235** | **-** |
| 0.32 | 2000 | 1.8269 | 1.7232 | 0.9220 | - |
| 0.336 | 2100 | 1.765 | 1.7112 | 0.9155 | - |
| -1 | -1 | - | - | - | 0.9130 |
* The bold row denotes the saved checkpoint.
### Framework Versions
- Python: 3.11.11
- Sentence Transformers: 4.1.0.dev0
- Transformers: 4.52.0.dev0
- PyTorch: 2.6.0+cu124
- Accelerate: 1.5.2
- Datasets: 3.5.0
- Tokenizers: 0.21.1
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@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",
}
```
#### MatryoshkaLoss
```bibtex
@misc{kusupati2024matryoshka,
title={Matryoshka Representation Learning},
author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
year={2024},
eprint={2205.13147},
archivePrefix={arXiv},
primaryClass={cs.LG}
}
```
#### MultipleNegativesRankingLoss
```bibtex
@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}
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
--> |