File size: 43,004 Bytes
0c7d72b |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 |
---
tags:
- setfit
- sentence-transformers
- text-classification
- generated_from_setfit_trainer
widget:
- text: Die Forderungen sind landesweit die gleichen. Es geht um die Wiedereinführung
eines 9-Euro-Tickets und ein Tempolimit von 100 km/h auf den Autobahnen. Außerdem
fordern wir die Einführung eines Gesellschaftsrats. Dieser soll Maßnahmen erarbeiten,
wie Deutschland bis 2030 emissionsfrei wird. Die Lösungsansätze sollen von der
Bundesregierung anerkannt und in der Politik umgesetzt werden.
- text: Die aktivist bezeichnen sich als ›DLG›. Sie fordern von Bundeswirtschaftsminister
Robert Habeck Grüne, auf fossile Energie zu verzichten. Zudem verlangen sie eine
Lebenserklärung der Rektorin der Leipziger Universität. Diese soll sich ›offiziell,
öffentlich und gerichtet an Robert Habeck gegen den Bau und die Finanzierung neuer
fossiler Infrastruktur aussprechen. Insbesondere gegen neue Ölbohrungen in der
Nordsee sowie neue Flüssiggas-Terminals›, hieß es in einer Mitteilung der Gruppe
am Donnerstag.
- text: Am Montag war es erneut das Amtsgericht Tiergarten, in dem ein Anwalt die
Aktionen der ›DLG› mit einem fragwürdigen historischen Vergleich rechtfertigte.
Verhandelt wurde an dem Tag gegen den 63-jährigen Winfried L. Wegen fünf Straßenblockaden,
bei denen er teilweise seine Hand auf der Straße angeklebt hatte, musste sich
L. wegen der Vorwürfe Nötigung und Widerstand gegen Vollstreckungsbeamte verantworten.
- text: 'In einer am Morgen verbreiteten Mitteilung begründete die Gruppe ihre Aktion.
Mit der Sitzblockade habe der "fossile Alltag" auf der Straße unterbrochen werden
sollen. Auf Transparenten seien Forderungen deutlich gemacht worden: ein 9-Euro-Ticket
für alle, ein Tempolimit von 100 Stundenkilometern auf Autobahnen und die Bildung
eines Gesellschaftsrats zum Thema Ende der fossilen Brennstoffe bis 2030.'
- text: 'aktivist feiern Festival für mehr Klimaschutz Xanten wer Die Ortsgruppe Xanten
von FFF hat am Freitagnachmittag wieder für mehr Klimaschutz protestiert – aber
anders als sonst. Die aktivist organisierten an der Kriemhildmühle im Kurpark
ein Festival mit Musik, Essen, Getränken und Vorträgen. Viele Menschen kamen,
genossen das schöne Wetter und die entspannte Atmosphäre, lauschten den Liedern
und sangen mit. Ansprachen gab es auch: Seit Jahrzehnten warne die Wissenschaft
vor den Folgen des Klimawandels, trotzdem unternehme die Politik zu wenig, und
die Bevölkerung müsse unter den Folgen wie Dürren, Überschwemmungen und Hitze
leiden, kritisierte Frederik Krohn von der Xantener Ortsgruppe der Klimaschutzbewegung.
Deshalb gehe FFF immer wieder auf die Straße, um der Politik zu sagen, dass es
so nicht weitergehe. Die große Teilnahme am Festival in Xanten und damit am Klimaschutz-Protest
sei ein ›starkes Zeichen›, sagte Krohn.'
metrics:
- accuracy
pipeline_tag: text-classification
library_name: setfit
inference: true
base_model: deutsche-telekom/gbert-large-paraphrase-cosine
---
# SetFit with deutsche-telekom/gbert-large-paraphrase-cosine
This is a [SetFit](https://github.com/huggingface/setfit) model that can be used for Text Classification. This SetFit model uses [deutsche-telekom/gbert-large-paraphrase-cosine](https://huggingface.co/deutsche-telekom/gbert-large-paraphrase-cosine) as the Sentence Transformer embedding model. A [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance is used for classification.
The model has been trained using an efficient few-shot learning technique that involves:
