--- base_model: aari1995/German_Semantic_V3 datasets: [] language: - en library_name: sentence-transformers license: apache-2.0 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 pipeline_tag: sentence-similarity tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:4957 - loss:MatryoshkaLoss - loss:MultipleNegativesRankingLoss widget: - source_sentence: 312 Aus steuerlicher Sicht ist es möglich, mehrere Versorgungszusagen nebeneinander, also neben einer Altzusage auch eine Neuzusage zu erteilen (z. B. „alte“ Direktversicherung und „neuer“ Pensionsfonds). sentences: - Wann liegt bei der betrieblichen Altersversorgung eine schädliche Verwendung vor? - Welche steuerliche Behandlung erfahren Auszahlungen aus Altersvorsorgeverträgen nach § 22 Nr. 5 EStG? - Können verschiedene Versorgungszusagen wie Direktversicherung und Pensionsfonds gleichzeitig bestehen? - source_sentence: 5 Pflichtversicherte nach dem Gesetz über die Alterssicherung der Landwirte gehören, soweit sie nicht als Pflichtversicherte der gesetzlichen Rentenversicherung ohnehin bereits anspruchsberechtigt sind, in dieser Eigenschaft ebenfalls zum begünstigten Personenkreis. Darunter fallen insbesondere die in Anlage 1 Abschnitt B aufgeführten Personen. sentences: - Wann wird das Anrecht der ausgleichsberechtigten Person bei intern geteilter Altersvorsorge als abgeschlossen betrachtet? - Welche Personen sind in der Anlage 1 Abschnitt B bezüglich der Alterssicherung der Landwirte aufgeführt? - In welchen Fällen führt die Möglichkeit einer Beitragserstattung nicht zur Versagung der Anerkennung als betriebliche Altersversorgung? - source_sentence: 233 Voraussetzung für die Förderung durch Sonderausgabenabzug nach § 10a EStG und Zulage nach Abschnitt XI EStG ist in den Fällen der Rz. 231 f., dass der Steuerpflichtige zum begünstigten Personenkreis gehört. Die zeitliche Zuordnung dieser Altersvorsorgebeiträge richtet sich grundsätzlich nach § 11 Abs. 2 EStG. sentences: - Wer gehört zum begünstigten Personenkreis für die Altersvorsorgeförderung? - Wie werden erstattete Kosten eines Altersvorsorgevertrags besteuert, wenn sie dem Steuerpflichtigen ausgezahlt werden? - Ist der Übertragungswert einer betrieblichen Altersversorgung bei einem Arbeitgeberwechsel steuerfrei? - source_sentence: 127 Die Entnahme des Teilkapitalbetrags von bis zu 30 % des zur Verfügung stehenden Kapitals aus dem Vertrag hat zu Beginn der Auszahlungsphase zu erfolgen. Eine Verteilung über mehrere Auszahlungszeitpunkte ist nicht möglich. sentences: - Kann ich den Teilkapitalbetrag aus meiner Altersvorsorge zu verschiedenen Zeitpunkten entnehmen? - Welche Einkunftsarten können Leistungen aus einer Versorgungszusage des Arbeitgebers sein? - Was ist im Todesfall des Zulageberechtigten bezüglich der Förderbeiträge zu tun? - source_sentence: '67 Abwandlung des Beispiels 1 in Rn. 66: A erhält zudem zwei Kinderzulagen für seine in den Jahren 2004 und 2005 geborenen Kinder. Beitragspflichtige Einnahmen 53.000 € 4 % 2.120 € höchstens 2.100 € anzusetzen 2.100 € abzüglich Zulage 175 € Mindesteigenbeitrag (§ 86 Abs. 1 Satz 2 EStG) 1.925 € Sockelbetrag (§ 86 Abs. 1 Satz 4 EStG) 60 € maßgebend (§ 86 Abs. 1 Satz 5 EStG) 1.925 € Die von A geleisteten Beiträge übersteigen den Mindesteigenbeitrag. Die Zulage wird nicht gekürzt.' sentences: - Wird die Zulage für A gekürzt, wenn die Beiträge den Mindesteigenbeitrag übersteigen? - Was versteht man unter Sonderzahlungen des Arbeitgebers? - Wie erfolgt die Besteuerung bei der ausgleichsberechtigten Person nach einer externen Teilung? model-index: - name: German Semantic V3 BMF results: - task: type: information-retrieval name: Information Retrieval dataset: name: dim 768 type: dim_768 metrics: - type: cosine_accuracy@1 value: 0.02722323049001815 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.19237749546279492 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.308529945553539 