File size: 33,330 Bytes
5b7ce79 247c3fb 5b7ce79 247c3fb 5b7ce79 a0c7b0d 5b7ce79 247c3fb 5b7ce79 247c3fb 5b7ce79 247c3fb 5b7ce79 247c3fb 5b7ce79 |
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 |
---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:39780811
- loss:TripletLoss
base_model: DeepMount00/Italian-ModernBERT-base
widget:
- source_sentence: il lichen sclerosus può influenzare l'ano?
sentences:
- 1 HSV 1 di solito provoca l'herpes sulla bocca. 2 Le persone con il virus possono
avere herpes labiale o bolle di febbre sulla bocca. 3 L'HSV 1 può diffondersi
ai genitali durante il sesso orale.4 L'HSV2 di solito causa l'herpes intorno ai
genitali o all'ano. 5 Le persone con questo virus possono avere piaghe o vesciche
intorno ai genitali o all'ano. L'HSV 1 può essere diffuso ai genitali durante
il sesso orale. 2 L'HSV2 di solito causa l'herpes intorno ai genitali o all'ano.
3 Le persone con questo virus possono avere piaghe o vesciche intorno ai genitali
o all'ano.
- 4a edizione del Delray Beach Wine & Seafood Festival 7 e 8 novembre Giunto alla
sua quarta edizione, il Delray Beach Wine & Seafood Festival 2015 offre ai visitatori
l'opportunità di passeggiare per le strade fiancheggiate da palme di Delray sorseggiando
un ottimo bicchiere di vino o un piatto di prelibatezze frutti di mare.
- Il lichen sclerosus può colpire la pelle in qualsiasi parte del corpo. Ma più
spesso coinvolge la pelle della vulva, il prepuzio del pene o la pelle intorno
all'ano. Chiunque può contrarre il lichen sclerosus, ma le donne in postmenopausa
hanno un rischio elevato. A volte il lichen sclerosus migliora da solo e non avrai
bisogno di alcun trattamento. Il ichen sclerosus può colpire la pelle in qualsiasi
parte del corpo. Ma più spesso coinvolge la pelle della vulva, il prepuzio del
pene o la pelle intorno all'ano. Chiunque può contrarre il lichen sclerosus, ma
le donne in postmenopausa hanno un rischio elevato.
- source_sentence: quanto tempo grigliare una patata al forno?
sentences:
- 'Da g, grammo a lb, quantità di libbre. Quantità: 1 g, grammo di Patata dolce,
cotta, al forno con la buccia, senza sale. Equivale a: 0.0022 di libbre, libbra
di patate dolci, cotte, al forno con la pelle, senza sale. TOGGLE: da lb, pound
a g, quantità in grammi al contrario. Inserisci un nuovo valore g, grammo da cui
convertire.'
- USA / Florida / Minneola / Mondo / USA / Florida / Minneola World / Stati Uniti
/ Florida. lago Aggiungi categoria. È a forma di fagiolo e raggiunge una profondità
di 26 piedi vicino alla costa di Clermont. lakewatch.ifas.ufl.edu/RevisedMaps05/LakeMaps/MinneolaL...
96 piedi sopra il livello del mare.
- Grigliare le patate al forno intere richiede 30-45 minuti al cartoccio sulla griglia,
se le patate sono intere. Se hai poco tempo, sbollenta le patate per 10 minuti
prima di metterle sulla griglia o nel microonde per 3 minuti per lato e dovrai
solo grigliare le patate al forno per 5-10 minuti. Verifica se le patate sono
cotte correttamente frugando con uno stuzzicadenti. Grigliare le patate al forno
che sono state tagliate a fette o a spicchi richiede solo 5-10 minuti sulla griglia
a fuoco medio, a seconda dello spessore dei pezzi di patate. Per vedere se le
patate sono cotte correttamente, picchiettandole con uno stuzzicadenti. Grigliare
le patate al forno tagliate a fette o a spicchi richiede solo 5-10 minuti sulla
griglia a fuoco medio, a seconda dello spessore dei pezzi di patate.
- source_sentence: cosa sono le razze prepotenti?
sentences:
- Le razze Bully (Staffordshire Bull Terrier, American Staffordshire Terrier e American
Pit Bull Terrier) sono un gruppo di tre razze spesso conosciute collettivamente
come Pit Bull, ma molti allevatori di Staffordshire Bull Terrier e American Staffordshire
Terrier disprezzano notevolmente questo termine. le razze iniziarono nel 1835.