1. Fine-tuning a [Sentence Transformer](https://www.sbert.net) with contrastive learning.
2. Training a classification head with features from the fine-tuned Sentence Transformer.
## Model Details
### Model Description
- **Model Type:** SetFit
- **Sentence Transformer body:** [deutsche-telekom/gbert-large-paraphrase-cosine](https://huggingface.co/deutsche-telekom/gbert-large-paraphrase-cosine)
- **Classification head:** a [LogisticRegression](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html) instance
- **Maximum Sequence Length:** 512 tokens
- **Number of Classes:** 3 classes
<!-- - **Training Dataset:** [Unknown](https://huggingface.co/datasets/unknown) -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Repository:** [SetFit on GitHub](https://github.com/huggingface/setfit)
- **Paper:** [Efficient Few-Shot Learning Without Prompts](https://arxiv.org/abs/2209.11055)
- **Blogpost:** [SetFit: Efficient Few-Shot Learning Without Prompts](https://huggingface.co/blog/setfit)
### Model Labels
| Label | Examples |
|:-----------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| neutral | <ul><li>'Heizungsgesetz: Dialog zwischen Ministerien zur Förderung von Wärmepumpen\n\nIn einer gemeinsamen Erklärung haben das Bundeswirtschaftsministerium und das zuständige Klimaministerium ihren Dialog über die flächendeckende Einführung von Wärmepumpen fortgesetzt. Ziel ist es, einen Konsens zu finden, der den Übergang zu nachhaltigeren Heizsystemen vorantreibt. Die Initiativen zielen darauf ab, die Energieeffizienz zu steigern und den Klimaschutz zu fördern, ohne spezifische Details oder Zeitpläne zu nennen.'</li><li>'Die Einführung eines Heizungsgesetzes zur Förderung der Wärmepumpen-Nutzung ist ein viel diskutierter Schritt hin zu mehr Nachhaltigkeit im Wohnungsbau. Kritiker argumentieren jedoch, dass finanzielle Hürden für den Austausch älterer Heizsysteme bestehende Haushalte belasten könnten. Vergleichsportale für Heizöl zeigen aktuell große Preisunterschiede, was die Kosten für Verbraucher weiter ins Fokus rückt.'</li><li>'Die Ampel-Koalition diskutiert über eine flächendeckende Einführung von Wärmepumpen, bekannt als "Heizungsgesetz". Ein genauer Zeitplan ist noch unklar, da derzeit Verhandlungen zwischen den Fraktionen laufen. Die Initiative zielt darauf ab, die Energieeffizienz zu steigern und den Übergang zu erneuerbaren Energien im Heizsektor voranzutreiben.'</li></ul> |
| opposed | <ul><li>'Skeptische Reaktionen auf Heizungsgesetz: Kritiker sehen Nachbesserung als unzureichend\n\nDer Vorschlag zur flächendeckenden Einführung von Wärmepumpen stößt auf geteilte Meinungen. Während Befürworter die Energiewende vorantreiben wollen, zeigt sich Michael Kruse (FDP) skeptisch und spricht von einer "Nachbesserung durch die Hintertür". Er fordert eine umfassendere Überarbeitung des Gesetzes, um die Belange der Verbraucher und Wirtschaft besser zu berücksichtigen.'</li><li>'Skepsis gegenüber "Heizungsgesetz": Kritiker warnen vor zu schnellem Umstritt\n\nDer geplante Einsatz von Wärmepumpen als alternative Heizungslösung weckt gemischte Gefühle. FDP-Politiker Sami Musa kritisiert den Vorstoß scharf und warnt vor unerwünschten Konsequenzen. "Das Heizungsgesetz könnte am Ende zu einem teuren und umweltschädlichen Kraftakt führen", so Musa. Er bezieht sich auf mögliche finanzielle Belastungen für Hausbesitzer und die Frage, ob ein vollständiger Wechsel von Öl- und Gasheizungen tatsächlich nachhaltig ist.'</li><li>'Skeptische Reaktionen auf das Heizungsgesetz: Unternehmer sehen dunkle Zeiten kommen\n\nIn der deutschen Energiebranche wächst die Skepsis gegenüber den jüngsten Gesetzesinitiativen zur flächendeckenden Einführung von Wärmepumpen. Ein betroffener Unternehmer warnt vor den Folgen: "Das Heizungsgesetz und die aktuelle Förderpolitik könnten zu Werkschließungen und Entlassungen führen, besonders in Zeiten wirtschaftlicher Unsicherheit." Er kritisiert das Chaos und die widersprüchlichen Signale aus Berlin, die seiner Meinung nach Unternehmen in eine schwierige Lage bringen.'</li></ul> |
| supportive | <ul><li>'Die Ampelkoalition hat kurz vor den Sommerferien einen Durchbruch bei der Wärmepumpenpflicht erzielt. Das Heizungsgesetz soll Klimaschutz und soziale Verträglichkeit verbinden, wie SPD-Vizefraktionschefin Verena Hubertz betont. Dennoch bleibt ein bitterer Nachgeschmack: Die zähe Debatte zeigt die Herausforderungen einer koalitionären Einigung.'</li><li>'Obwohl die flächendeckende Einführung von Wärmepumpen durch das geplante "Heizungsgesetz" auf ein dringend nötiges Umdenken hinweist, weckt die Initiative gemischte Gefühle. Während SPD-Verhandler Matthias Miersch von einer Förderung klimafreundlicher Heizungstechnologien spricht, warnen Kritiker vor einer möglichen Belastung für Verbraucher und Mittelstand durch höhere Installationskosten. Ein ausgewogener Ansatz ist entscheidend, um eine effektive Energiewende zu gewährleisten.'</li><li>'Obwohl das geplante "Heizungsgesetz" auf gemischte Reaktionen stößt, ist es ein mutiger Schritt in Richtung Energiewende. Kritiker monieren mögliche finanzielle Belastungen für Hausbesitzer, doch Grünen-Fraktionsvorsitzende Katharina Dröge betont die langfristigen Vorteile für den Klimaschutz und die Energieunabhängigkeit. Der Entwurf zielt darauf ab, die Installation von Wärmepumpen zu fördern und könnte Deutschland bei der Sanierung seiner Gebäudeflotte voranbringen.'</li></ul> |
## Uses
### Direct Use for Inference
First install the SetFit library:
```bash
pip install setfit
```
Then you can load this model and run inference.
