SentenceTransformer based on intfloat/multilingual-e5-large-instruct

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-large-instruct. 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: intfloat/multilingual-e5-large-instruct
Maximum Sequence Length: 512 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': 512, 'do_lower_case': False, 'architecture': 'XLMRobertaModel'})
  (1): Pooling({'word_embedding_dimension': 1024, '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): 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 = [
    'Instruct: Với một truy vấn về luật Việt Nam, truy xuất các đoạn văn liên quan có chứa câu trả lời cho truy vấn đó.\nQuery: Tự ý mở liveshow ca nhạc biểu diễn tại nhà bị phạt bao nhiêu tiền?',
    '1. Phạt tiền từ 5.000.000 đồng đến 10.000.000 đồng đối với một trong các hành vi sau đây:\t\ta) Kê khai không trung thực trong hồ sơ đề nghị chấp thuận tổ chức biểu diễn nghệ thuật, tổ chức cuộc thi, liên hoan các loại hình nghệ thuật biểu diễn;\t\tb) Thực hiện không đúng thông báo với cơ quan nhà nước có thẩm quyền theo quy định tổ chức biểu diễn nghệ thuật, tổ chức cuộc thi, liên hoan các loại hình nghệ thuật biểu diễn phục vụ nhiệm vụ chính trị; phục vụ nội bộ cơ quan và tổ chức; \t\tc) Thực hiện không đúng thông báo với cơ quan nhà nước có thẩm quyền theo quy định tổ chức biểu diễn nghệ thuật phục vụ tại các cơ sở kinh doanh dịch vụ du lịch, vui chơi, giải trí, nhà hàng không bán vé xem biểu diễn nghệ thuật.\n2. Phạt tiền từ 10.000.000 đồng đến 15.000.000 đồng đối với một trong các hành vi sau đây:\t\ta) Tổ chức biểu diễn nghệ thuật, tổ chức cuộc thi, liên hoan các loại hình nghệ thuật biểu diễn không đúng nội dung ghi trong văn bản chấp thuận; \t\tb) Tẩy xóa, sửa chữa hoặc bổ sung làm thay đổi nội dung trong văn bản chấp thuận tổ chức biểu diễn nghệ thuật, tổ chức cuộc thi, liên hoan các loại hình nghệ thuật;\t\tc) Không thông báo với cơ quan nhà nước có thẩm quyền theo quy định tổ chức biểu diễn nghệ thuật, tổ chức cuộc thi, liên hoan các loại hình nghệ thuật biểu diễn phục vụ nhiệm vụ chính trị; phục vụ nội bộ cơ quan và tổ chức; \t\td) Không thông báo với cơ quan nhà nước có thẩm quyền theo quy định tổ chức biểu diễn nghệ thuật phục vụ tại các cơ sở kinh doanh dịch vụ du lịch, vui chơi, giải trí, nhà hàng không bán vé xem biểu diễn nghệ thuật.\n3. Phạt tiền từ 15.000.000 đồng đến 20.000.000 đồng đối với một trong các hành vi sau đây:\t\ta) Không thu hồi danh hiệu, giải thưởng cuộc thi, liên hoan các loại hình nghệ thuật biểu diễn khi đã có văn bản yêu cầu thu hồi của cơ quan nhà nước có thẩm quyền;\t\tb) Không công bố công khai trên các phương tiện thông tin đại chúng về việc thu hồi danh hiệu, giải thưởng cuộc thi, liên hoan các loại hình nghệ thuật biểu diễn;\t\tc) Sử dụng danh hiệu, giải thưởng cuộc thi, liên hoan các loại hình nghệ thuật biểu diễn sau khi bị thu hồi hoặc có quyết định hủy kết quả cuộc thi, liên hoan các loại hình nghệ thuật biểu diễn.',
    '1. Quyền của đơn vị quản lý, vận hành:  \t\ta) Được thanh toán đúng và đủ các chi phí theo quy định trong hợp đồng;  \t\tb) Đề nghị cơ quan nhà nước có thẩm quyền xem xét sửa đổi, bổ sung các quy chuẩn kỹ thuật, tiêu chuẩn có liên quan đến chiếu sáng công cộng đô thị;  \t\tc) Được quyền tham gia ý kiến vào việc lập quy hoạch chiếu sáng đô thị trên địa bàn được giao quản lý; tham gia nghiên cứu khoa học; thực hiện các dịch vụ về tư vấn, thiết kế, xây dựng chiếu sáng đô thị; nghiên cứu ứng dụng công nghệ mới trong chiếu sáng công cộng, trong quản lý, vận hành hệ thống chiếu sáng công cộng đô thị.  \n\n2. Trách nhiệm của đơn vị quản lý, vận hành:  \t\ta) Đảm bảo thực hiện đúng nhiệm vụ; các quy định về quản lý, vận hành đã cam kết trong hợp đồng;  \t\tb) Báo cáo định kỳ tới chính quyền đô thị và cơ quan chuyên môn về quản lý, vận hành hệ thống chiếu sáng công cộng đô thị do mình được giao;  \t\tc) Tổ chức triển khai thực hiện kế hoạch đầu tư phát triển chiếu sáng công cộng đô thị đã được phê duyệt;  \t\td) Quản lý tài sản được đầu tư từ nguồn vốn ngân sách nhà nước theo hợp đồng ký kết với chính quyền đô thị;  \t\tđ) Bảo vệ hệ thống chiếu sáng công cộng đô thị trên địa bàn được giao quản lý.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.7233, 0.1076],
#         [0.7233, 1.0000, 0.1383],
#         [0.1076, 0.1383, 1.0000]])