In quell'anno, il Parlamento britannico approvò il Cruelty to Animals Act. Questo
atto ha vietato due degli sport più popolari in Inghilterra, Bear Baiting e Bull
Baiting; sport di sangue che opponevano mastini contro orsi e bulldog contro tori,
spesso in combattimenti all'ultimo sangue.
- diritto distributivo. (matematica). Una regola che stabilisce come devono comportarsi
l'una rispetto all'altra due operazioni binarie su un insieme; in particolare,
se +, ° sono due di tali operazioni allora ° distribuisce su +
significa a ° (b + c) = (a ° b) + (a ° c) per tutti gli
a,b,c nell'insieme.1 Facebook. 2 Twitter.legge distributiva. (matematica). Una
regola che stabilisce come devono comportarsi l'una rispetto all'altra due operazioni
binarie su un insieme; in particolare, se +, ° sono due di tali operazioni
allora ° distribuisce su + significa a ° (b + c) = (a °
b) + (a ° c) per tutti gli a,b,c dell'insieme. 1 Facebook.
- Contare le pecore. Razze ovine. È difficile sapere quante razze di pecore ci siano
nel mondo, poiché solo i paesi sviluppati di solito mantengono registri di razza.
Tuttavia, si ritiene che esistano più razze ovine che razze di qualsiasi altra
specie di bestiame, ad eccezione del pollame. In tutto il mondo, si stima che
ci siano più di 1000 razze ovine distinte. Ci sono più di 50 razze solo negli
Stati Uniti.
- source_sentence: cos'è il documento sull'architettura del software?
sentences:
- 'Migliora le funzioni renali: poiché il cavolo può aiutare a mantenere sotto controllo
il livello di zucchero nel sangue, aiuta anche a mantenere le funzioni renali.
Quando un diabetico ha livelli di zucchero nel sangue estremamente alti (oltre
600 mg/dl), i reni cercano di eliminare lo zucchero nel sangue in eccesso eliminandolo
attraverso l''urina.'
- Questo documento descrive in dettaglio quali versioni di IBM JDK sono supportate
in ogni versione e release del sistema operativo IBM i. Ambiente. Risolvere il
problema. Per ulteriori spiegazioni sui JDK IBM i e su come utilizzarli nell'ambiente
del server IBM i, fare riferimento al seguente documento tecnico del software
IBM.
- Il Software Architecture Document (SAD) fornisce una panoramica completa dell'architettura
dell'Online Catering Service 1.0 offerto da Yummy Inc. Presenta una serie di diverse
visualizzazioni dell'architettura per rappresentare i diversi aspetti del sistema.
- source_sentence: qual è il più grande il mare o l'oceano
sentences:
- L'Oceano Pacifico è il più grande dei cinque oceani del mondo, seguito dall'Oceano
Atlantico, dall'Oceano Indiano, dall'Oceano Meridionale e dall'Oceano Artico.
Copre un'area di circa 155 milioni di chilometri quadrati (circa 60 milioni di
miglia quadrate). L'Oceano Pacifico è il più grande dei cinque oceani del mondo,
seguito dall'Oceano Atlantico e dall'Oceano Indiano , Oceano Meridionale e Oceano
Artico. Copre un'area di circa 155 milioni di chilometri quadrati (circa 60 milioni
di miglia quadrate).
- Il tamarino leone d'oro è dichiarato specie in pericolo di estinzione dall'Unione
internazionale per la conservazione della natura a causa della drastica deforestazione
del suo habitat naturale. A causa di... Il tamarino leone d'oro è dichiarato specie
in pericolo di estinzione dall'Unione internazionale per la conservazione della
natura a causa della drastica deforestazione del suo habitat naturale.