```python
from setfit import SetFitModel
# Download from the 🤗 Hub
model = SetFitModel.from_pretrained("cbpuschmann/klimacoder2_v0.4")
# Run inference
preds = model("Die Forderungen sind landesweit die gleichen. Es geht um die Wiedereinführung eines 9-Euro-Tickets und ein Tempolimit von 100 km/h auf den Autobahnen. Außerdem fordern wir die Einführung eines Gesellschaftsrats. Dieser soll Maßnahmen erarbeiten, wie Deutschland bis 2030 emissionsfrei wird. Die Lösungsansätze sollen von der Bundesregierung anerkannt und in der Politik umgesetzt werden.")
```
<!--
### Downstream Use
*List how someone could finetune this model on their own dataset.*
-->
<!--
### Out-of-Scope Use
*List how the model may foreseeably be misused and address what users ought not to do with the model.*
-->
<!--
## 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 Set Metrics
| Training set | Min | Median | Max |
|:-------------|:----|:--------|:----|
| Word count | 24 | 61.6794 | 191 |
| Label | Training Sample Count |
|:-----------|:----------------------|
| supportive | 210 |
| opposed | 210 |
| neutral | 210 |
### Training Hyperparameters
- batch_size: (8, 8)
- num_epochs: (3, 3)
- max_steps: -1
- sampling_strategy: oversampling
- body_learning_rate: (2e-05, 1e-05)
- head_learning_rate: 0.01
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- l2_weight: 0.01
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: True
### Training Results
| Epoch | Step | Training Loss | Validation Loss |
|:------:|:-----:|:-------------:|:---------------:|
| 0.0001 | 1 | 0.2556 | - |
| 0.0060 | 50 | 0.2575 | - |
| 0.0121 | 100 | 0.2404 | - |
| 0.0181 | 150 | 0.2165 | - |
| 0.0242 | 200 | 0.1432 | - |
| 0.0302 | 250 | 0.0634 | - |
| 0.0363 | 300 | 0.0156 | - |
| 0.0423 | 350 | 0.004 | - |
| 0.0484 | 400 | 0.001 | - |
| 0.0544 | 450 | 0.0005 | - |
| 0.0605 | 500 | 0.0004 | - |
| 0.0665 | 550 | 0.0003 | - |
| 0.0726 | 600 | 0.0002 | - |
| 0.0786 | 650 | 0.0002 | - |
| 0.0847 | 700 | 0.0001 | - |
| 0.0907 | 750 | 0.0012 | - |
| 0.0967 | 800 | 0.0024 | - |
| 0.1028 | 850 | 0.0018 | - |
| 0.1088 | 900 | 0.0001 | - |
| 0.1149 | 950 | 0.0001 | - |
| 0.1209 | 1000 | 0.0001 | - |
| 0.1270 | 1050 | 0.0001 | - |
| 0.1330 | 1100 | 0.0001 | - |
| 0.1391 | 1150 | 0.0 | - |
| 0.1451 | 1200 | 0.0 | - |
| 0.1512 | 1250 | 0.0 | - |
| 0.1572 | 1300 | 0.0 | - |
| 0.1633 | 1350 | 0.0 | - |
| 0.1693 | 1400 | 0.0 | - |
| 0.1754 | 1450 | 0.0 | - |
| 0.1814 | 1500 | 0.0 | - |
| 0.1874 | 1550 | 0.0 | - |
| 0.1935 | 1600 | 0.0 | - |
| 0.1995 | 1650 | 0.0 | - |
| 0.2056 | 1700 | 0.0 | - |
| 0.2116 | 1750 | 0.0 | - |
| 0.2177 | 1800 | 0.0 | - |
| 0.2237 | 1850 | 0.0 | - |
| 0.2298 | 1900 | 0.0 | - |
| 0.2358 | 1950 | 0.0 | - |
| 0.2419 | 2000 | 0.0 | - |
| 0.2479 | 2050 | 0.0 | - |