Training Details

Training Dataset

Unnamed Dataset

Size: 2,864 training samples
Columns: sentence_0, sentence_1, and label
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1 label
type string string float
details
min: 41 tokens
mean: 55.63 tokens
max: 87 tokens

min: 21 tokens
mean: 301.62 tokens
max: 512 tokens

min: 1.0
mean: 1.0
max: 1.0

	sentence_0	sentence_1	label
type	string	string	float
details	min: 41 tokens mean: 55.63 tokens max: 87 tokens	min: 21 tokens mean: 301.62 tokens max: 512 tokens	min: 1.0 mean: 1.0 max: 1.0

Samples:

sentence_0	sentence_1	label
`Instruct: Với một truy vấn về luật Việt Nam, truy xuất các đoạn văn liên quan có chứa câu trả lời cho truy vấn đó. Query: Quy định về bồi thường thiệt hại do hành vi dẫn nước mưa qua nhà hàng xóm gây ra ra sao?`	1. Phạt tiền từ 2.000.000 đồng đến 3.000.000 đồng đối với một trong những hành vi sau đây: a) Trộm cắp tài sản, xâm nhập vào khu vực nhà ở, kho bãi hoặc địa điểm khác thuộc quản lý của người khác nhằm mục đích trộm cắp, chiếm đoạt tài sản; b) Công nhiên chiếm đoạt tài sản; c) Dùng thủ đoạn gian dối hoặc bỏ trốn để chiếm đoạt tài sản hoặc đến thời điểm trả lại tài sản do vay, mượn, thuê tài sản của người khác hoặc nhận được tài sản của người khác bằng hình thức hợp đồng, mặc dù có điều kiện, khả năng nhưng cố tình không trả; d) Không trả lại tài sản cho người khác do vay, mượn, thuê tài sản của người khác hoặc nhận được tài sản của người khác bằng hình thức hợp đồng nhưng sử dụng tài sản đó vào mục đích bất hợp pháp dẫn đến không có khả năng trả lại tài sản; đ) Thiếu trách nhiệm gây thiệt hại đến tài sản của Nhà nước, cơ quan, tổ chức, doanh nghiệp. 2. Phạt tiền từ 3.000.000 đồng đến 5.000.000 đồng đối với một trong những hành vi sau đây: a) Hủy hoại hoặc cố ý làm hư hỏng tài sản...	`1.0`
`Instruct: Với một truy vấn về luật Việt Nam, truy xuất các đoạn văn liên quan có chứa câu trả lời cho truy vấn đó. Query: Tôi muốn tìm hiểu một công chứng viên hướng dẫn tối đa bao nhiêu người tập sự hành nghề công chứng, công chứng viên hướng dẫn nhiều người tập sự có bị xử phạt không?`	1. Phạt tiền từ 1.000.000 đồng đến 3.000.000 đồng đối với một trong các hành vi sau: a) Không đánh số thứ tự từng trang đối với văn bản công chứng có từ 02 trang trở lên; b) Công chứng hợp đồng, giao dịch trong trường hợp phiếu yêu cầu công chứng không đầy đủ nội dung theo quy định; c) Không mang theo thẻ công chứng viên khi hành nghề; d) Tham gia không đầy đủ nghĩa vụ bồi dưỡng nghiệp vụ công chứng hằng năm theo quy định. 2. Phạt tiền