RoBERTa Amharic Text Embedding Medium

This is a sentence-transformers model finetuned from rasyosef/roberta-medium-amharic on the json dataset. It maps sentences & paragraphs to a 512-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: rasyosef/roberta-medium-amharic
Maximum Sequence Length: 510 tokens
Output Dimensionality: 512 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- json
Language: en
License: apache-2.0

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': 510, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 512, '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("yosefw/roberta-amharic-embed-medium")
# Run inference
sentences = [
    'አቶ ደመቀ መኮንን ከፕሬዚዳንት ዩዌሪ ሙሴቬኒ ጋር ተወያዩ',
    'የኡጋንዳው ፕሬዚ ዳንት ዩዌሪ ካጉታ ሙሴቬኒ ኢንቴቤ ከተማ በሚገኘው ጽሕፈት ቤታቸው ምክትል ጠቅላይ ሚኒስትር አቶ ደመቀ መኮንንን ተቀብለው በቀጣናዊ ትብብር እና በሁለትዮሽ ግንኙነት ዙሪያ አነጋግረዋል። አቶ ደመቀ እና ፕሬዚዳንት ሙሴቬኒ ውይይታቸው በቀጣናዊ ትብብር እና በሁለትዮሽ ግንኙነት ዙሪያ ያተኮረ እንደነበር ከምክትል ጠቅላይ ሚኒስትር ጽሕፈት ቤት የተገኘው መረጃ ያመለክታል። በተለያዩ መስኮች ለረጅም ዓመታት የዘለቀው የኢትዮጵያ እና የዑጋንዳ የሁለትዮሽ ግንኙነት የበለጠ ተጠናክሮ እንዲቀጥል መግባባት ላይ መድረሳቸውም መረጃው ጠቁሟል፡፡ ሁለቱ አገራት በቀጣናው በሚስተዋሉ ወቅታዊ ጉዳዮች ላይም የተወያዩ ሲሆን በቀጣይ በቀጣናው ትብብራቸውን ለማጥበቅ በሚችሉበት አግባብ ዙሪያም ተስማምተዋል። በመጨረሻም ከኢፌዴሪ ጠቅላይ ሚኒስትር ዶክተር አብይ አህመድ የተላከውን የትብብር መልዕክት ፕሬዚዳንት ሙሴቬኒ ከምክትል ጠቅ ላይ ሚኒስትር አቶ ደመቀ እጅ ተቀብለዋል።አዲስ ዘመን ግንቦት 7/2011',
    '. በአምስት ክፍለ ከተሞች 121 ሚሊዮን 365ሺ 398 ብር ጉድለት ተመዝግቧልአዲስ አበባ፡- በተጠናቀቀው በጀት ዓመት የመጀመሪያው ስድስት ወራት የሂሳብ ጉድለት ከነበረባቸው\n59 ተቋማት ውስጥ 32ቱ 66 ነጥብ 7ሚሊዮን ብር ለአስተዳደሩ ተመላሽ ማድረጋቸውን የአዲስ አበባ ከተማ አስተዳደር ዋና ኦዲተር\nአስታወቀ። በ2011 በጀት ዓመት በሁለተኛው ግማሽ ዓመት በተሰራው ልዩ ኦዲት በአምስት ክፍለ ከተሞች በድምሩ 121 ሚሊዮን\n365 ሺ 398 ብር ጉድለት መመዝገቡ ተገለጸ ። የአስተዳደሩ ዋና ኦዲተር ወይዘሮ ፅጌወይን ካሳ ለአዲስ ዘመን እንዳስታወቁት፤ በ2011 ዓ.