| 0.2540 | 2100 | 0.0 | - |
| 0.2600 | 2150 | 0.0 | - |
| 0.2661 | 2200 | 0.0 | - |
| 0.2721 | 2250 | 0.0 | - |
| 0.2781 | 2300 | 0.0 | - |
| 0.2842 | 2350 | 0.0 | - |
| 0.2902 | 2400 | 0.0 | - |
| 0.2963 | 2450 | 0.0 | - |
| 0.3023 | 2500 | 0.0 | - |
| 0.3084 | 2550 | 0.0 | - |
| 0.3144 | 2600 | 0.0 | - |
| 0.3205 | 2650 | 0.0 | - |
| 0.3265 | 2700 | 0.0 | - |
| 0.3326 | 2750 | 0.0 | - |
| 0.3386 | 2800 | 0.0 | - |
| 0.3447 | 2850 | 0.0 | - |
| 0.3507 | 2900 | 0.0 | - |
| 0.3568 | 2950 | 0.0 | - |
| 0.3628 | 3000 | 0.0 | - |
| 0.3688 | 3050 | 0.0 | - |
| 0.3749 | 3100 | 0.0 | - |
| 0.3809 | 3150 | 0.0 | - |
| 0.3870 | 3200 | 0.0 | - |
| 0.3930 | 3250 | 0.0 | - |
| 0.3991 | 3300 | 0.0 | - |
| 0.4051 | 3350 | 0.0 | - |
| 0.4112 | 3400 | 0.0 | - |
| 0.4172 | 3450 | 0.0 | - |
| 0.4233 | 3500 | 0.0 | - |
| 0.4293 | 3550 | 0.0 | - |
| 0.4354 | 3600 | 0.0 | - |
| 0.4414 | 3650 | 0.0 | - |
| 0.4475 | 3700 | 0.0 | - |
| 0.4535 | 3750 | 0.0 | - |
| 0.4595 | 3800 | 0.0 | - |
| 0.4656 | 3850 | 0.0 | - |
| 0.4716 | 3900 | 0.0 | - |
| 0.4777 | 3950 | 0.0 | - |
| 0.4837 | 4000 | 0.0 | - |
| 0.4898 | 4050 | 0.0 | - |
| 0.4958 | 4100 | 0.0 | - |
| 0.5019 | 4150 | 0.0 | - |
| 0.5079 | 4200 | 0.0 | - |
| 0.5140 | 4250 | 0.0 | - |
| 0.5200 | 4300 | 0.0 | - |
| 0.5261 | 4350 | 0.0 | - |
| 0.5321 | 4400 | 0.0 | - |
| 0.5382 | 4450 | 0.0 | - |
| 0.5442 | 4500 | 0.0 | - |
| 0.5502 | 4550 | 0.0187 | - |
| 0.5563 | 4600 | 0.1473 | - |
| 0.5623 | 4650 | 0.1667 | - |
| 0.5684 | 4700 | 0.0401 | - |
| 0.5744 | 4750 | 0.0112 | - |
| 0.5805 | 4800 | 0.0074 | - |
| 0.5865 | 4850 | 0.0021 | - |
| 0.5926 | 4900 | 0.0017 | - |
| 0.5986 | 4950 | 0.0 | - |
| 0.6047 | 5000 | 0.0 | - |
| 0.6107 | 5050 | 0.0 | - |
| 0.6168 | 5100 | 0.0 | - |
| 0.6228 | 5150 | 0.0 | - |
| 0.6289 | 5200 | 0.0 | - |
| 0.6349 | 5250 | 0.0 | - |
| 0.6409 | 5300 | 0.0 | - |
| 0.6470 | 5350 | 0.0 | - |
| 0.6530 | 5400 | 0.0 | - |
| 0.6591 | 5450 | 0.0 | - |
| 0.6651 | 5500 | 0.0 | - |
| 0.6712 | 5550 | 0.0 | - |
| 0.6772 | 5600 | 0.0 | - |
| 0.6833 | 5650 | 0.0 | - |
| 0.6893 | 5700 | 0.0 | - |
| 0.6954 | 5750 | 0.0 | - |
| 0.7014 | 5800 | 0.0 | - |
| 0.7075 | 5850 | 0.0 | - |
| 0.7135 | 5900 | 0.0 | - |
| 0.7196 | 5950 | 0.0 | - |
| 0.7256 | 6000 | 0.0 | - |
| 0.7316 | 6050 | 0.0 | - |
| 0.7377 | 6100 | 0.0 | - |
| 0.7437 | 6150 | 0.0 | - |
| 0.7498 | 6200 | 0.0 | - |
| 0.7558 | 6250 | 0.0 | - |
| 0.7619 | 6300 | 0.0 | - |
| 0.7679 | 6350 | 0.0 | - |
| 0.7740 | 6400 | 0.0 | - |
| 0.7800 | 6450 | 0.0 | - |
| 0.7861 | 6500 | 0.0 | - |
| 0.7921 | 6550 | 0.0 | - |
| 0.7982 | 6600 | 0.0 | - |
| 0.8042 | 6650 | 0.0 | - |
| 0.8103 | 6700 | 0.0 | - |
| 0.8163 | 6750 | 0.0 | - |
| 0.8223 | 6800 | 0.0 | - |
| 0.8284 | 6850 | 0.0 | - |
| 0.8344 | 6900 | 0.0 | - |
