File size: 39,031 Bytes
bff7994 |
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 |
---
base_model: BAAI/bge-base-en-v1.5
datasets: []
language: []
library_name: sentence-transformers
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:693
- loss:MultipleNegativesRankingLoss
- dataset_size:1193
widget:
- source_sentence: بدأت الحقبة النفطية بالكويت عام 1936 حينما اكتشف أول بئر نفط في
منطقة بحرة شمال الكويت، إلا أن النفط المكتشف لم يكن بكميات تجارية حتى اكتشف حقل
برقان والذي توقف العمل به 1942 بسبب ظروف الحرب العالمية الثانية؛ ومع انتهاء الحرب
عادت اعمال الحفر بالحقل لتصدر أول شحنة نفط في 30 يونيو سنة 1946. من الناحية الاقتصادية،
تعد الكويت أحد أهم منتجي ومصدري النفط في العالم، فتمتلك خامس أكبر احتياطي نفطي
في العالم، حيث يتواجد في أرضها 10% من احتياطي النفط بالعالم، ويمثل النفط والمنتجات
النفطية ما يقرب من 87% من عائدات التصدير و80% من الإيرادات الحكومية. تعدّ الكويت
من البلدان ذات الدخل المرتفع بحسب تصنيف البنك الدولي. تعود أسباب تلك القوة الاقتصادية
إلى ضخامة الناتج المحلي الإجمالي (تعادل القدرة الشرائية) 167.9 مليار دولار، ونصيب
الفرد المرتفع من الناتج المحلي الإجمالي الذي بلغ قرابة 45,455 دولار أمريكي في
عام 2011، محتلة بذلك المركز الثامن عالمياً، والثاني عربياً من حيث الناتج المحلي
الإجمالي.
sentences:
- ما اهم الفتوحات فى عهد الدولة الاموية؟
- كم يبلغ الناتج المحلى للكويت عام 2011؟
- لماذا قام ملك المغرب بزيارة عدد من الدول الإفريقية سنة 1980؟
- source_sentence: 'ترامادول (بالإنجليزية: Tramadol) هو مسكن ألم مركزي له مفعول مقارب
للكودايين، وهو نظير هذا الأخير. ويصنف ضمن مسكنات الألم من النوع 2. يؤثر على نفس
مستقبلات المورفين، وهو منافس على المستقبلات المورفينية.'
sentences:
- ما هو الاستخدام الاساسي لدواء الترامادول؟
- لماذا سميت كرة القدم عام 1863 بكرة قدم الاتحاد؟
- متى بدأ تصدير البترول؟
- source_sentence: 'زين الدين يزيد زيدان (بالفرنسية: Zinédine Zidane)، (مواليد 23
يونيو 1972 في مارسيليا)، هو لاعب كرة قدم فرنسي من أصل جزائري، ينحدر من مدينة بجاية
بـ منطقة القبائل بـ الجزائر، منذ اعتزاله للعب أصبح يعمل مدربًا كرة قدم لحساب نادي
ريال مدريد كمدرب ومدير فني للفريق قبل أن يعلن استقالته رسميًا. ولد في مارسيليا
لأبوين جزائريين، يُعد زيدان واحد من الأساطير في تاريخ كرة القدم بشهادة العديد
من الخبراء، أحرز مع منتخب بلاده كأس العالم وأتبعه بكأس أمم أوروبا ثم كأس القارات،
حصل على جائزة أفضل لاعب في العالم 3 مرات، وعلى مستوى الأندية حقق مع نادي ريال
مدريد دوري أبطال أوروبا مرة عام 2002 وكأس العالم للأندية 2002 وكأس السوبر الأوروبية.