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.5081669691470054 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.02722323049001815 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.06412583182093164 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.06170598911070781 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.050816696914700546 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.02722323049001815 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.19237749546279492 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.308529945553539 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.5081669691470054 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.24120625642015497 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.15931423386051344 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.17848852586462802 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 512 type: dim_512 metrics: - type: cosine_accuracy@1 value: 0.021778584392014518 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.1869328493647913 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.308529945553539 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.5208711433756806 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.021778584392014518 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.06231094978826376 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.06170598911070781 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.052087114337568054 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.021778584392014518 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.1869328493647913 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.308529945553539 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.5208711433756806 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.24282995414753708 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.15777590528044255 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.17621353349099725 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 256 type: dim_256 metrics: - type: cosine_accuracy@1 value: 0.019963702359346643 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.18148820326678766 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.30490018148820325 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.5245009074410163 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.019963702359346643 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.06049606775559588 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.060980036297640657 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.05245009074410163 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.019963702359346643 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.18148820326678766 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.30490018148820325 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.5245009074410163 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.24230231157748117 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.15604888658427682 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.17417213610538765 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 128 type: dim_128 metrics: - type: cosine_accuracy@1 value: 0.018148820326678767 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.1705989110707804 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.2831215970961887 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.5136116152450091 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.018148820326678767 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.056866303690260134 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.056624319419237755 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.0513611615245009 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.018148820326678767 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.1705989110707804 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.2831215970961887 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.5136116152450091 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.23270161109694265 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.14741595367729682 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.16618168136483366 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 64 type: dim_64 metrics: - type: cosine_accuracy@1 value: 0.014519056261343012 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.15245009074410162 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.2849364791288566 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.4882032667876588 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.014519056261343012 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.050816696914700546 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.056987295825771334 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.04882032667876588 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.014519056261343012 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.15245009074410162 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.2849364791288566 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.4882032667876588 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.22104069496061615 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.13950969377466657 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.15832869552609827 name: Cosine Map@100 --- # German Semantic V3 BMF This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [aari1995/German_Semantic_V3](https://huggingface.co/aari1995/German_Semantic_V3). 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:** [aari1995/German_Semantic_V3](https://huggingface.co/aari1995/German_Semantic_V3) - **Maximum Sequence Length:** 1024 tokens - **Output Dimensionality:** 1024 tokens - **Similarity Function:** Cosine Similarity - **Language:** en - **License:** apache-2.0 ### 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': 1024, 'do_lower_case': False}) with Transformer model: BertModel (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}) ) ``` ## 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("akot/german-semantic-bmf-matryoshka-512-10epochs") # Run inference sentences = [ '67 Abwandlung des Beispiels 1 in Rn. 66: A erhält zudem zwei Kinderzulagen für seine in den Jahren 2004 und 2005 geborenen Kinder. Beitragspflichtige Einnahmen 53.000 € 4 % 2.120 € höchstens 2.100 € anzusetzen 2.100 € abzüglich Zulage 175 € Mindesteigenbeitrag (§ 86 Abs. 1 Satz 2 EStG) 1.925 € Sockelbetrag (§ 86 Abs. 1 Satz 4 EStG) 60 € maßgebend (§ 86 Abs. 1 Satz 5 EStG) 1.925 € Die von A geleisteten Beiträge übersteigen den Mindesteigenbeitrag. Die Zulage wird nicht gekürzt.', 'Wird die Zulage für A gekürzt, wenn die Beiträge den Mindesteigenbeitrag übersteigen?', 'Wie erfolgt die Besteuerung bei der ausgleichsberechtigten Person nach einer externen Teilung?', ] 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 * Dataset: `dim_768` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.0272 | | cosine_accuracy@3 | 0.1924 | | cosine_accuracy@5 | 0.3085 | | cosine_accuracy@10 | 0.5082 | | cosine_precision@1 | 0.0272 | | cosine_precision@3 | 0.0641 | | cosine_precision@5 | 0.0617 | | cosine_precision@10 | 0.0508 | | cosine_recall@1 | 0.0272 | | cosine_recall@3 | 0.1924 | | cosine_recall@5 | 0.3085 | | cosine_recall@10 | 0.5082 | | cosine_ndcg@10 | 0.2412 | | cosine_mrr@10 | 0.1593 | | **cosine_map@100** | **0.1785** | #### Information Retrieval * Dataset: `dim_512` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.0218 | | cosine_accuracy@3 | 0.1869 | | cosine_accuracy@5 | 0.3085 | | cosine_accuracy@10 | 0.5209 | | cosine_precision@1 | 0.0218 | | cosine_precision@3 | 0.0623 | | cosine_precision@5 | 0.0617 | | cosine_precision@10 | 0.0521 | | cosine_recall@1 | 0.0218 | | cosine_recall@3 | 0.1869 | | cosine_recall@5 | 0.3085 | | cosine_recall@10 | 0.5209 | | cosine_ndcg@10 | 0.2428 | | cosine_mrr@10 | 0.1578 | | **cosine_map@100** | **0.1762** | #### Information Retrieval * Dataset: `dim_256` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.02 | | cosine_accuracy@3 | 0.1815 | | cosine_accuracy@5 | 0.3049 | | cosine_accuracy@10 | 0.5245 | | cosine_precision@1 | 0.02 | | cosine_precision@3 | 0.0605 | | cosine_precision@5 | 0.061 | | cosine_precision@10 | 0.0525 | | cosine_recall@1 | 0.02 | | cosine_recall@3 | 0.1815 | | cosine_recall@5 | 0.3049 | | cosine_recall@10 | 0.5245 | | cosine_ndcg@10 | 0.2423 | | cosine_mrr@10 | 0.156 | | **cosine_map@100** | **0.1742** | #### Information Retrieval * Dataset: `dim_128` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.0181 | | cosine_accuracy@3 | 0.1706 | | cosine_accuracy@5 | 0.2831 | | cosine_accuracy@10 | 0.5136 | | cosine_precision@1 | 0.0181 | | cosine_precision@3 | 0.0569 | | cosine_precision@5 | 0.0566 | | cosine_precision@10 | 0.0514 | | cosine_recall@1 | 0.0181 | | cosine_recall@3 | 0.1706 | | cosine_recall@5 | 0.2831 | | cosine_recall@10 | 0.5136 | | cosine_ndcg@10 | 0.2327 | | cosine_mrr@10 | 0.1474 | | **cosine_map@100** | **0.1662** | #### Information Retrieval * Dataset: `dim_64` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.0145 | | cosine_accuracy@3 | 0.1525 | | cosine_accuracy@5 | 0.2849 | | cosine_accuracy@10 | 0.4882 | | cosine_precision@1 | 0.0145 | | cosine_precision@3 | 0.0508 | | cosine_precision@5 | 0.057 | | cosine_precision@10 | 0.0488 | | cosine_recall@1 | 0.0145 | | cosine_recall@3 | 0.1525 | | cosine_recall@5 | 0.2849 | | cosine_recall@10 | 0.4882 | | cosine_ndcg@10 | 0.221 | | cosine_mrr@10 | 0.1395 | | **cosine_map@100** | **0.1583** | ## Training Details ### Training Dataset #### Unnamed Dataset * Size: 4,957 training samples * Columns: positive and anchor * Approximate statistics based on the first 1000 samples: | | positive | anchor | |:--------|:-------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | positive | anchor | |:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------| | 134 Eine Rückzahlungsverpflichtung besteht nicht für den Teil der Zulagen, der auf nach § 1 Abs. 1 Nr. 2 AltZertG angespartes gefördertes Altersvorsorgevermögen entfällt, wenn es in Form einer Hinterbliebenenrente an die dort genannten Hinterbliebenen ausgezahlt wird. Dies gilt auch für den entsprechenden Teil der Steuerermäßigung. | Muss man Zulagen zurückzahlen, wenn das Altersvorsorgevermögen als Hinterbliebenenrente ausgezahlt wird? | | 140 Beendet der Zulageberechtigte vor der vollständigen Rückzahlung des AltersvorsorgeEigenheimbetrags die Nutzung zu eigenen Wohnzwecken, wird er so behandelt, als habe er den noch nicht zurückgezahlten Betrag schädlich verwendet. Die auf den noch ausstehenden Rückzahlungsbetrag entfallenden Zulagen sowie die nach § 10a Abs. 4 EStG gesondert festgestellten Steuerermäßigungen sind zurückzuzahlen (§ 92a Abs. 3 EStG). Die im noch ausstehenden Rückzahlungsbetrag enthaltenen Zuwächse (z.B. Zinserträge und Kursgewinne) Seite 41 sind als sonstige Einkünfte zu versteuern (§ 22 Nr. 5 Satz 5 Halbsatz 1 EStG). Außerdem hat der Zulageberechtigte den Vorteil zu versteuern, der sich aus der zinslosen Nutzung des noch nicht zurückgezahlten Betrags ergibt. Zugrunde gelegt wird hierbei eine Verzinsung von 5 % (Zins und Zinseszins) für jedes volle Kalenderjahr der Nutzung (§ 22 Nr. 5 Satz 5 Halbsatz 2 EStG). Diese Folgen treten nicht ein, wenn er den noch nicht zurückgezahlten Betrag in ein Folgeobjekt investiert (§ 92a Abs. 4 Satz 3 Nr. 1 EStG) oder zugunsten eines auf seinen Namen lautenden zertifizierten Altersvorsorgevertrags einzahlt (§ 92a Abs. 4 Satz 3 Nr. 2 EStG). | Was geschieht steuerlich, wenn der AltersvorsorgeEigenheimbetrag nicht vollständig zurückgezahlt wird und die Immobilie nicht mehr selbst genutzt wird? | | 144 Die als Einkünfte nach § 22 Nr. 5 Satz 3 EStG i.V.m. § 22 Nr. 5 Satz 2 EStG zu besteuernden Beträge muss der Anbieter gem. § 94 Abs. 1 Satz 4 EStG dem Zulageberechtigten bescheinigen und im Wege des Rentenbezugsmitteilungsverfahrens (§ 22a EStG) mitteilen. Ergeben sich insoweit steuerpflichtige Einkünfte nach § 22 Nr. 5 Satz 3 EStG für einen anderen Leistungsempfänger (z. B. Erben), ist für diesen eine entsprechende Rentenbezugsmitteilung der ZfA zu übermitteln. | Was muss im Falle eines anderen Leistungsempfängers, wie Erben, hinsichtlich der Rentenbezugsmitteilung getan werden? | * Loss: [MatryoshkaLoss](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`: epoch - `per_device_train_batch_size`: 16 - `per_device_eval_batch_size`: 16 - `gradient_accumulation_steps`: 16 - `learning_rate`: 2e-05 - `num_train_epochs`: 10 - `lr_scheduler_type`: cosine - `warmup_ratio`: 0.1 - `bf16`: True - `tf32`: 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`: 16 - `per_device_eval_batch_size`: 16 - `per_gpu_train_batch_size`: None - `per_gpu_eval_batch_size`: None - `gradient_accumulation_steps`: 16 - `eval_accumulation_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`: 10 - `max_steps`: -1 - `lr_scheduler_type`: cosine - `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`: True - `fp16`: False - `fp16_opt_level`: O1 - `half_precision_backend`: auto - `bf16_full_eval`: False - `fp16_full_eval`: False - `tf32`: True - `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`: False - `hub_always_push`: False - `gradient_checkpointing`: False - `gradient_checkpointing_kwargs`: None - `include_inputs_for_metrics`: False - `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 - `batch_sampler`: no_duplicates - `multi_dataset_batch_sampler`: proportional
### Training Logs | Epoch | Step | Training Loss | dim_128_cosine_map@100 | dim_256_cosine_map@100 | dim_512_cosine_map@100 | dim_64_cosine_map@100 | dim_768_cosine_map@100 | |:----------:|:-------:|:-------------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|:----------------------:| | 0.5161 | 10 | 8.2406 | - | - | - | - | - | | 0.9806 | 19 | - | 0.1125 | 0.1196 | 0.1231 | 0.0951 | 0.1231 | | 1.0323 | 20 | 5.0545 | - | - | - | - | - | | 1.5484 | 30 | 3.253 | - | - | - | - | - | | 1.9613 | 38 | - | 0.1388 | 0.1423 | 0.1462 | 0.1282 | 0.1496 | | 2.0645 | 40 | 2.3708 | - | - | - | - | - | | 2.5806 | 50 | 1.7379 | - | - | - | - | - | | 2.9935 | 58 | - | 0.1536 | 0.1611 | 0.1703 | 0.1409 | 0.1688 | | 3.0968 | 60 | 1.3531 | - | - | - | - | - | | 3.6129 | 70 | 1.1393 | - | - | - | - | - | | 3.9742 | 77 | - | 0.1580 | 0.1667 | 0.1753 | 0.1515 | 0.1743 | | 4.1290 | 80 | 0.8556 | - | - | - | - | - | | 4.6452 | 90 | 0.8594 | - | - | - | - | - | | 4.9548 | 96 | - | 0.1668 | 0.1718 | 0.1736 | 0.1588 | 0.1739 | | 5.1613 | 100 | 0.6492 | - | - | - | - | - | | 5.6774 | 110 | 0.6018 | - | - | - | - | - | | 5.9871 | 116 | - | 0.1610 | 0.1714 | 0.1680 | 0.1569 | 0.1739 | | 6.1935 | 120 | 0.4951 | - | - | - | - | - | | 6.7097 | 130 | 0.4958 | - | - | - | - | - | | **6.9677** | **135** | **-** | **0.1684** | **0.1742** | **0.1792** | **0.1616** | **0.1764** | | 7.2258 | 140 | 0.4286 | - | - | - | - | - | | 7.7419 | 150 | 0.4297 | - | - | - | - | - | | 8.0 | 155 | - | 0.1647 | 0.1746 | 0.1777 | 0.1582 | 0.1772 | | 8.2581 | 160 | 0.3508 | - | - | - | - | - | | 8.7742 | 170 | 0.3937 | - | - | - | - | - | | 8.9806 | 174 | - | 0.1652 | 0.1714 | 0.1780 | 0.1595 | 0.1743 | | 9.2903 | 180 | 0.3621 | - | - | - | - | - | | 9.8065 | 190 | 0.3503 | 0.1662 | 0.1742 | 0.1762 | 0.1583 | 0.1785 | * The bold row denotes the saved checkpoint. ### Framework Versions - Python: 3.11.4 - Sentence Transformers: 3.0.1 - Transformers: 4.41.2 - PyTorch: 2.1.2+cu121 - Accelerate: 0.33.0 - Datasets: 2.19.1 - Tokenizers: 0.19.1 ## 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} } ```