từ 3.000.000 đồng đến 7.000.000 đồng đối với một trong các hành vi sau: a) Công chứng ngoài trụ sở của tổ chức hành nghề công chứng không đúng quy định; b) Công chứng không đúng thời hạn quy định; c) Sửa lỗi kỹ thuật văn bản công chứng không đúng quy định; d) Sách nhiễu, gây khó khăn cho người yêu cầu công chứng; đ) Từ chối yêu cầu công chứng mà không có lý do chính đáng; e) Không dùng tiếng nói hoặc chữ viết là tiếng Việt; g) Không tham gia tổ chức xã hội - nghề nghiệp của công chứng viên; h) Hướng dẫn nhiều hơn 02 người tập sự tại cùng một ...	`1.0`
`Instruct: Với một truy vấn về luật Việt Nam, truy xuất các đoạn văn liên quan có chứa câu trả lời cho truy vấn đó. Query: Trách nhiệm của người nhận bảo lãnh Chính phủ ra sao?`	1. Người cho vay (người nhận bảo lãnh) có trách nhiệm hợp tác chặt chẽ với Bộ Tài chính trong quá trình đàm phán Thư bảo lãnh. 2. Người nhận bảo lãnh có trách nhiệm hợp tác với Bộ Tài chính trong quá trình thực hiện khoản vay được Chính phủ bảo lãnh và trong thời gian Thư bảo lãnh có hiệu lực: a) Gửi cho Bộ Tài chính bản sao chi tiết thông báo từng khoản rút vốn, lãi suất biến động (nếu có), yêu cầu trả nợ cùng thời điểm gửi cho đối tượng được bảo lãnh; b) Gửi thông báo cho Bộ Tài chính về tình hình rút vốn, trả nợ và dự án của đối tượng được bảo lãnh ngay khi phát hiện bất kỳ vấn đề bất thường nào xảy ra; c) Gửi cho Bộ Tài chính các thông báo khác theo quy định của Thỏa thuận vay được Chính phủ bảo lãnh. 3. Người nhận bảo lãnh có trách nhiệm chia sẻ các thông tin cần thiết cho Bộ Tài chính về đối tượng được bảo lãnh, dự án và khoản vay được Chính phủ bảo lãnh, các báo cáo kiểm tra, giám sát trong phạm vi cho phép của mình để đảm bảo tiền vay được sử dụng đúng mục đích, đối tượng ...	`1.0`

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 36
per_device_eval_batch_size: 36
num_train_epochs: 20
fp16: True
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 36
per_device_eval_batch_size: 36
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: 20
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
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: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: round_robin
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss
12.5	500	0.1151

Framework Versions

Python: 3.10.12
Sentence Transformers: 5.0.0
Transformers: 4.54.0
PyTorch: 2.7.1+cu126
Accelerate: 1.9.0
Datasets: 4.0.0
Tokenizers: 0.21.2

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}
}

xuandin
/

e5-instruct-neg-top60-from-finetune-500