تم التصويت له كأفضل لاعب في الخمسين سنة الماضية في القارة الأوروبية وقد اختاره
بيليه ضمن قائمة أفضل 125 لاعب حي في مارس 2004.'
sentences:
- الى اى منطقة ترجع جذور الدروز؟
- متى ولد زين الدين زيدان؟
- من انشأه
- source_sentence: القمر هو القمر الطبيعي الوَحيد للأرض بالإضافة إلى أنه خامس أكبر
قمرٍ طبيعيٍ في المجموعة الشمسية. فهو يُعَدُ أكبر قمرٍ طبيعيٍ في المجموعة الشمسية
من ناحية نسبة حجمه إلى كوكبه التابع له، حيث أن قطره يصل إلى ربع قطر الأرض، كما
أن كتلته تصل إلى 1 على 81 من كتلة الأرض، هذا بالإضافة إلى أنه يُعَدُ ثاني أعلى
قمرٍ من ناحية الكثافة بعد قمر إيو.
sentences:
- أين تقع موريطانيا؟
- متى بدأت دراسة فن الصوت و الموسيقى؟
- كم يبلغ قطره؟
- source_sentence: محلياً، ليفربول هو ثاني أكثر الأندية الإنجليزية فوزاً بلقب الدوري
بـ18 بطولة متأخراً عن مانشستر يونايتد ببطولتين الذي فاز بلقب بالدوري 20 مرة. أيضاً
حصل ليفربول على بطولة دوري لانكشاير وحيدة في عام 1892، وفاز بلقب الدوري الدرجة
الثانية 4 مرات. أما على مستوى الكؤوس فقد حصد الفريق على 15 لقباً في كأس الدرع
الخيرية، و 7 ألقاب في كأس الإتحاد الإنجليزي، و 8 ألقاب في كأس الرابطة الإنجليزية.
ليصبح بذلك مجموع بطولاته المحلية حوالي 54 لقباً. بعد تأسيس النادي ليفربول في عام
1892، شارك في دوري كرة القدم في السنة التي تلتها. وتعتبر الفترة الأكثر نجاحاً
لليفربول كانت في السبعينات و الثمانينات، عندما قاد بيل شانكلي وبوب بيزلي النادي
لتحقيق أحد عشر لقب دوري و سبع كؤوس أوربية. ليفربول لديه منافسات طويلة مع جاره
إيفرتون ومانشستر يونايتد. يلعب الفريق بالملابس الحمراء منذ عام 1964 عندما غير
بيل شانكلي ملابس الفريق من القميص الأحمر و السروال الأبيض إلى اللون الأحمر. نشيد
النادي هو "لن تسير لوحدك أبدا" والتي يقوم الجمهور بغنائها قبل بداية كل مباراة
على أرضه. يلعب النادي في ملعبه الأنفيلد منذ تأسيسه.
sentences:
- في كم من بطولة فاز نادي ليفيربول بلقب الدوري؟
- هل من الممكن أن تفشل عمليات اصلاح غشاء البكارة؟
- متى فاز المنتخب الايطالى بالبطولة مرتين متتاليتين؟
---
# SentenceTransformer based on BAAI/bge-base-en-v1.5
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [BAAI/bge-base-en-v1.5](https://huggingface.co./BAAI/bge-base-en-v1.5). 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:** [BAAI/bge-base-en-v1.5](https://huggingface.co./BAAI/bge-base-en-v1.5) <!-- at revision a5beb1e3e68b9ab74eb54cfd186867f64f240e1a -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 tokens
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **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': 512, 'do_lower_case': True}) with Transformer model: BertModel
(1): Pooling({'word_embedding_dimension': 768, '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})
(2): Normalize()
)
```