- Il fiume Chang Jiang, o fiume Yangtze, sfocia nel mare della Cina orientale. Questo
mare è una parte dell'Oceano Indiano vicino all'Asia. 3 persone l'hanno trovato
utile. Modificare.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- cosine_accuracy
model-index:
- name: SentenceTransformer based on DeepMount00/Italian-ModernBERT-base
results:
- task:
type: triplet
name: Triplet
dataset:
name: mmarco dev
type: mmarco_dev
metrics:
- type: cosine_accuracy
value: 0.9089999794960022
name: Cosine Accuracy on Dev
- type: cosine_accuracy
value: 0.9210000038146973
name: Cosine Accuracy on Test
---
<br>
<br>
# Italian-ModernBERT-base-embed-mmarco-triplet
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [DeepMount00/Italian-ModernBERT-base](https://huggingface.co/DeepMount00/Italian-ModernBERT-base) 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/Italian-ModernBERT-base](https://huggingface.co/DeepMount00/Italian-ModernBERT-base) <!-- at revision 34324c2191a0209b17c8cd27dbf2f4f9d2821189 -->
- **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("Italian-ModernBERT-base-embed-mmarco-triplet")
# Run inference
sentences = [
"qual è il più grande il mare o l'oceano",
"L'Oceano Pacifico è il più grande dei cinque oceani del mondo, seguito dall'Oceano Atlantico, dall'Oceano Indiano, dall'Oceano Meridionale e dall'Oceano Artico. Copre un'area di circa 155 milioni di chilometri quadrati (circa 60 milioni di miglia quadrate). L'Oceano Pacifico è il più grande dei cinque oceani del mondo, seguito dall'Oceano Atlantico e dall'Oceano Indiano , Oceano Meridionale e Oceano Artico. Copre un'area di circa 155 milioni di chilometri quadrati (circa 60 milioni di miglia quadrate).",
"Il fiume Chang Jiang, o fiume Yangtze, sfocia nel mare della Cina orientale. Questo mare è una parte dell'Oceano Indiano vicino all'Asia. 3 persone l'hanno trovato utile. Modificare.",
]
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
* Dataset: `mmarco_dev`
* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
| Metric | Value |
|:--------------------|:----------|
| **cosine_accuracy** | **0.909** |
#### Triplet
* Dataset: `mmarco_test`
* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
| Metric | Value |
|:--------------------|:----------|
| **cosine_accuracy** | **0.921** |
<!--
## 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
* Total Size: 39,780,811
* Size: 50,000 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: 4 tokens</li><li>mean: 10.91 tokens</li><li>max: 24 tokens</li></ul> | <ul><li>min: 22 tokens</li><li>mean: 92.84 tokens</li><li>max: 276 tokens</li></ul> | <ul><li>min: 19 tokens</li><li>mean: 88.55 tokens</li><li>max: 242 tokens</li></ul> |
* Samples:
| query | positive | negative |
|:----------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>chi suona è granger su ncis la</code> | <code>Firmato per un ruolo ricorrente in NCIS: Los Angeles come assistente del direttore del servizio investigativo criminale navale Owen Granger, Ferrer è stato promosso a personaggio regolare per la quinta stagione il 6 febbraio 2013. È anche apparso nel film del 2013 Iron Man 3 come il vice. -Presidente.</code> | <code>NCIS: L'agente Abigail Borin di CGIS (Coast Guard Investigative Service) è interpretata da Diane Neal, che ha anche interpretato ADA Casey Novak in Law and Order, SVU. L'agente Borin è simile nello stile di comando e nel temperamento all'agente speciale Leroy Jethro Gibbs dell'NCIS.</code> |
| <code>come si chiama la strada principale di hershey pa?</code> | <code>Chocolate Avenue è una strada di Hershey, in Pennsylvania, che passa davanti all'originale Hershey's Chocolate Factory ed è considerata la strada principale della città.</code> | <code>Milton S. Hershey è nato il 13 settembre 1857 da Henry e Veronica Fanny Snavely Hershey. La sua famiglia erano membri della comunità mennonita della Pennsylvania. I suoi antenati erano svizzeri e tedeschi e si erano stabiliti in Pennsylvania nei primi anni del 1700. Crebbe parlando l'olandese della Pennsylvania. ilton S. Hershey nacque il 13 settembre 1857 da Henry e Veronica Fanny Snavely Hershey. La sua famiglia erano membri della comunità mennonita della Pennsylvania. I suoi antenati erano svizzeri e tedeschi e si erano stabiliti in Pennsylvania nei primi anni del 1700. È cresciuto parlando l'olandese della Pennsylvania.</code> |
| <code>definizione di dissoluzione in geologia</code> | <code>Rocce solubili (dissoluzione) Sinkhole; mentre l'acqua filtra attraverso le rocce sopra, il sale inizia a dissolversi e le rocce sopra cadono a formare una dolina. La dissoluzione del suolo si verifica quando l'acqua che passa attraverso rocce solubili produce cavità sotterranee e sistemi di grotte. Tali cavità riducono l'appoggio al terreno sovrastante e possono provocare cedimenti localizzati delle rocce e dei depositi sovrastanti.</code> | <code>Per porre fine all'esistenza di una società o LLC, un'entità deve presentare gli articoli di scioglimento o altra forma di scioglimento o annullamento dei documenti con il Segretario di Stato. I requisiti variano in base alla giurisdizione.</code> |
* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
```json
{
"distance_metric": "TripletDistanceMetric.EUCLIDEAN",
"triplet_margin": 5
}
```
### 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: 4 tokens</li><li>mean: 11.25 tokens</li><li>max: 37 tokens</li></ul> | <ul><li>min: 15 tokens</li><li>mean: 94.27 tokens</li><li>max: 309 tokens</li></ul> | <ul><li>min: 24 tokens</li><li>mean: 90.05 tokens</li><li>max: 305 tokens</li></ul> |
* Samples:
| query | positive | negative |
|:------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>significato del tatuaggio del drago e del lupo</code> | <code>Wolf Tattoo: significati e disegni. Il tatuaggio del lupo è un ottimo modo per mostrare lealtà e devozione alla famiglia. Alcune persone hanno il loro intero branco di persone care inchiostrate o si fanno tatuare una sola zampa di lupo e hanno i nomi dei propri cari inchiostrati all'interno del disegno. Il tatuaggio del lupo può anche rappresentare l'amore.</code> | <code>Qual è il significato di Apocalisse capitolo 12? Di cosa parla Apocalisse 12? Chi sono la donna, il bambino e il drago descritti in Apocalisse capitolo 12? Qual è il significato di Apocalisse capitolo 12? Apocalisse capitolo 12 contiene una descrizione di una donna, che è vestita di sole, con la luna sotto i suoi piedi e una corona di dodici stelle in cima alla sua testa. La donna è incinta e sta per partorire. È inseguita da un grande drago rosso, la cui coda ha spazzato via un terzo delle stelle dal cielo e le ha gettate sulla terra.</code> |
| <code>cosa significa amianto friabile</code> | <code>L'amianto friabile si riferisce a qualsiasi tipo di amianto fragile che può sgretolarsi con poca forza o pressione. Qualsiasi materiale che può essere frantumato con le mani e contiene amianto è considerato amianto friabile e deve essere rimosso.</code> | <code>Il prezzo del test dell'aria dell'amianto di solito varia a seconda del tipo e del numero di test richiesti, dovresti ottenere stime specifiche per il tuo lavoro e dovrebbero essere inclusi nel calcolo di quanto costa rimuovere l'amianto. Ottieni ulteriori informazioni sui costi dei test dell'aria dell'amianto.</code> |
| <code>che ha giocato a lois lane in superman</code> | <code>Noel Neill. Noel Darleen Neill (25 novembre 1920  3 luglio 2016) è stata un'attrice statunitense. È nota per aver interpretato Lois Lane nei serial cinematografici Superman (1948) e Atom Man vs. Superman (1950), nonché nella serie televisiva degli anni '50 Adventures of Superman. È apparsa in 80 film e serie televisive nella sua carriera.</code> | <code>esiste ed è un supplente di . Wonder Woman è un classico supereroe della DC Comics. Condivide la sua eredità con personaggi del calibro di Superman, Batman e Flash. Wonder Woman è un classico supereroe della DC Comics. Condivide la sua eredità con personaggi del calibro di Superman, Batman e Flash.</code> |
* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
```json
{
"distance_metric": "TripletDistanceMetric.EUCLIDEAN",
"triplet_margin": 5
}
```
### 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
- `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
</details>
### Training Logs
| Epoch | Step | Training Loss | Validation Loss | mmarco_dev_cosine_accuracy |
|:-------:|:--------:|:-------------:|:---------------:|:--------------------------:|
| -1 | -1 | - | - | 0.6285 |
| 0.08 | 250 | 1.8669 | 2.4032 | 0.7960 |
| 0.16 | 500 | 1.793 | 1.6328 | 0.8600 |
| 0.24 | 750 | 1.4301 | 1.3971 | 0.8930 |
| 0.32 | 1000 | 1.3361 | 1.2686 | 0.8955 |
| **0.4** | **1250** | **1.237** | **1.2151** | **0.909** |
## Test Logs
| Epoch | Step | Training Loss | Validation Loss | mmarco_dev_cosine_accuracy |
|:-------:|:--------:|:-------------:|:---------------:|:--------------------------:|
| -1 | -1 | - | - | 0.9210 |
* The bold row denotes the saved checkpoint.
### Framework Versions
- Python: 3.11.11
- Sentence Transformers: 3.5.0.dev0
- Transformers: 4.50.0.dev0
- PyTorch: 2.5.1+cu124
- Accelerate: 1.3.0
- Datasets: 3.3.2
- Tokenizers: 0.21.0
## 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",
}
```
#### TripletLoss
```bibtex
@misc{hermans2017defense,
title={In Defense of the Triplet Loss for Person Re-Identification},
author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
year={2017},
eprint={1703.07737},
archivePrefix={arXiv},
primaryClass={cs.CV}
}
```
<!--
## 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.*
--> |