ም የመጀመሪያው\nስድስት ወራት በተከናወነው የኦዲት ሥራ በ59 ተቋማት ላይ የሂሳብ ጉድለት ተገኝቷል። ዋና ኦዲተሩ ያገኘውን ግኝት መሰረት በማድረግ\nየከተማዋ ዓቃቢ ህግ ተቋማቱን ተጠያቂ ለማድረግ አቅጣጫ የተላለፈ ቢሆንም በሁለተኛው መንፈቀ ዓመት 32ቱ ተቋማት 66 ሚሊዮን\n774 ሺ 741 ብር ከ75 ሳንቲም ተመላሽ ተደርገዋል። እንደ ዋና ኦዲተሯ ማብራሪያ፤ ተቋማቱ የጥሬ ገንዘብ ጉድለት፣ ውዝፍ ሂሳብ፣ ተመላሽ ያልተደረገ ቅድመ\nክፍያ፣ የተሰብሳቢ ክፍያ፣ ከመመሪያ ውጭ የተከፈለ፣ አበልና ደመወዝ በብልጫ የተከፈለ፣ ያለአግባብ ግዥ ፈፅመው ተመላሽ የተደረጉ\nመሆናቸው በተደረገው ምርመራ ለማወቅ ተችሏል። በዚህ መሰረትም አስተዳደሩ የተጠያቂነት አሰራር በመዘርጋት ጥብቅ አቅጣጫ በማስተላለፉ\nአብዛኞቹ ተቋማት ስህተቶቻቸውን በማረም የተሻለ አፈፃፀም አስመዝግበዋል። ይሁንና ቀሪዎቹ 27 ተቋማት ዋና ኦዲተሩ ላቀረበው ጥሪ እስካሁን ምንም አይነት ምላሽ አለመስጠታቸውን\nወይዘሮ ፅጌወይን አመልክተው፣ ከእነዚህ ተቋማት መካከልም 40/60 የቤቶች ኢንተርፕራይዝ፣ መንገዶች ባለስልጣን፣ ዳግማዊ ሚኒሊክ\nሪፈራል ሆስፒታል፣ ዘውዲቱ ሪፈራል ሆስፒታልን ጠቅሰዋል። በአሁኑ ወቅት ጠቅላይ ዓቃቢ ህግ ተቋማቱ ምላሽ እንዲሰጡ ጥያቄ ያቀረበላቸው\nመሆኑን ጠቁመው፣ በተቀመጠው የጊዜ ገደብ ምላሽ የማይሰጡ ከሆነ በህግ ተጠያቂ ይሆናሉ ብለዋል። «በህግ ተጠያቂ የማድረጉ ሥራ እንዳለ\nሆኖ ተቋማቱ በዋናነት ወደ ህጋዊና ዘመናዊ ስርዓት እንዲገቡ ማድረግ ትኩረት አድርገን እየሰራን ነው» በማለትም አክለዋል። እንደ ዋና ኦዲተሯ ማብራሪያ፤ በ2011 በጀት ዓመት በሁለተኛው ግማሽ ዓመት ልዩ ኦዲት የተሰራ ሲሆን\nበተለይም በአምስት ክፍለ ከተሞች ላይ የክዋኔ ኦዲት ሥራ በማከናወን በድምሩ 121 ሚሊዮን 365ሺ 398 ብር ጉድለት መኖሩን ለማወቅ\nተችሏል። ከእነዚህም መካከል ኮልፎ ቀራኒዮ ክፍለከተማ ያልተከፈለ የቅድመ ክፍያ 69ሺ563 ብር ከ35 ሳንቲም ጉድለት እንዲሁም\nያልተከፈለ የሊዝ እዳ የወቅቱን የወለድ ምጣኔ ጨምሮ ወደ 40 ሚሊዮን 115ሺ 610 ብር ከ58 ሳንቲም ተገኝቶበታል። በተመሳሳይም\nበቦሌ ክፍለ ከተማ ያልተከፈለ ቅድመ ክፍያ 17 ሚሊዮን 110ሺ23 ብር ከ91 ሳንቲም ሲገኝበት ያልተከፈለ የሊዝ ክፍያ ደግሞ የወቅቱን\nወለድ ጨምሮ ወደ 26 ሚሊዮን 806ሺ ብር ከ95 ሳንቲም የሚጠጋ ገንዘብ ጉድለት ታይቷል። ከአምስቱ ክፍለ ከተሞች ውስጥ አዲስ\nከተማ ክፍለ ከተማ የተሻለ አፈፃፀም የታየበት ሲሆን፣ የተገኘበትም ያልተከፈለ የሊዝ እዳ 40ሺ 342 ብር ከ50 ሳንቲም ብቻ ነው።\nበክዋኔ ኦዲቱ ዝርዝር ኦዲት መሰራቱን ያመለከቱት ወይዘሮ ፅጌ፣ በተለይም በአምስቱ ክፍለ ከተሞች\nታጥረው የተቀመጡ፥ የግንባታ አፈፃፀማቸው ከ30 በመቶ በታች የሆነ ተቋማት ላይም የአፈፃፀም ምርመራ መካሄዱን አስገንዝበዋል። ለአብነት\nያህልም ኮልፌ ቀራኒዮ ክፍለ ከተማ 57 ባለይዞታዎች ግንባታቸው ያልተጀመረና ከ30 በመቶ በታች ሆነው የተገኙ መሆኑን በኦዲቱ ማጣራት\nመቻሉን አመልክተዋል። በተመሳሳይም በቦሌ ክፍለ ከተማ 60፣ በንፋስ ስልክ ላፍቶ ክፍለከተማ 106 ፣ በአቃቂ ቃሊቲ ክፍለ ከተማ\nወደ 15፣ አዲስ ከተማ ክፍለከተማ 24 የሚሆኑ ባለይዞታዎች ግንባታቸው ሳይጀመርና አፈፃፀማቸው ከ30 በመቶ በታች መሆኑን እንደታወቀ\nአስረድተዋል። በመሆኑም\nአጠቃላይ የኦዲት ግኝቱን ለአስተዳደሩም ሆነ ለሚመለከታቸው አካላት የተላከ መሆኑን ወይዘሮ ፅጌ ወይን አመልክተው፣ ጉድለት የታየባቸው\nተቋማትና ክፍለከተሞች ሪፖርቱን መሰረት አድርገው አጭር ጊዜ ውስጥ አሰራራቸውን ያስተካክላሉ ተብሎ እንደሚጠበቅ ተናግረዋል። ጎን\nለጎንም በህግ ተጠያቂ የማድረጉ ሥራ የሚቀጥል መሆኑን አስገንዝበዋል።አዲስ ዘመን ቅዳሜ፣ ነሀሴ 4/2011ማህሌት አብዱል ',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 512]