## 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("AhmedBadawy11/bge-base-ar-v1.5-finetuned")
# Run inference
sentences = [
'محلياً، ليفربول هو ثاني أكثر الأندية الإنجليزية فوزاً بلقب الدوري بـ18 بطولة متأخراً عن مانشستر يونايتد ببطولتين الذي فاز بلقب بالدوري 20 مرة. أيضاً حصل ليفربول على بطولة دوري لانكشاير وحيدة في عام 1892، وفاز بلقب الدوري الدرجة الثانية 4 مرات. أما على مستوى الكؤوس فقد حصد الفريق على 15 لقباً في كأس الدرع الخيرية، و 7 ألقاب في كأس الإتحاد الإنجليزي، و 8 ألقاب في كأس الرابطة الإنجليزية. ليصبح بذلك مجموع بطولاته المحلية حوالي 54 لقباً. بعد تأسيس النادي ليفربول في عام 1892، شارك في دوري كرة القدم في السنة التي تلتها. وتعتبر الفترة الأكثر نجاحاً لليفربول كانت في السبعينات و الثمانينات، عندما قاد بيل شانكلي وبوب بيزلي النادي لتحقيق أحد عشر لقب دوري و سبع كؤوس أوربية. ليفربول لديه منافسات طويلة مع جاره إيفرتون ومانشستر يونايتد. يلعب الفريق بالملابس الحمراء منذ عام 1964 عندما غير بيل شانكلي ملابس الفريق من القميص الأحمر و السروال الأبيض إلى اللون الأحمر. نشيد النادي هو "لن تسير لوحدك أبدا" والتي يقوم الجمهور بغنائها قبل بداية كل مباراة على أرضه. يلعب النادي في ملعبه الأنفيلد منذ تأسيسه.',
'في كم من بطولة فاز نادي ليفيربول بلقب الدوري؟',
'متى فاز المنتخب الايطالى بالبطولة مرتين متتاليتين؟',
]
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.*
-->
<!--
## 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
#### Unnamed Dataset
* Size: 1,193 training samples
* Columns: <code>positive</code> and <code>anchor</code>
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:-------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 129 tokens</li><li>mean: 367.5 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 29.93 tokens</li><li>max: 73 tokens</li></ul> |
* Samples:
| positive | anchor |
|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------|
| <code>جمال أحمد حمزة خاشقجي (13 أكتوبر 1958، المدينة المنورة - 2 أكتوبر 2018)، صحفي وإعلامي سعودي، رأس عدّة مناصب لعدد من الصحف في السعودية، وتقلّد منصب مستشار، كما أنّه مدير عام قناة العرب الإخبارية سابقًا.</code> | <code>- من هو جمال أحمد حمزة خاشقجي؟</code> |
| <code>جمال أحمد حمزة خاشقجي (13 أكتوبر 1958، المدينة المنورة - 2 أكتوبر 2018)، صحفي وإعلامي سعودي، رأس عدّة مناصب لعدد من الصحف في السعودية، وتقلّد منصب مستشار، كما أنّه مدير عام قناة العرب الإخبارية سابقًا.</code> | <code>- متى ولد جمال أحمد حمزة خاشقجي وتوفي؟ ال</code> |
| <code>جمال أحمد حمزة خاشقجي (13 أكتوبر 1958، المدينة المنورة - 2 أكتوبر 2018)، صحفي وإعلامي سعودي، رأس عدّة مناصب لعدد من الصحف في السعودية، وتقلّد منصب مستشار، كما أنّه مدير عام قناة العرب الإخبارية سابقًا.</code> | <code>- في أي مدينة ولد جمال أحمد حمزة خاشقجي؟ ال</code> |
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
### Evaluation Dataset
#### Unnamed Dataset
* Size: 202 evaluation samples
* Columns: <code>positive</code> and <code>anchor</code>
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:--------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 156 tokens</li><li>mean: 386.96 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 29.01 tokens</li><li>max: 63 tokens</li></ul> |
* Samples:
| positive | anchor |
|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------|
| <code>حمزة بن عبد المطلب الهاشمي القرشي صحابي من صحابة رسول الإسلام محمد، وعمُّه وأخوه من الرضاعة وأحد وزرائه الأربعة عشر، وهو خير أعمامه لقوله: «خَيْرُ إِخْوَتِي عَلِيٌّ، وَخَيْرُ أَعْمَامِي حَمْزَةُ رَضِيَ اللَّهُ عَنْهُمَا».</code> | <code>بما وصفه رسول الله؟</code> |
| <code>أسلم حمزة في السنة الثانية من بعثة النبي محمد، فلمَّا أسلم علمت قريش أن الرسولَ محمداً قد عز وامتنع وأن حمزة سيمنعه، فكفّوا عن بعض ما كانوا ينالون منه. ثم هاجر حمزة إلى المدينة المنورة، فآخى الرسولُ بينه وبين زيد بن حارثة. وكان أولُ لواء عقده الرسولُ محمدٌ هو اللواءَ الذي عقده لحمزة، وشهد حمزةُ غزوة بدر، وقَتَلَ فيها شيبة بن ربيعة مبارزةً، وقتل غيرَه كثيراً من المشركين، كما شهد غزوة أحد، فقُتل بها سنة 3هـ، وكان قد قَتَلَ من المشركين قبل أن يُقتل واحداً وثلاثين نفساً، وكان الذي قتله هو وحشي بن حرب الحبشي غلامُ جبير بن مطعم، ومثَّل به المشركون، وبقرت هند بنت عتبة بطنَه فأخرجت كبده، فجعلت تلوكها فلم تسغها فلفظتها، فقال الرسولُ محمدٌ: ، وخرج الرسولُ يلتمس حمزة، فوجده ببطن الوادي قد مُثِّل به، فلم ير منظراً كان أوجع لقلبه منه فقال: . ودفن حمزة وابن أخته عبد الله بن جحش في قبر واحد.</code> | <code>و ماذا فعل فى غزوة بدر؟</code> |
| <code>القمر هو القمر الطبيعي الوَحيد للأرض بالإضافة إلى أنه خامس أكبر قمرٍ طبيعيٍ في المجموعة الشمسية. فهو يُعَدُ أكبر قمرٍ طبيعيٍ في المجموعة الشمسية من ناحية نسبة حجمه إلى كوكبه التابع له، حيث أن قطره يصل إلى ربع قطر الأرض، كما أن كتلته تصل إلى 1 على 81 من كتلة الأرض، هذا بالإضافة إلى أنه يُعَدُ ثاني أعلى قمرٍ من ناحية الكثافة بعد قمر إيو. هذا ويتسم القمر الأرضي حركته التزامنية مع كوكبه (الأرض)، عارضاً دائماً الوجه نفسه؛ حيث يتميز الجانب القريب بمنطقةٍ بركانيةٍ منخفضةٍ مظلمةٍ، والتي تقع فيما بين مرتفعات القشرة الأرضية القديمة البراقة والفوهات الصدمية الشاهقة. كما يُلاحظ أن القمر الأرضي هو أكثر جسمٍ لامعٍ في السماء ليلاً، وعموماً هو الجسم الأكثر لمعاناً بعد الشمس، وهذا على الرغم من أن سطحه معتم جداً، حيث أن له انعكاساً مماثلاً للفحم. كان بروز القمر في السماء المظلمة ليلاً، ودورته المنتظمة الأطوار (المراحل) قد جعل له على مر العصور القديمة تأثيراً ثقافياً هاماً على كلٍ من اللغة، التقويم القمري، ، والأساطير القديمة، المتمثلة في آلهة القمر والتي منها عبر الحضارات: "خونسو" في الديانة المصرية القديمة، "تشانغ" في الحضارة الصينية وكذلك "ماما قيلا" في حضارة الإنكا. ومن السمات الكامنة للقمر كذلك، تأثير جاذبيته التي تسفر عن وقوع عمليتي مد وجزر المحيطات وإطالة الدقيقة (نتيجة تسارع المد والجزر) لليوم. مع ملاحظة أن المسافة المدارية الحالية للقمر، والتي تُقَدَرُ بثلاثين مرةٍ قدر قطر الكرة الأرضية، تتسبب في أن يبدو القمر أغلب الوقت بنفس حجمه دون تغيير في السماء كما هو الحال مع الشمس، مما يسمح له (القمر) بأن يغطي الشمس بصورةٍ شبه تامةٍ في ظاهرة الكسوف الكلي للشمس.</code> | <code>كم المسافة المدارية للقمر؟</code> |
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `learning_rate`: 2e-05
- `weight_decay`: 0.01
- `num_train_epochs`: 30
- `warmup_ratio`: 0.1
- `fp16`: 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`: 8
- `per_device_eval_batch_size`: 8
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 1
- `eval_accumulation_steps`: None
- `learning_rate`: 2e-05
- `weight_decay`: 0.01
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 30
- `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`: False
- `ignore_data_skip`: False
- `fsdp`: []
- `fsdp_min_num_params`: 0
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `fsdp_transformer_layer_cls_to_wrap`: None
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch
- `optim_args`: None
- `adafactor`: False
- `group_by_length`: False
- `length_column_name`: length
- `ddp_find_unused_parameters`: None
- `ddp_bucket_cap_mb`: None
- `ddp_broadcast_buffers`: False
- `dataloader_pin_memory`: True
- `dataloader_persistent_workers`: False
- `skip_memory_metrics`: True
- `use_legacy_prediction_loop`: False
- `push_to_hub`: False
- `resume_from_checkpoint`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_private_repo`: 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
- `eval_on_start`: False
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
<details><summary>Click to expand</summary>
| Epoch | Step | Training Loss | loss |
|:-------:|:----:|:-------------:|:------:|
| 0.7143 | 50 | 1.8594 | - |
| 1.4 | 100 | 1.4656 | 1.4937 |
| 2.0857 | 150 | 1.341 | - |
| 2.8 | 200 | 1.1444 | 1.5586 |
| 3.4857 | 250 | 0.9108 | - |
| 4.1714 | 300 | 0.8002 | 1.8091 |
| 4.8857 | 350 | 0.7166 | - |
| 5.5714 | 400 | 0.5053 | 1.9486 |
| 6.2571 | 450 | 0.5315 | - |
| 6.9714 | 500 | 0.4235 | 1.8879 |
| 7.6571 | 550 | 0.3278 | - |
| 8.3429 | 600 | 0.2581 | 1.9823 |
| 9.0286 | 650 | 0.2086 | - |
| 9.7429 | 700 | 0.1924 | 2.2867 |
| 10.4286 | 750 | 0.1868 | - |
| 11.1143 | 800 | 0.1407 | 2.3309 |
| 11.8286 | 850 | 0.0886 | - |
| 12.5143 | 900 | 0.0818 | 2.4801 |
| 13.2 | 950 | 0.0592 | - |
| 13.9143 | 1000 | 0.0436 | 2.4795 |
| 14.6 | 1050 | 0.033 | - |
| 15.2857 | 1100 | 0.0402 | 2.3954 |
| 16.0 | 1150 | 0.0173 | - |
| 16.6857 | 1200 | 0.0129 | 2.5721 |
| 17.3714 | 1250 | 0.0092 | - |
| 18.0571 | 1300 | 0.0062 | 2.7104 |
| 18.7714 | 1350 | 0.004 | - |
| 19.4571 | 1400 | 0.0048 | 2.6302 |
| 20.1429 | 1450 | 0.0024 | - |
| 20.8571 | 1500 | 0.0022 | 2.7479 |
| 21.5429 | 1550 | 0.0026 | - |
| 22.2286 | 1600 | 0.002 | 2.7710 |
| 22.9429 | 1650 | 0.0012 | - |
| 23.6286 | 1700 | 0.0025 | 2.8215 |
| 24.3143 | 1750 | 0.0013 | - |
| 25.0286 | 1800 | 0.0012 | 2.8204 |
| 25.7143 | 1850 | 0.001 | - |
| 26.4 | 1900 | 0.0008 | 2.7807 |
| 27.0857 | 1950 | 0.0008 | - |
| 27.8 | 2000 | 0.0007 | 2.7852 |
| 28.4857 | 2050 | 0.0008 | - |
| 29.1714 | 2100 | 0.0006 | 2.7865 |
| 1.1136 | 50 | 0.0836 | - |
| 2.2273 | 100 | 0.0707 | 3.0166 |
| 3.3409 | 150 | 0.0475 | - |
| 4.4545 | 200 | 0.0445 | 2.9946 |
| 5.5682 | 250 | 0.0356 | - |
| 6.6818 | 300 | 0.0152 | 3.0658 |
| 7.7955 | 350 | 0.0119 | - |
| 0.5747 | 50 | 0.0086 | - |
| 1.1494 | 100 | 0.004 | 2.5749 |
| 1.7241 | 150 | 0.0019 | - |
| 2.2989 | 200 | 0.0011 | 2.5823 |
| 2.8736 | 250 | 0.0014 | - |
| 3.4483 | 300 | 0.001 | 2.5131 |
| 4.0230 | 350 | 0.0009 | - |
| 4.5977 | 400 | 0.0006 | 2.6015 |
| 5.1724 | 450 | 0.0008 | - |
| 5.7471 | 500 | 0.0005 | 2.6230 |
| 6.3218 | 550 | 0.0049 | - |
| 6.8966 | 600 | 0.0004 | 2.7468 |
| 7.4713 | 650 | 0.0004 | - |
| 8.0460 | 700 | 0.0004 | 2.8550 |
| 8.6207 | 750 | 0.0004 | - |
| 9.1954 | 800 | 0.0003 | 2.7715 |
| 9.7701 | 850 | 0.0002 | - |
| 10.3448 | 900 | 0.0002 | 2.7766 |
| 10.9195 | 950 | 0.0002 | - |
| 11.4943 | 1000 | 0.0002 | 2.7591 |
| 12.0690 | 1050 | 0.0002 | - |
| 12.6437 | 1100 | 0.0001 | 2.8042 |
| 13.2184 | 1150 | 0.0002 | - |
| 13.7931 | 1200 | 0.0001 | 2.7808 |
| 14.3678 | 1250 | 0.0002 | - |
| 14.9425 | 1300 | 0.0001 | 2.8014 |
| 15.5172 | 1350 | 0.0001 | - |
| 16.0920 | 1400 | 0.0001 | 2.8210 |
| 16.6667 | 1450 | 0.0001 | - |
| 0.3333 | 50 | 0.0001 | - |
| 0.6667 | 100 | 0.5517 | 2.7122 |
| 1.0 | 150 | 1.6965 | - |
| 1.3333 | 200 | 0.001 | 2.0810 |
| 1.6667 | 250 | 0.2513 | - |
| 2.0 | 300 | 0.9902 | 1.6166 |
| 2.3333 | 350 | 0.0014 | - |
| 2.6667 | 400 | 0.115 | 1.9114 |
| 3.0 | 450 | 0.4511 | - |
| 3.3333 | 500 | 0.002 | 1.8573 |
| 3.6667 | 550 | 0.0431 | - |
| 4.0 | 600 | 0.1999 | 1.6124 |
| 4.3333 | 650 | 0.0019 | - |
| 4.6667 | 700 | 0.0497 | 1.8718 |
| 5.0 | 750 | 0.1246 | - |
| 5.3333 | 800 | 0.0017 | 1.8478 |
| 5.6667 | 850 | 0.0109 | - |
| 6.0 | 900 | 0.0483 | 1.7342 |
| 6.3333 | 950 | 0.0024 | - |
| 6.6667 | 1000 | 0.0086 | 1.8704 |
| 7.0 | 1050 | 0.0384 | - |
| 7.3333 | 1100 | 0.0011 | 1.8326 |
| 7.6667 | 1150 | 0.0036 | - |
| 8.0 | 1200 | 0.024 | 1.8500 |
| 8.3333 | 1250 | 0.0009 | - |
| 8.6667 | 1300 | 0.0055 | 1.8877 |
| 9.0 | 1350 | 0.0085 | - |
| 9.3333 | 1400 | 0.0007 | 1.9404 |
| 9.6667 | 1450 | 0.0024 | - |
| 10.0 | 1500 | 0.0041 | 1.9150 |
| 10.3333 | 1550 | 0.0006 | - |
| 10.6667 | 1600 | 0.0013 | 1.8994 |
| 11.0 | 1650 | 0.0033 | - |
| 11.3333 | 1700 | 0.0004 | 1.8311 |
| 11.6667 | 1750 | 0.0014 | - |
| 12.0 | 1800 | 0.0021 | 1.9934 |
| 12.3333 | 1850 | 0.0003 | - |
| 12.6667 | 1900 | 0.0009 | 2.0044 |
| 13.0 | 1950 | 0.0015 | - |
| 13.3333 | 2000 | 0.0004 | 1.8513 |
| 13.6667 | 2050 | 0.0006 | - |
| 14.0 | 2100 | 0.001 | 1.9651 |
| 14.3333 | 2150 | 0.0003 | - |
| 14.6667 | 2200 | 0.0006 | 1.9487 |
| 15.0 | 2250 | 0.0007 | - |
| 15.3333 | 2300 | 0.0003 | 1.9379 |
| 15.6667 | 2350 | 0.0004 | - |
| 16.0 | 2400 | 0.0009 | 1.8542 |
| 16.3333 | 2450 | 0.0002 | - |
| 16.6667 | 2500 | 0.0022 | 1.8877 |
| 17.0 | 2550 | 0.0009 | - |
| 17.3333 | 2600 | 0.0003 | 1.9211 |
| 17.6667 | 2650 | 0.0005 | - |
| 18.0 | 2700 | 0.0005 | 1.9077 |
| 18.3333 | 2750 | 0.0002 | - |
| 18.6667 | 2800 | 0.0004 | 1.8729 |
| 19.0 | 2850 | 0.0006 | - |
| 19.3333 | 2900 | 0.0002 | 1.9024 |
| 19.6667 | 2950 | 0.0003 | - |
| 20.0 | 3000 | 0.0005 | 1.9126 |
| 20.3333 | 3050 | 0.0002 | - |
| 20.6667 | 3100 | 0.0003 | 1.8753 |
| 21.0 | 3150 | 0.0004 | - |
| 21.3333 | 3200 | 0.0002 | 1.8870 |
| 21.6667 | 3250 | 0.0003 | - |
| 22.0 | 3300 | 0.0005 | 1.9221 |
| 22.3333 | 3350 | 0.0002 | - |
| 22.6667 | 3400 | 0.0002 | 1.9221 |
| 23.0 | 3450 | 0.0004 | - |
| 23.3333 | 3500 | 0.0001 | 1.9080 |
| 23.6667 | 3550 | 0.0002 | - |
| 24.0 | 3600 | 0.0003 | 1.9192 |
| 24.3333 | 3650 | 0.0001 | - |
| 24.6667 | 3700 | 0.0002 | 1.9218 |
| 25.0 | 3750 | 0.0003 | - |
| 25.3333 | 3800 | 0.0001 | 1.9277 |
| 25.6667 | 3850 | 0.0002 | - |
| 26.0 | 3900 | 0.0003 | 1.9338 |
| 26.3333 | 3950 | 0.0001 | - |
| 26.6667 | 4000 | 0.0002 | 1.9307 |
| 27.0 | 4050 | 0.0003 | - |
| 27.3333 | 4100 | 0.0001 | 1.9302 |
| 27.6667 | 4150 | 0.0002 | - |
| 28.0 | 4200 | 0.0002 | 1.9271 |
| 28.3333 | 4250 | 0.0002 | - |
| 28.6667 | 4300 | 0.0002 | 1.9231 |
| 29.0 | 4350 | 0.0003 | - |
| 29.3333 | 4400 | 0.0002 | 1.9279 |
| 29.6667 | 4450 | 0.0002 | - |
| 30.0 | 4500 | 0.0003 | 1.9273 |
</details>
### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 3.0.1
- Transformers: 4.42.4
- PyTorch: 2.3.1+cu121
- Accelerate: 0.27.0
- Datasets: 2.21.0
- 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",
}
```
#### 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}
}
```
<!--
## 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.*
--> |