| 0.8405 | 6950 | 0.0 | - |
| 0.8465 | 7000 | 0.0 | - |
| 0.8526 | 7050 | 0.0 | - |
| 0.8586 | 7100 | 0.0 | - |
| 0.8647 | 7150 | 0.0 | - |
| 0.8707 | 7200 | 0.0 | - |
| 0.8768 | 7250 | 0.0 | - |
| 0.8828 | 7300 | 0.0 | - |
| 0.8889 | 7350 | 0.0 | - |
| 0.8949 | 7400 | 0.0 | - |
| 0.9010 | 7450 | 0.0 | - |
| 0.9070 | 7500 | 0.0 | - |
| 0.9130 | 7550 | 0.0 | - |
| 0.9191 | 7600 | 0.0 | - |
| 0.9251 | 7650 | 0.0 | - |
| 0.9312 | 7700 | 0.0 | - |
| 0.9372 | 7750 | 0.0 | - |
| 0.9433 | 7800 | 0.0 | - |
| 0.9493 | 7850 | 0.0 | - |
| 0.9554 | 7900 | 0.0 | - |
| 0.9614 | 7950 | 0.0 | - |
| 0.9675 | 8000 | 0.0 | - |
| 0.9735 | 8050 | 0.0 | - |
| 0.9796 | 8100 | 0.0 | - |
| 0.9856 | 8150 | 0.0 | - |
| 0.9917 | 8200 | 0.0 | - |
| 0.9977 | 8250 | 0.0 | - |
| 1.0 | 8269 | - | 0.3465 |
| 1.0037 | 8300 | 0.0 | - |
| 1.0098 | 8350 | 0.0 | - |
| 1.0158 | 8400 | 0.0 | - |
| 1.0219 | 8450 | 0.0 | - |
| 1.0279 | 8500 | 0.0 | - |
| 1.0340 | 8550 | 0.0 | - |
| 1.0400 | 8600 | 0.0 | - |
| 1.0461 | 8650 | 0.0 | - |
| 1.0521 | 8700 | 0.0 | - |
| 1.0582 | 8750 | 0.0 | - |
| 1.0642 | 8800 | 0.0 | - |
| 1.0703 | 8850 | 0.0 | - |
| 1.0763 | 8900 | 0.0 | - |
| 1.0824 | 8950 | 0.0 | - |
| 1.0884 | 9000 | 0.0 | - |
| 1.0944 | 9050 | 0.0 | - |
| 1.1005 | 9100 | 0.0 | - |
| 1.1065 | 9150 | 0.0 | - |
| 1.1126 | 9200 | 0.0 | - |
| 1.1186 | 9250 | 0.0 | - |
| 1.1247 | 9300 | 0.0 | - |
| 1.1307 | 9350 | 0.0 | - |
| 1.1368 | 9400 | 0.0 | - |
| 1.1428 | 9450 | 0.0 | - |
| 1.1489 | 9500 | 0.0 | - |
| 1.1549 | 9550 | 0.0 | - |
| 1.1610 | 9600 | 0.0 | - |
| 1.1670 | 9650 | 0.0 | - |
| 1.1731 | 9700 | 0.0 | - |
| 1.1791 | 9750 | 0.0 | - |
| 1.1851 | 9800 | 0.0 | - |
| 1.1912 | 9850 | 0.0 | - |
| 1.1972 | 9900 | 0.0 | - |
| 1.2033 | 9950 | 0.0 | - |
| 1.2093 | 10000 | 0.0 | - |
| 1.2154 | 10050 | 0.0 | - |
| 1.2214 | 10100 | 0.0 | - |
| 1.2275 | 10150 | 0.0 | - |
| 1.2335 | 10200 | 0.0 | - |
| 1.2396 | 10250 | 0.0 | - |
| 1.2456 | 10300 | 0.0 | - |
| 1.2517 | 10350 | 0.0 | - |
| 1.2577 | 10400 | 0.0 | - |
| 1.2638 | 10450 | 0.0 | - |
| 1.2698 | 10500 | 0.0 | - |
| 1.2758 | 10550 | 0.0 | - |
| 1.2819 | 10600 | 0.0 | - |
| 1.2879 | 10650 | 0.0 | - |
| 1.2940 | 10700 | 0.0 | - |
| 1.3000 | 10750 | 0.0 | - |
| 1.3061 | 10800 | 0.0 | - |
| 1.3121 | 10850 | 0.0 | - |
| 1.3182 | 10900 | 0.0 | - |
| 1.3242 | 10950 | 0.0 | - |
| 1.3303 | 11000 | 0.0 | - |
| 1.3363 | 11050 | 0.0 | - |
| 1.3424 | 11100 | 0.0 | - |
| 1.3484 | 11150 | 0.0 | - |
| 1.3545 | 11200 | 0.0 | - |
| 1.3605 | 11250 | 0.0 | - |
| 1.3665 | 11300 | 0.0 | - |
| 1.3726 | 11350 | 0.0137 | - |
| 1.3786 | 11400 | 0.0211 | - |
| 1.3847 | 11450 | 0.0047 | - |
| 1.3907 | 11500 | 0.0048 | - |
| 1.3968 | 11550 | 0.0008 | - |
| 1.4028 | 11600 | 0.0 | - |
| 1.4089 | 11650 | 0.0 | - |
| 1.4149 | 11700 | 0.0 | - |
| 1.4210 | 11750 | 0.0 | - |
| 1.4270 | 11800 | 0.0 | - |
| 1.4331 | 11850 | 0.0 | - |
| 1.4391 | 11900 | 0.0 | - |
| 1.4452 | 11950 | 0.0 | - |
| 1.4512 | 12000 | 0.0 | - |
| 1.4572 | 12050 | 0.0 | - |
| 1.4633 | 12100 | 0.0 | - |
| 1.4693 | 12150 | 0.0 | - |
| 1.4754 | 12200 | 0.0 | - |
| 1.4814 | 12250 | 0.0 | - |
| 1.4875 | 12300 | 0.0 | - |
| 1.4935 | 12350 | 0.0 | - |
| 1.4996 | 12400 | 0.0 | - |
| 1.5056 | 12450 | 0.0 | - |
| 1.5117 | 12500 | 0.0 | - |
| 1.5177 | 12550 | 0.0 | - |
| 1.5238 | 12600 | 0.0 | - |
| 1.5298 | 12650 | 0.0 | - |
| 1.5359 | 12700 | 0.0 | - |
| 1.5419 | 12750 | 0.0 | - |
| 1.5480 | 12800 | 0.0 | - |
| 1.5540 | 12850 | 0.0 | - |
| 1.5600 | 12900 | 0.0 | - |
| 1.5661 | 12950 | 0.0 | - |
| 1.5721 | 13000 | 0.0 | - |
| 1.5782 | 13050 | 0.0 | - |
| 1.5842 | 13100 | 0.0 | - |
| 1.5903 | 13150 | 0.0 | - |
| 1.5963 | 13200 | 0.0 | - |
| 1.6024 | 13250 | 0.0 | - |
| 1.6084 | 13300 | 0.0 | - |
| 1.6145 | 13350 | 0.0 | - |
| 1.6205 | 13400 | 0.0 | - |
| 1.6266 | 13450 | 0.0 | - |
| 1.6326 | 13500 | 0.0 | - |
| 1.6387 | 13550 | 0.0 | - |
| 1.6447 | 13600 | 0.0 | - |
| 1.6507 | 13650 | 0.0 | - |
| 1.6568 | 13700 | 0.0 | - |
| 1.6628 | 13750 | 0.0 | - |
| 1.6689 | 13800 | 0.0 | - |
| 1.6749 | 13850 | 0.0 | - |
| 1.6810 | 13900 | 0.0 | - |
| 1.6870 | 13950 | 0.0 | - |
| 1.6931 | 14000 | 0.0 | - |
| 1.6991 | 14050 | 0.0 | - |
| 1.7052 | 14100 | 0.0 | - |
| 1.7112 | 14150 | 0.0 | - |
| 1.7173 | 14200 | 0.0 | - |
| 1.7233 | 14250 | 0.0 | - |
| 1.7294 | 14300 | 0.0 | - |
| 1.7354 | 14350 | 0.0 | - |
| 1.7414 | 14400 | 0.0 | - |
| 1.7475 | 14450 | 0.0 | - |
| 1.7535 | 14500 | 0.0 | - |
| 1.7596 | 14550 | 0.0 | - |
| 1.7656 | 14600 | 0.0 | - |
| 1.7717 | 14650 | 0.0 | - |
| 1.7777 | 14700 | 0.0 | - |
| 1.7838 | 14750 | 0.0 | - |
| 1.7898 | 14800 | 0.0 | - |
| 1.7959 | 14850 | 0.0 | - |
| 1.8019 | 14900 | 0.0 | - |
| 1.8080 | 14950 | 0.0 | - |
| 1.8140 | 15000 | 0.0 | - |
| 1.8201 | 15050 | 0.0 | - |
| 1.8261 | 15100 | 0.0 | - |
| 1.8321 | 15150 | 0.0 | - |
| 1.8382 | 15200 | 0.0 | - |
| 1.8442 | 15250 | 0.0 | - |
| 1.8503 | 15300 | 0.0 | - |
| 1.8563 | 15350 | 0.0 | - |
| 1.8624 | 15400 | 0.0 | - |
| 1.8684 | 15450 | 0.0 | - |
| 1.8745 | 15500 | 0.0 | - |
| 1.8805 | 15550 | 0.0 | - |
| 1.8866 | 15600 | 0.0 | - |
| 1.8926 | 15650 | 0.0 | - |
| 1.8987 | 15700 | 0.0 | - |
| 1.9047 | 15750 | 0.0 | - |
| 1.9108 | 15800 | 0.0 | - |
| 1.9168 | 15850 | 0.0 | - |
| 1.9228 | 15900 | 0.0 | - |
| 1.9289 | 15950 | 0.0 | - |
| 1.9349 | 16000 | 0.0 | - |
| 1.9410 | 16050 | 0.0 | - |
| 1.9470 | 16100 | 0.0 | - |
| 1.9531 | 16150 | 0.0 | - |
| 1.9591 | 16200 | 0.0 | - |
| 1.9652 | 16250 | 0.0 | - |
| 1.9712 | 16300 | 0.0 | - |
| 1.9773 | 16350 | 0.0 | - |
| 1.9833 | 16400 | 0.0 | - |
| 1.9894 | 16450 | 0.0 | - |
| 1.9954 | 16500 | 0.0 | - |
| 2.0 | 16538 | - | 0.3646 |
| 2.0015 | 16550 | 0.0 | - |
| 2.0075 | 16600 | 0.0 | - |
| 2.0135 | 16650 | 0.0 | - |
| 2.0196 | 16700 | 0.0 | - |
| 2.0256 | 16750 | 0.0 | - |
| 2.0317 | 16800 | 0.0 | - |
| 2.0377 | 16850 | 0.0 | - |
| 2.0438 | 16900 | 0.0 | - |
| 2.0498 | 16950 | 0.0 | - |
| 2.0559 | 17000 | 0.0 | - |
| 2.0619 | 17050 | 0.0 | - |
| 2.0680 | 17100 | 0.0 | - |
| 2.0740 | 17150 | 0.0 | - |
| 2.0801 | 17200 | 0.0 | - |
| 2.0861 | 17250 | 0.0 | - |
| 2.0922 | 17300 | 0.0 | - |
| 2.0982 | 17350 | 0.0 | - |
| 2.1042 | 17400 | 0.0 | - |
| 2.1103 | 17450 | 0.0 | - |
| 2.1163 | 17500 | 0.0 | - |
| 2.1224 | 17550 | 0.0 | - |
| 2.1284 | 17600 | 0.0 | - |
| 2.1345 | 17650 | 0.0 | - |
| 2.1405 | 17700 | 0.0 | - |
| 2.1466 | 17750 | 0.0 | - |
| 2.1526 | 17800 | 0.0 | - |
| 2.1587 | 17850 | 0.0 | - |
| 2.1647 | 17900 | 0.0 | - |
| 2.1708 | 17950 | 0.0 | - |
| 2.1768 | 18000 | 0.0 | - |
| 2.1829 | 18050 | 0.0 | - |
| 2.1889 | 18100 | 0.0 | - |
| 2.1949 | 18150 | 0.0 | - |
| 2.2010 | 18200 | 0.0 | - |
| 2.2070 | 18250 | 0.0 | - |
| 2.2131 | 18300 | 0.0 | - |
| 2.2191 | 18350 | 0.0 | - |
| 2.2252 | 18400 | 0.0 | - |
| 2.2312 | 18450 | 0.0 | - |
| 2.2373 | 18500 | 0.0 | - |
| 2.2433 | 18550 | 0.0 | - |
| 2.2494 | 18600 | 0.0 | - |
| 2.2554 | 18650 | 0.0 | - |
| 2.2615 | 18700 | 0.0 | - |
| 2.2675 | 18750 | 0.0 | - |
| 2.2736 | 18800 | 0.0 | - |
| 2.2796 | 18850 | 0.0 | - |
| 2.2856 | 18900 | 0.0 | - |
| 2.2917 | 18950 | 0.0 | - |
| 2.2977 | 19000 | 0.0 | - |
| 2.3038 | 19050 | 0.0 | - |
| 2.3098 | 19100 | 0.0 | - |
| 2.3159 | 19150 | 0.0 | - |
| 2.3219 | 19200 | 0.0 | - |
| 2.3280 | 19250 | 0.0 | - |
| 2.3340 | 19300 | 0.0 | - |
| 2.3401 | 19350 | 0.0 | - |
| 2.3461 | 19400 | 0.0 | - |
| 2.3522 | 19450 | 0.0 | - |
| 2.3582 | 19500 | 0.0 | - |
| 2.3643 | 19550 | 0.0 | - |
| 2.3703 | 19600 | 0.0 | - |
| 2.3763 | 19650 | 0.0 | - |
| 2.3824 | 19700 | 0.0 | - |
| 2.3884 | 19750 | 0.0 | - |
| 2.3945 | 19800 | 0.0 | - |
| 2.4005 | 19850 | 0.0 | - |
| 2.4066 | 19900 | 0.0 | - |
| 2.4126 | 19950 | 0.0 | - |
| 2.4187 | 20000 | 0.0 | - |
| 2.4247 | 20050 | 0.0 | - |
| 2.4308 | 20100 | 0.0 | - |
| 2.4368 | 20150 | 0.0 | - |
| 2.4429 | 20200 | 0.0 | - |
| 2.4489 | 20250 | 0.0 | - |
| 2.4550 | 20300 | 0.0 | - |
| 2.4610 | 20350 | 0.0 | - |
| 2.4670 | 20400 | 0.0 | - |
| 2.4731 | 20450 | 0.0 | - |
| 2.4791 | 20500 | 0.0 | - |
| 2.4852 | 20550 | 0.0 | - |
| 2.4912 | 20600 | 0.0 | - |
| 2.4973 | 20650 | 0.0 | - |
| 2.5033 | 20700 | 0.0 | - |
| 2.5094 | 20750 | 0.0 | - |
| 2.5154 | 20800 | 0.0 | - |
| 2.5215 | 20850 | 0.0 | - |
| 2.5275 | 20900 | 0.0 | - |
| 2.5336 | 20950 | 0.0 | - |
| 2.5396 | 21000 | 0.0 | - |
| 2.5457 | 21050 | 0.0 | - |
| 2.5517 | 21100 | 0.0 | - |
| 2.5577 | 21150 | 0.0 | - |
| 2.5638 | 21200 | 0.0 | - |
| 2.5698 | 21250 | 0.0 | - |
| 2.5759 | 21300 | 0.0 | - |
| 2.5819 | 21350 | 0.0 | - |
| 2.5880 | 21400 | 0.0 | - |
| 2.5940 | 21450 | 0.0 | - |
| 2.6001 | 21500 | 0.0 | - |
| 2.6061 | 21550 | 0.0 | - |
| 2.6122 | 21600 | 0.0 | - |
| 2.6182 | 21650 | 0.0 | - |
| 2.6243 | 21700 | 0.0 | - |
| 2.6303 | 21750 | 0.0 | - |
| 2.6364 | 21800 | 0.0 | - |
| 2.6424 | 21850 | 0.0 | - |
| 2.6484 | 21900 | 0.0 | - |
| 2.6545 | 21950 | 0.0 | - |
| 2.6605 | 22000 | 0.0 | - |
| 2.6666 | 22050 | 0.0 | - |
| 2.6726 | 22100 | 0.0 | - |
| 2.6787 | 22150 | 0.0 | - |
| 2.6847 | 22200 | 0.0 | - |
| 2.6908 | 22250 | 0.0 | - |
| 2.6968 | 22300 | 0.0 | - |
| 2.7029 | 22350 | 0.0 | - |
| 2.7089 | 22400 | 0.0 | - |
| 2.7150 | 22450 | 0.0 | - |
| 2.7210 | 22500 | 0.0 | - |
| 2.7271 | 22550 | 0.0 | - |
| 2.7331 | 22600 | 0.0 | - |
| 2.7391 | 22650 | 0.0 | - |
| 2.7452 | 22700 | 0.0 | - |
| 2.7512 | 22750 | 0.0 | - |
| 2.7573 | 22800 | 0.0 | - |
| 2.7633 | 22850 | 0.0 | - |
| 2.7694 | 22900 | 0.0 | - |
| 2.7754 | 22950 | 0.0 | - |
| 2.7815 | 23000 | 0.0 | - |
| 2.7875 | 23050 | 0.0 | - |
| 2.7936 | 23100 | 0.0 | - |
| 2.7996 | 23150 | 0.0 | - |
| 2.8057 | 23200 | 0.0 | - |
| 2.8117 | 23250 | 0.0 | - |
| 2.8178 | 23300 | 0.0 | - |
| 2.8238 | 23350 | 0.0 | - |
| 2.8298 | 23400 | 0.0 | - |
| 2.8359 | 23450 | 0.0 | - |
| 2.8419 | 23500 | 0.0 | - |
| 2.8480 | 23550 | 0.0 | - |
| 2.8540 | 23600 | 0.0 | - |
| 2.8601 | 23650 | 0.0 | - |
| 2.8661 | 23700 | 0.0 | - |
| 2.8722 | 23750 | 0.0 | - |
| 2.8782 | 23800 | 0.0 | - |
| 2.8843 | 23850 | 0.0 | - |
| 2.8903 | 23900 | 0.0 | - |
| 2.8964 | 23950 | 0.0 | - |
| 2.9024 | 24000 | 0.0 | - |
| 2.9085 | 24050 | 0.0 | - |
| 2.9145 | 24100 | 0.0 | - |
| 2.9205 | 24150 | 0.0 | - |
| 2.9266 | 24200 | 0.0 | - |
| 2.9326 | 24250 | 0.0 | - |
| 2.9387 | 24300 | 0.0 | - |
| 2.9447 | 24350 | 0.0 | - |
| 2.9508 | 24400 | 0.0 | - |
| 2.9568 | 24450 | 0.0 | - |
| 2.9629 | 24500 | 0.0 | - |
| 2.9689 | 24550 | 0.0 | - |
| 2.9750 | 24600 | 0.0 | - |
| 2.9810 | 24650 | 0.0 | - |
| 2.9871 | 24700 | 0.0 | - |
| 2.9931 | 24750 | 0.0 | - |
| 2.9992 | 24800 | 0.0 | - |
| 3.0 | 24807 | - | 0.3517 |
### Framework Versions
- Python: 3.11.11
- SetFit: 1.1.1
- Sentence Transformers: 3.4.1
- Transformers: 4.49.0
- PyTorch: 2.4.1.post300
- Datasets: 3.4.0
- Tokenizers: 0.21.0
## Citation
### BibTeX
```bibtex
@article{https://doi.org/10.48550/arxiv.2209.11055,
doi = {10.48550/ARXIV.2209.11055},
url = {https://arxiv.org/abs/2209.11055},
author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
title = {Efficient Few-Shot Learning Without Prompts},
publisher = {arXiv},
year = {2022},
copyright = {Creative Commons Attribution 4.0 International}
}
```
<!--
## 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.*
--> |