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

Evaluation

Metrics

Information Retrieval

Datasets: dim_512, dim_256 and dim_128
Evaluated with InformationRetrievalEvaluator

Metric	dim_512	dim_256	dim_128
cosine_accuracy@1	0.6064	0.5998	0.5849
cosine_accuracy@3	0.7597	0.7562	0.7395
cosine_accuracy@5	0.8057	0.8013	0.7857
cosine_accuracy@10	0.8531	0.8503	0.8398
cosine_precision@1	0.6064	0.5998	0.5849
cosine_precision@3	0.2532	0.2521	0.2465
cosine_precision@5	0.1611	0.1603	0.1571
cosine_precision@10	0.0853	0.085	0.084
cosine_recall@1	0.6064	0.5998	0.5849
cosine_recall@3	0.7597	0.7562	0.7395
cosine_recall@5	0.8057	0.8013	0.7857
cosine_recall@10	0.8531	0.8503	0.8398
cosine_ndcg@10	0.7316	0.7271	0.7132
cosine_mrr@10	0.6925	0.6874	0.6726
cosine_map@100	0.697	0.6918	0.6774

Training Details

Training Dataset

json

Dataset: json
Size: 54,900 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 4 tokens
mean: 16.66 tokens
max: 73 tokens

min: 34 tokens
mean: 321.89 tokens
max: 510 tokens

	anchor	positive
type	string	string
details	min: 4 tokens mean: 16.66 tokens max: 73 tokens	min: 34 tokens mean: 321.89 tokens max: 510 tokens

Samples:

anchor	positive
`የተመድ ልማት ፕሮግራም ኃላፊ ‹‹ርካሽ ጉልበት›› ብዝበዛ ማለት አይደለም ሲሉ አሳሰቡ`	ዓመታዊው የተባበሩት መንግሥታት ድርጅት (ተመድ) የሰብዓዊ ልማት ሪፖርትን ለመላው ዓለም ከኢትዮጵያ ይፋ ለማድረግ በአፍሪካ ኢኮኖሚክ ኮሚሽን አዳራሽ ለጋዜጠኞች በሰጡት መግለጫ፣ አገሮች ርካሽ ጉልበትን እንደ መልካም የኢንቨስትመንት ዕድል ሲያስተዋውቁ የጉልበት ብዝበዛ እንዳይፈጸም መጠንቀቅ እንዳለባቸው የፕሮግራሙ ኃላፊ አሳሰቡ፡፡ በተመድ የልማት ፕሮግራም አድሚንስትሬተር ሔለን ክላርክ በአዲስ አበባ ተገኝተው ከጠቅላይ ሚኒስትር ኃይለ ማርያም ደሳለኝ ጋር በመሆን፣ እ.ኤ.አ. የ2015 የሰብዓዊ ልማት ሪፖርትን ይፋ አድርገዋል፡፡ ሪፖርቱን በ25ኛ ዓመቱ መባቻ ላይ ‹‹ሥራ›› ላይ ያተኮረው የተመድ ልማት ፕሮግራም፣ እንደ ኢትዮጵያ ባሉ አገሮች የውጭ ኢንቨስትመንትን ለመሳብ በማለት ርካሽ ጉልበትን መስህብ ሲያደርጉት ይታያል ብሏል፡፡ የኢትዮጵያ ኢንቨስትመንት ኮሚሽን ደግሞ በወር ከሃምሳ ዶላር ያልበለጠ ደመወዝ እየተከፈላቸው የሚሠሩ ሠራተኞች ያሉባት አገር በመሆኗ፣ ለኢንቨስትመንት ምቹ ከሚያደርጓት መካከል አንዱ እንደሆነ ይገልጻል፡፡በአንፃሩ የተመድ የሰብዓዊ ልማት ‹‹ሥራ ለሰብዓዊ ልማት›› በሚል ርዕስ ይፋ ባደረገው ሪፖርት ለሰው ልጅ ተስማሚ የኑሮ ከባቢ ሁኔታ ለመፍጠር የሚያስችል ሥራ የደመወዝ ክፍያ እንዲከፈል የሚያሳስበው የተመድ የልማት ፕሮግራም፣ በቀን ከሁለት ዶላር በታች የሚያገኙ ሰዎች ከ830 ሚሊዮን በላይ እንደሆኑ፣ 200 ሚሊዮን ሰዎች (74 ሚሊዮን ወጣቶችን ጨምሮ) ሥራ አጥ እንደሆኑና 21 ሚሊዮን ሰዎች በመላው ዓለም በግዳጅ ጉልበታቸው እየተበዘበዘ እንደሚሠሩ በሪፖርቱ ጠቁሟል፡፡ሔለን ክላርክ ከሪፖርተር ለቀረበላቸው ጥያቄ በሰጡት ማብራሪያ፣ እንደ ኢትዮጵያ ያሉ አገሮች ለልማት ካላቸው ፍላጎትና ዓላማ በመነሳት፣ ሀብታቸውን በመጠቀም ለማደግ የሚያደርጉት እ...
`ሦስት የወጣት ማዕከላትለወረዳ አስተዳደር ቢሮነት እያገለገሉ ነው`	፡- በአዲስ አበባ የሚገኙ የሦስት ወረዳዎች የወጣት ማዕከላት ለወረዳ አስተዳደር ቢሮነት በመዋላቸው ለወጣቱ ተገቢውን አገልግሎት እየሰጡ አለመሆኑ ተገለጸ። በአዲስ አበባ ከተማ የወጣቶችና በጎ ፈቃድ ማስተባበሪያ ቢሮ የወጣት ማዕከላት አገልግሎት ማስተባበሪያ ክትትል ቡድን መሪ አቶ ጤናዬ ታምሩ ለጋዜጣው ሪፖርተር እንዳሉት፤ የካ ክፍለከተማ ወረዳ አራት፣ ቦሌ ክፍለከተማ ወረዳ ዘጠኝ እና ኮልፌ ቀራንዮ ክፍለከተማ ወረዳ ሁለት የሚገኙ ወጣት ማዕከላት ለወረዳ አስተዳደሩ ቢሮነት እያለገሉ ይገኛሉ። በዚህም ለወጣቱ የተፈለገውን አገልግሎት እየሰጡ አይደለም። እንደ አቶ ጤናዬ ገለፃ፤ ወረዳዎቹ የሥልጠና፣ የሥራና የቢሮ ጥበት ሲኖር ወጣት ማዕከል ውስጥ የሚገኙ ክፍሎችን ይወስዳሉ።ችግሩን ለመፍታት ለወረዳ አስተዳደሮቹ ደብዳቤ በመፃፍና በአካል ተገናኝቶ ውይይት ተደርጓል። ወረዳዎቹ እድሳት ላይ ስላለን ታገሱን የሚል መልስ ብቻ በመስጠት እስካሁን ሊለቁ አልቻሉም። በኮልፌ ቀራንዮ ወረዳ ሁለት ወጣት ማዕከሉን የወረዳው አስተዳደር ለቢሮነት እየተጠቀመበት ይገኛል። እንዲወጡ ሲጠየቁ አዲስ ሕንፃ እያስገነባን በመሆኑ እስኪያልቅ ጠብቁ የሚል ምላሽ ሰጥተዋል። እነዚህ ችግሮች ወጣት ማዕከላቱ ቀልጣፋ አገልግሎት እንዳይሰጡ አድርጓቸው። ወጣት ማዕከላት ሲገነቡ በዋነኛነት ለወጣቱ አገልግሎት ለመስጠት ነው የሚሉት አቶ ጤናዬ፤ ነገር ግን ከባለሙያ እጥረትና በግብዓት ችግር ምክንያት በአግባቡ አገልግሎት የማይሰጥባቸው አካባቢዎች እንዳሉ አመልክተዋል። ማዕከላቱ ሲመሰረቱ ለወጣቱ አገልግሎት ለመስጠት ታስቦ በመሆኑ ባላቸው ሀብት አገልግሎት እየሰጡ መሆናቸውን ተናግረዋል። እንደ አቶ ጤናዬ አባባል፤ ወጣት ማዕከላት መዝናኛ ቦታዎች አይደሉም። በማዕከላቱ የሚሰጡ አገልግሎቶች የወጣቱን ሰብዕና የሚገነቡ፣ ክ...
`ፍርድ ቤቱ አቃቤ ህግ በአቶ እስክንድር ነጋ፣ ስንታየሁ ቸኮልና ቀለብ ስዩም ላይ በ15 ቀናት ውስጥ ክስ እንዲመሰርት ብይን ሰጠ`	አዲስ አበባ ፣ ነሀሴ 12 ፣ 2012 (ኤፍ.ቢ.ሲ) በፌደራል የመጀመሪያ ደረጃ ፍርድ ቤት አራዳ ምድብ የጊዜ ቀጠሮ ተረኛ ችሎት አቃቤ ህግ በአቶ እስክንድር ነጋ፣ ስንታየሁ ቸኮልና ቀለብ ስዩም ላይ በ15 ቀናት ውስጥ ክስ እንዲመሰርት ብይን ሰጠ። አቃቤ ህግ ሁለት የቅድመ ምርመራ ምስክሮችን አሰምቶ አጠናቋል። ስልጣን ባለው ፍርድ ቤት ክስ እስከምመሰርት ድረስም ተጠርጣሪዎች በማረፊያ ቤት ይቆዩልኝ ብሎ አቃቤ ህግ ፍርድ ቤቱን ጠይቋል። ተጠርጣሪዎች በበኩላቸው ክስ እስከሚመሰረትብን ድረስ በዋስ ወጥተን በውጭ እንከታተል ሲሉ ያመለከቱ ሲሆን አቃቤ ህግ ተጠርጣሪዎቹ ስልጣን ባለው ፍርድ ቤት ክስ ሲመሰረት የተጠረጠሩበት ወንጀል ዋስትና የሚያስከለክል በመሆኑ በማረፊያ ቤት እንዲቆዩልኝ ሲል የዋስትና ጥያቄውን ተቃውሟል። ጉዳዩን የተከታተለው ፍርድ ቤትም ተጠርጣሪዎች ክስ እስከሚመሰረት ድረስ በማረፊያ ቤት እንዲቆዩ እና አቃቤ ህግ በ15 ቀናት ውስጥ ክስ እንዲመሰርት ብይን ሰጥቷል። በታሪክ አዱኛ

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "MultipleNegativesRankingLoss",
    "matryoshka_dims": [
        512,
        256,
        128
    ],
    "matryoshka_weights": [
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 128
per_device_eval_batch_size: 128
num_train_epochs: 5
lr_scheduler_type: cosine
warmup_ratio: 0.1
warmup_steps: 128
seed: 7
fp16: True
load_best_model_at_end: True
optim: adamw_torch_fused
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 128
per_device_eval_batch_size: 128
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: 1.0
num_train_epochs: 5
max_steps: -1
lr_scheduler_type: cosine
lr_scheduler_kwargs: {}
warmup_ratio: 0.1
warmup_steps: 128
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: 7
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}
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_fused
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
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
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs