File size: 48,234 Bytes
88b57cf |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 |
---
base_model: thenlper/gte-small
datasets: []
language: []
library_name: sentence-transformers
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
- dot_accuracy@1
- dot_accuracy@3
- dot_accuracy@5
- dot_accuracy@10
- dot_precision@1
- dot_precision@3
- dot_precision@5
- dot_precision@10
- dot_recall@1
- dot_recall@3
- dot_recall@5
- dot_recall@10
- dot_ndcg@10
- dot_mrr@10
- dot_map@100
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:3327
- loss:MultipleNegativesRankingLoss
widget:
- source_sentence: 'Here are two questions for the upcoming quiz/examination:'
sentences:
- "121Fisika SMA/MA XIISoal Latihan :\n1. Suatu kawat penghantar berbentuk lingkaran\
\ dialiri arus\nlistrik, jika induksi magnet di titik pusat lingkaran sebesar\n\
6 .10-5 T, tentukan berapa kuat arus yang mengalir pada\nkawat tersebut!\n2. Kawat\
\ penghantar berbentuk lingkaran dengan jari-jari\n15 cm dialiri arus listrik\
\ 10 A. Tentukan besarnya induksimagnet :\na. di titik pusat lingkaran, dan\n\
b. di titik yang berjarak 20 cm dari pusat lingkaran pada\nsumbu kawat!\n4. Induksi\
\ Magnetik di Sumbu Solenoida\ndan Toroida\nSolenoida adalah kumparan yang\n\
panjang di mana diameter kumparan\nlebih kecil dibandingkan dengan pan-jang kumparan,\
\ jarak antara lilitan yangsatu dengan yang lainnya sangat rapatdan biasanya terdiri\
\ atas satu lapisan ataulebih. Sedangkan toroida adalah sebuah\nsolenoida yang\
\ dilengkungkan sehinggamembentuk lingkaran seperti terlihatpada Gambar (4.7).\n\
Besarnya induksi magnetik pada titikyang terletak pada sumbu solenoidadinyatakan\
\ dengan persamaan :\nJika titik P di pusat solenoida\n B = \nP0 In atau B\
\ = \n .... (4.11)\nJika titik P terletak di ujung solenoida\n B = \n\
\ atau \n .... (4.12)\ndengan :\nB= induksi magnet di pusat (tengah-tengah)\
\ solenoida\nP0= permeabilitas ruang hampa\nI= kuat arus listrik dalam solenoida\n\
N= jumlah lilitan dalam solenoida\nL= panjang solenoidaGambar 4.7 (a) Solenoida\
\ (b) Toroida"
- "331Fisika SMA/MA XII36. Pernyataan berikut terkait dengan sifat suatu sinar\n\
radioaktif tertentu dibandingkan dengan sinar radioaktif\nlainnya.\n1. daya tembusnya\
\ paling besar\n2. dapat menimbulkan fluoresensi\n3. daya ionisasi paling lemah\n\
4. bermuatan listrik positif\nSifat yang benar untuk sinar alfa ( D) adalah pernyataan\n\
....\nA. 1, 2 dan 3\nB. 1, 2, 3 dan 4\nC. 1 dan 3\nD. 2 dan 4\nE. 4 saja\n 37.\
\ Suatu zat radioaktif dalam waktu 15 hari zat yang\nmeluruh sebanyak \n jumlah\
\ zat mula-mula. Besarnya\nkonstanta peluruhan zat radioaktif tersebut adalah\
\ ....\nA. 0,6930 hari-1\nB. 0,3465 hari-1\nC. 0,2310 hari-1\nD. 0,1733 hari-1\n\
E. 0,1386 hari-1\n38. Aktivitas 1 gr radium (88Ra226) adalah 0,98 Ci, maka\nwaktu\
\ paruhnya adalah ....A. 162 jam\nB. 16 tahun\nC. 60 tahun\nD. 162 tahun\nE. 1614\
\ tahun\n39. Suatu zat radioaktif yang mempunyai aktivitas mula-mula\n128 Ci,\
\ apabila zat radioaktif itu mempunyai waktu paroh\n10 menit, maka setelah setengah\
\ jam kemudian aktivitaszat tersebut adalah ....\nA. 4 Ci D. 32 Ci\nB. 8 Ci E.\
\ 64 Ci\nC. 16 Ci"
- "Fisika SMA/MA XII 2523. Hitunglah energi kinetik elektron pada orbitnya pada\
\ n = 2!\nPenyelesaian :\nEK= \n di mana r = 0,53 × 10-11 n2\n= \n= \n = 3,396\
\ eV\nJadi energi kinetiknya sebesar 3,396 eV .\nSoal Latihan :\n1. Berapakah\
\ panjang gelombang terpanjang dari deret\nPaschen?\n2. Berapakah frekuensi terbesar\
\ dari deret Brackett?\n3. Hitung kecepatan orbit elektron pada n = 2!\n4. Tentukan\
\ frekuensi gelombang elektromagnetik yang\ndipancarkan jika elektron berpindah\
\ dari lintasan n = 5\nke n = 2!\n5. Tentukan frekuensi gelombang elektromagnetik\
\ yang di-\npancarkan jika elektron berpindah dari kulit O ke kulit M!\n6. Tentukan\
\ energi (dalam eV) yang dilepaskan jika elektron\nberpindah dari kulit N ke kulit\
\ K!\nUntuk menjawab soal-soal di atas gunakan :\nh = 6,6 u 10-34 Js k = 9 u 109\
\ Nm2/C2\nm = 9,1 u 10-31 kg R = 1,097 u 107 m-1\ne = 1,6 u 10-19 C c = 3 u 108\
\ m/s\nG. Teori Kuantum Atom\nLouis de Broglie seorang ahli Fisika dari Perancis\
\ pada\ntahun 1923 mengajukan hipotesis tentang gelombang materi.\nMenurutnya,\
\ gerakan partikel yang bergerak mendekati ke-cepatan cahaya, seperti halnya gerakan\
\ elektron mengitari intiatom, mempunyai sifat gelombang. Hipotesis ini dibuktikan"
- source_sentence: '**Question 1: Multiple Choice**'
sentences:
- "33\nSistem Koordinasi dan Gerak pada Tubuh ManusiaGambar 1.31 Mekanisme relaksasi\
\ otot \nSumber: \tPeter\tH.\tRaven,\tdkk,\t2020,\tBiology Twelfth Edition\n\
SarkomerSarkomer\nPita A Pita I Pita A Garis\tZ\nZona\tH\t Zona\tH\n\
Garis\tZ Garis\tZPita APita I Pita A\nZona\tH\tZona\tH\nFilamen tipis (aktin)Filamen\
\ tebal (miosin)\nc. Sifat Gerak pada Otot \nBerdasarkan sifat gerak otot, otot\
\ dibedakan menjadi otot sinergis dan otot antagonis. Otot \nsinergis adalah pasangan\
\ otot yang bekerja bersama-sama dengan tujuan yang sama. Sebagai contoh, otot-otot\
\ antartulang rusuk yang bekerja sama ketika menarik napas serta otot pronator\
\ teres dan otot pronator kuadratus yang bekerja sama dalam menelentangkan dan\
\ menelungkupkan telapak tangan. Sementara itu, otot antagonis adalah pasangan\
\ otot yang kerjanya berlawanan. Sebagai contoh, otot bisep dan otot trisep. Saat\
\ mengangkat lengan bawah, otot bisep akan berkontraksi dan otot trisep berelaksasi.\
\ \nAdapun kerja otot akan menghasilkan beberapa jenis gerakan seperti berikut.\n\
Gambar 1.32 Sifat gerak otot antagonis \nIlustrator: Arif Nursahid"
- "301Fisika SMA/MA XIIc. Pemancaran Sinar JJJJJ\nSebuah inti atom dapat memiliki\
\ energi ikat nukleon yang\nlebih tinggi dari energi ikat dasarnya ( ground state\
\ ). Dalam\nkeadaan ini dikatakan inti atom dalam keadaan tereksitasi dan\n\
dapat kembali ke keadaan dasar dengan memancarkan sinar\ngamma atau foton yang\
\ besarnya energi tergantung pada\nkeadaaan energi tereksitas i dengan energi\
\ dasarnya . Pemancaran\nsinar tidak menyebabkan perubahan massa dan muatan padainti\
\ atom. Inti atom yang dalam keadaan tereksitasi diberi tandabintang setelah lambang\
\ yang biasanya dipakai, misal \n38 Sr* 87.\nContoh peluruhan sinar J yaitu:\n\
1) 6C*12o6C 12 + J\n2) 28Ni*61o28 Ni61 + J\nDari hasil penelitian lebih\
\ lanjut dari sifat-sifat sinar\nradioaktif menunjukkan bahwa jika dilihat dari\
\ sifat daya\nionisasinya (sifat kimianya) menunjukkan bahwa sinar \x03D\nmemiliki\
\ daya ionisasi paling kuat, baru kemudian sinar E,\ndan sinar J. Sedangkan sifat\
\ fisikanya : yaitu sinar J memiliki\ndaya tembus yang paling kuat, baru kemudian\
\ sinar E dan\nsinar D. Apabila sinar radioaktif tersebut dilewatkan dalam\nmedan\
\ magnet atau medan listrik, ternyata sinar D dan E\nterpengaruh oleh medan tersebut,\
\ sedangkan sinar J tidak\nterpengaruh oleh medan listrik dan medan magnet. Sinar\
\ E\ndibelokkan lebih tajam dibandingkan dengan sinar D.\nUntuk lebih jelasnya\
\ perhatikan gambar di bawah ini.\nGambar 10.2 Pembelokan radiasi D, E, dan J\
\ oleh medan magnetik"
- "94\nBiologi untuk SMA/MA Kelas 11BApersepsi\nKolase gambar tanaman lada dan penggunaan\
\ lada untuk bumbu \nmasakan\nSumber: Wavebreakmedia, https://elements.envato.com/Apersepsi\n\
Menurut para pakar kesehatan, gerakan \nmelompat seperti pada teknik dasar bola\
\ basket dapat membuat tubuh melepaskan hormon pertumbuhan. Hormon inilah yang\
\ memicu pertumbuhan tinggi badan. Namun, bukan berarti bermain basket dapat langsung\
\ membuat tinggi badan bertambah. Selain itu, olahraga bukan satu-satunya faktor\
\ pemicu pertumbuhan tinggi badan. Apa yang dimaksud pertumbuhan? Selain pertumbuhan,\
\ manusia juga mengalami perkembangan. Apa yang dimaksud perkembangan? Apa saja\
\ faktor yang memengaruhi pertumbuhan dan perkembangan? Ayo, diskusikan dengan\
\ \ntemanmu! \n•\t Pertumbuhan\t\t \t •\t Epigeal\t \t •\t Hormon\t \t •\t Fase\t\
embrionik\t \t\n•\t Perkembangan\t \t •\t Hipogeal\t\t •\t Metamorfosis\t •\t\
\ Fase\tpascaembrionik\t \t\nKata Kunci"
- source_sentence: 'Here are two questions based on the context information:'
sentences:
- '351Fisika SMA/MA XIIIndium
Timah
Antimon
TeluriumYodium
Xenon
CesiumBarium
Lantanium
SeriumPraseodimium
Neodinium
PrometiumSamarium
Europium
GadoliniumTerbium
Disprosium
HolmiumErbium
Tulium
IterbiumLutetium
Hafnium
TitaliumWolfram
Renium
OsmiumIridium
Platina
EmasRaksa
Talium
TimbalBismut
Polonium
AstaniumRadonNama Unsur Lambang N omor Atom Massa Atom R ata-rata
In
Sn
Sb
Te
I
Xe
Ce
BaLa
Ce
Pr
Nd
Pm
Sm
Eu
Gd
Tb
DyHo
Er
Tm
YbLu
Hf
TaW
Re
Os
Ir
Pt
AuHg
Ta
Pb
Bi
Po
At
Rn4950
51
5253
54
5556
57
5859
60
6162
63
6465
66
6768
69
7071
72
7374
75
7677
78
7980
81
8283
84
8586114,82118,69
121,75
127,60126,9045
131,30
132,9054137,34
138,9055
140,12140,9077
144,24
(145)150,4
151,96
157,25158,9254
162,50
164,9304167,26
168,9342
173,04174,97
178,49
180,9479183,85
186,207
190,2192,22
195,09
196,9665200,59
204,37
207,2208,9804
(209)
(210)(222)'
- "281Fisika SMA/MA XIIPenyelesaian :\nDiketahui :'to =1 0-7 s c = 3 × 108 ms-1\n\
v= 0,9 c\nDitanyakan :x= ...? (jarak yang ditempuh partikel)\nJawab : Karena partikel\
\ bergerak dengan kecepatan 0,9 c maka\numur partikel tersebut adalah :\n't\n\
Soal Latihan\n1. Berapa kelajuan pesawat angkasa bergerak relatif terhadap\nbumi\
\ supaya waktu sehari dalam pesawat sama dengan\n2 detik di bumi?\n2. Berapakah\
\ kelajuan pesawat angkasa yang loncengnya\nberjalan 15 detik lebih lambat tiap\
\ jamnya relatif terhadaplonceng di Bumi?\n3. Kontraksi Lorentz\nPengukuran panjang\
\ seperti juga selang waktu di-\npengaruhi oleh gerak relatif. Panjang L benda\
\ yang bergerakterhadap pengamat kelihatannya lebih pendek L\no bila diukur\n\
dalam keadaan diam terhadap pengamat. Peristiwa ini disebutkontraksi Lorentz (pengerutan\
\ Lorentz) . Kontraksi Lorentz di-\nnyatakan dalam persamaan :\n \
\ \n .... (9.19)\ndi mana :\nLo= panjang benda\
\ diukur oleh pengamat yang diam\nL= panjang benda yang diukur oleh pengamat yang\
\ bergerak\nv= kecepatan benda relatif terhadap pengamat yang diam\nc= kecepatan\
\ cahaya't\n= 2,27 × 10-7s\nJadi, partikel tersebut bergerak sejauh:\nx= v ×\
\ 't\n= 0,9 × 3 × 108 × 2,27 × 10-7 m\n= 61,29 m"
- "9Fisika SMA/MA XIIGambar 1.9 Gelombang berjalan pada tali\n4. Difraksi Gelombang\n\
Untuk menunjukkan adanya\ndifraksi gelombang dapat dilakukan\ndengan meletakkan\
\ penghalang padatangki riak dengan penghalang yangmempunyai celah, yang lebar\
\ celahnyadapat diatur. Difraksi gelombang adalah\nperistiwa pembelokan/penyebaran(lenturan)\
\ gelombang jika gelombangtersebut melalui celah. Gejala difraksiakan semakin\
\ tampak jelas apabila lebarcelah semakin sempit. Dengan sifat inilahruangan dalam\
\ rumah kita menjaditerang pada siang hari dikarenakan adalubang kecil pada genting.\
\ Serta suara\nalunan musik dari tape recorder dapat sampai ke ruanganlain, meskipun\
\ kamar tempat tape tersebut pintunya tertutup\nrapat.\nGambar 1.8 Difraksi gelombang\
\ (a) penghalang\ndengan celah lebar, (b) penghalang dengan celah sempit\n \
\ (a) (b)penghalang\n\
B. Gelombang Berjalan\n1. Persamaan Gelombang Berjalan\nSeutas tali AB yang kita\
\ bentangkan mendatar ( Gambar\n1.9). Ujung B diikatkan pada tiang, sedangkan\
\ ujung A kita\npegang. Apabila ujung A kita getarkan naik turun terus-menerus,\
\ maka pada tali tersebut akan terjadi rambatangelombang dari ujung A ke ujung\
\ B. Misalkan amplitudogetarannya A dan gelombang merambat dengan kecepatan v\n\
dan periode getarannya T.\nMisalkan titik P terletak pada tali AB berjarak x dari\n\
ujung A dan apabila titik A telah bergetar selama t sekon, maka\ntitik P telah\
\ bergetar selama t\nP = \n , di mana \n adalah\nwaktu yang diperlukan gelombang\
\ merambat dari A ke P ."
- source_sentence: 'Here are two questions I''ve created for you:'
sentences:
- '85Fisika SMA/MA XIISebagaimana yang telah kita pelajari di kelas IX, listrik
statis terjadi akibat interaksi antara partikel-partikel bermuatan
listrik, elektron negatif, dan proton positif pada atom. Muatan
listrik yang sejenis tolak-menolak, sedangkan muatan listriktak sejenis tarik-menarik.
Pada bab ini kita akan kembalimempelajari tentang listrik statis (elektrostatis)
lebih lanjutmengenai hukum Coulomb, kuat medan listrik, energipotensial listrik,
potensial listrik, dan kapasitor.Adakalanya benda biasa memperagakan tenaga yang
tampaknya luar biasa:
sebatang tongkat plastik dapat menarik kertas seperti magnet menarik besi.
Penyebab efek luar biasa ini ialah listrik statis (elektrostatika). Apa sebenarnyalistrik
statis itu? Apa yang menyebabkannya? Agar kalian memahaminya, maka
pelajarilah materi bab ini dengan saksama!
elektrostatika, gaya Coulomb, medan listrik, kuat medan listrik, generator,
potensial listrik, kapasitor
A. Hukum Coulomb
Perhatikan Gambar 3.1 yang
menggambarkan dua buah benda
bermuatan listrik q1 dan q2 terpisah pada
jarak r. Apabila kedua benda bermuatan
listrik yang sejenis, kedua bendatersebut akan saling tolak-menolakdengan gaya
sebesar F dan jika muatanlistrik pada benda berlainan jenis, akantarik-menarik
dengan gaya sebesar F.
Berdasarkan penelitian yang dilaku-
kan oleh seorang ahli Fisika Prancis,Charles de Coulomb (1736-1806)
disimpulkan bahwa: besarnya gaya tarik-
menarik atau tolak-menolak antara dua
benda bermuatan listrik (yang kemudian disebut gaya Coulomb)berbanding lurus dengan
muatan masing-masing benda danberbanding terbalik dengan kuadrat jarak antara
kedua bendatersebut.
Motivasi Belajar
Kata-kata Kunci
Gambar 3.1 Gaya Coulomb'
- "Fisika SMA/MA XII 142Besarnya ggl induksi yang timbul\nantara ujung-ujung kumparanberbanding\
\ lurus dengan kecepatanperubahan fluks magnetik yangdilingkupi oleh kumparan\
\ tersebut.\nSecara matematik hukum faraday dapatdituliskan dalam persamaan :\n\
\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\
\x03\x03\x03\x03\x03\x03\x03\x03\x03\x03\nH = \n ....\
\ (5.3)\n atau H = \n .... (5.4)\nPersamaan (5.4) dipakai\
\ jika perubahan\nfluks magnetik berlangsung dalamwaktu singkat atau \n't mendekati\
\ nol.\ndengan :\nH = ggl induksi pada ujung-ujung\nkumparan (Volt)\nN = jumlah\
\ lilitan dalam kumparan\n') = perubahan fluks magnetik (Wb)\n't= selang waktu\
\ perubahan fluks\nmagnetik (s)\n= laju perubahan fluks magnetik\n(Wb.s-1)\nTanda\
\ negatif pada persamaan untuk menyesuaikan\ndengan hukum Lenz .\nBerdasarkan\
\ persamaan (5.2) dapat diketahui bahwa ada\ntiga faktor yang mempengaruhi terjadinya\
\ perubahan fluksmagnetik, yaitu :\na. Luas bidang kumparan yang melingkupi garis\
\ gaya\nmedan magnetik.\nb. Perubahan induksi magnetiknya.\nc. Perubahan sudut\
\ antara arah medan magnet dengan garis\nnormal bidang kumparan.Gambar 5.2 Percobaan\
\ Faraday untuk menyelidiki\nhubungan ggl induksi dengan kecepatan perubahan\n\
fluks magnetik"
- "207Fisika SMA/MA XII10. Pada percobaan resonansi dengan tabung resonator,\nternyata\
\ terjadi resonansi yang pertama kali jika panjang\nkolom udara dalam tabung di\
\ atas permukaan air setinggi20 cm, maka resonansi yang ke dua kali akan terjadi\
\ jikapanjang kolom udara dalam tabung adalah ....\nA. 20 cm D. 80 cm\nB. 40 cm\
\ E. 100 cmC. 60 cm\n11. Sebuah mobil bergerak dengan kecepatan 36 km/jam\nsambil\
\ membunyikan sirine dengan frekuensi 400 Hz.\nJika cepat rambat gelombang bunyi\
\ 300 m/s makafrekuensi bunyi sirine yang didengar oleh orang yangdiam di tepi\
\ jalan pada saat mobil itu menjauhinya adalah....\nA. 380 Hz D. 410 Hz\nB. 387\
\ Hz E. 420 HzC. 400 Hz\n12. Jika sebuah pipa organa terbuka ditiup sehingga\n\
menghasilkan nada atas kedua maka akan terjadi ....A. 2 simpul dan 3 perut\nB.\
\ 3 simpul dan 4 perut\nC. 4 simpul dan 5 perut\nD. 3 simpul dan 3 perut\nE. 4\
\ simpul dan 4 perut\n13. Jarak antara 5 buah simpul yang berurutan pada\ngelombang\
\ stasioner yang terjadi pada tali dengan ujung\ntetap adalah 40 cm. Jika cepat\
\ rambat gelombang yangterjadi 20 m/s maka frekuensi gelombangnya adalah ....\n\
A. 40 Hz D. 100 HzB. 60 Hz E. 120 Hz\nC. 80 Hz\n14. Pada percobaan Young jika\
\ jarak antara dua celah\ndijadikan dua kali semula maka antara dua garis terang\n\
yang berurutan menjadi ....\nA.\n kali semula\nB.\n kali semula\nC. 2 kali semula\n\
D. 4 kali semulaE. tetap tidak berubah"
- source_sentence: '**Question 1**'
sentences:
- "Fisika SMA/MA XII 230yang diusulkan oleh Einstein. Percobaan Compton cukup\n\
sederhana yaitu sinar X monokromatik (sinar X yang memilikipanjang gelombang tunggal)\
\ dikenakan pada keping tipisberilium sebagai sasarannya. Kemudian untuk mengamatifoton\
\ dari sinar X dan elektron yang terhambur dipasangdetektor. Sinar X yang telah\
\ menumbuk elektron akankehilangan sebagian energinya yang kemudian terhamburdengan\
\ sudut hamburan sebesar T terhadap arah semula.\nBerdasarkan hasil pengamatan\
\ ternyata sinar X yang ter-hambur memiliki panjang gelombang yang lebih besar\
\ daripanjang gelombang sinar X semula. Hal ini dikarenakansebagian energinya\
\ terserap oleh elektron. Jika energi fotonsinar X mula-mula hf dan energi foton\
\ sinar X yang terhambur\nmenjadi ( hf – hf ’) dalam hal ini f > f’, sedangkan\
\ panjang\ngelombang yang terhambur menjadi tambah besar yaitu O > Oc.\nDengan\
\ menggunakan hukum ke-\nkekalan momentum dan kekekalan energi\nCompton berhasil\
\ menunjukkan bahwaperubahan panjang gelombang foton\nterhambur dengan panjang\
\ gelombang\nsemula, yang memenuhi persamaan :\n .... (7.6)\ndengan\n\
O = panjang gelombang sinar X sebelum tumbukan (m)\nOc = panjang gelombang sinar\
\ X setelah tumbukan (m)\nh = konstanta Planck (6,625 × 10-34 Js)\nmo= massa diam\
\ elektron (9,1 × 10-31 kg)\nc = kecepatan cahaya (3 × 108 ms-1)\nT = sudut hamburan\
\ sinar X terhadap arah semula (derajat\natau radian)\nBesaran \n sering disebut\
\ dengan panjang gelombang\nCompton . Jadi jelaslah sudah bahwa dengan hasil pengamatan\n\
Compton tentang hamburan foton dari sinar X menunjukkan\nbahwa foton dapat dipandang\
\ sebagai partikel, sehingga mem-perkuat teori kuantum yang mengatakan bahwa cahaya\
\ mem-punyai dua sifat, yaitu cahaya dapat sebagai gelombang dan\ncahaya dapat\
\ bersifat sebagai partikel yang sering disebut\nsebagai dualime gelombang cahaya\
\ .\nTFoton\nterhambur\nElektron terhamburFoton datang\nElektrondiamhfc\nhf\n\
Gambar 7.7 Skema percobaan Compton untuk\nmenyelidiki tumbukan foton dan elektron"
- 'Fisika SMA/MA XII 268
Peta Konsep
Tujuan Pembelajaran :
Setelah mempelajari bab ini, kalian diharapkan mampu :
1. memformulasikan teori relativitas untuk waktu, panjang, dan massa, dan2. memformulasikan
kesetaraan massa dengan energi yang diterapkan dalam teknologi.Relativitas
Mempelajari
Kerangka Acuan Gerak Benda
Transformasi
LorentzTransformasi
GalileoKecepatan
Jauh di Bawah
Cepat Rambat
CahayaKecepatan
Mendekati
Cahaya
Relativitas
Newton
Relativitas Einstein
Dilatasi
WaktuKontraksi
LorentzMassa
RelativitasKesetaraan
Massa dan Energi'
- '89Fisika SMA/MA XII
2. Dua muatan listrik q1 = +8 x 10-9 C dan q2 = + 16 x 10-9 C
terpisah pada jarak 12 cm. Tentukan di mana muatan q3
harus diletakkan agar gaya Coulomb pada muatan q3
sama dengan nol!
3. Sebuah segitiga sama sisi ABC mempunyai panjang sisi
6 cm. Apabila pada masing-masing titik sudut segitiga
berturut-turut terdapat muatan listrik sebesar qA = +8 C,
qB = -9 C, dan qC = +3 C, tentukan besarnya gaya Cou-
lomb pada titik sudut C!
(a) Muatan negatif (b) Muatan positif
Gambar 3.3 Garis-garis gaya listrik(c) Antara muatan positif dan muatan negatifB.
Medan Listrik dan Kuat Medan Listrik
Medan listrik didefinisikan sebagai ruangan di sekitar
benda bermuatan listrik, di mana jika sebuah bendabermuatan listrik berada di
dalam ruangan tersebut akanmendapat gaya listrik (gaya Coulomb). Medan listrik
termasukmedan vektor, sehingga untuk menyatakan arah medan listrikdinyatakan sama
dengan arah gaya yang dialami oleh muatanpositif jika berada dalam sembarang tempat
di dalam medantersebut. Arah medan listrik yang ditimbulkan oleh bendabermuatan
positif dinyatakan keluar dari benda, sedangkanarah medan listrik yang ditimbulkan
oleh benda bermuatannegatif dinyatakan masuk ke benda.
Untuk menggambarkan medan listrik digunakan garis-
garis gaya listrik . Garis-garis gaya listrik yaitu garis lengkung
yang dibayangkan merupakan lintasan yang ditempuh olehmuatan positif yang bergerak
dalam medan listrik. Garis gayalistrik tidak mungkin akan berpotongan, sebab garis
gayalistrik merupakan garis khayal yang berawal dari bendabermuatan positif dan
akan berakhir di benda yang bermuatannegatif. Gambar (3.3) menggambarkan garis-garis
gaya listrik
di sekitar benda bermuatan listrik.'
model-index:
- name: SentenceTransformer based on thenlper/gte-small
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: Unknown
type: unknown
metrics:
- type: cosine_accuracy@1
value: 0.08776675683799219
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.12714156898106402
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.15238954012623984
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.19026149684400362
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.08776675683799219
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.04238052299368801
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.030477908025247972
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.019026149684400362
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.08776675683799219
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.12714156898106402
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.15238954012623984
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.19026149684400362
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.13318205750890644
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.11564722973649931
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.12517887116463544
name: Cosine Map@100
- type: dot_accuracy@1
value: 0.0880673279230538
name: Dot Accuracy@1
- type: dot_accuracy@3
value: 0.12744214006612564
name: Dot Accuracy@3
- type: dot_accuracy@5
value: 0.151487826871055
name: Dot Accuracy@5
- type: dot_accuracy@10
value: 0.18935978358881875
name: Dot Accuracy@10
- type: dot_precision@1
value: 0.0880673279230538
name: Dot Precision@1
- type: dot_precision@3
value: 0.042480713355375205
name: Dot Precision@3
- type: dot_precision@5
value: 0.030297565374211004
name: Dot Precision@5
- type: dot_precision@10
value: 0.018935978358881878
name: Dot Precision@10
- type: dot_recall@1
value: 0.0880673279230538
name: Dot Recall@1
- type: dot_recall@3
value: 0.12744214006612564
name: Dot Recall@3
- type: dot_recall@5
value: 0.151487826871055
name: Dot Recall@5
- type: dot_recall@10
value: 0.18935978358881875
name: Dot Recall@10
- type: dot_ndcg@10
value: 0.1330305309152652
name: Dot Ndcg@10
- type: dot_mrr@10
value: 0.11572738202584909
name: Dot Mrr@10
- type: dot_map@100
value: 0.12529892846605473
name: Dot Map@100
---
# SentenceTransformer based on thenlper/gte-small
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [thenlper/gte-small](https://huggingface.co./thenlper/gte-small). It maps sentences & paragraphs to a 384-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:** [thenlper/gte-small](https://huggingface.co./thenlper/gte-small) <!-- at revision 50c7dd33df1027ef560fd504d95e277948c3c886 -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 384 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': False}) with Transformer model: BertModel
(1): Pooling({'word_embedding_dimension': 384, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
(2): Normalize()
)
```
## Usage
### Direct Usage (Sentence Transformers)
First install the Sentence Transformers library:
```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("sentence_transformers_model_id")
# Run inference
sentences = [
'**Question 1**',
'89Fisika SMA/MA XII\n2. Dua muatan listrik q1 = +8 x 10-9 C dan q2 = + 16 x 10-9 C\nterpisah pada jarak 12 cm. Tentukan di mana muatan q3\nharus diletakkan agar gaya Coulomb pada muatan q3\nsama dengan nol!\n3. Sebuah segitiga sama sisi ABC mempunyai panjang sisi\n6 cm. Apabila pada masing-masing titik sudut segitiga\nberturut-turut terdapat muatan listrik sebesar qA = +8 C,\nqB = -9 C, dan qC = +3 C, tentukan besarnya gaya Cou-\nlomb pada titik sudut C!\n(a) Muatan negatif (b) Muatan positif\nGambar 3.3 Garis-garis gaya listrik(c) Antara muatan positif dan muatan negatifB. Medan Listrik dan Kuat Medan Listrik\nMedan listrik didefinisikan sebagai ruangan di sekitar\nbenda bermuatan listrik, di mana jika sebuah bendabermuatan listrik berada di dalam ruangan tersebut akanmendapat gaya listrik (gaya Coulomb). Medan listrik termasukmedan vektor, sehingga untuk menyatakan arah medan listrikdinyatakan sama dengan arah gaya yang dialami oleh muatanpositif jika berada dalam sembarang tempat di dalam medantersebut. Arah medan listrik yang ditimbulkan oleh bendabermuatan positif dinyatakan keluar dari benda, sedangkanarah medan listrik yang ditimbulkan oleh benda bermuatannegatif dinyatakan masuk ke benda.\nUntuk menggambarkan medan listrik digunakan garis-\ngaris gaya listrik . Garis-garis gaya listrik yaitu garis lengkung\nyang dibayangkan merupakan lintasan yang ditempuh olehmuatan positif yang bergerak dalam medan listrik. Garis gayalistrik tidak mungkin akan berpotongan, sebab garis gayalistrik merupakan garis khayal yang berawal dari bendabermuatan positif dan akan berakhir di benda yang bermuatannegatif. Gambar (3.3) menggambarkan garis-garis gaya listrik\ndi sekitar benda bermuatan listrik.',
'Fisika SMA/MA XII 230yang diusulkan oleh Einstein. Percobaan Compton cukup\nsederhana yaitu sinar X monokromatik (sinar X yang memilikipanjang gelombang tunggal) dikenakan pada keping tipisberilium sebagai sasarannya. Kemudian untuk mengamatifoton dari sinar X dan elektron yang terhambur dipasangdetektor. Sinar X yang telah menumbuk elektron akankehilangan sebagian energinya yang kemudian terhamburdengan sudut hamburan sebesar T terhadap arah semula.\nBerdasarkan hasil pengamatan ternyata sinar X yang ter-hambur memiliki panjang gelombang yang lebih besar daripanjang gelombang sinar X semula. Hal ini dikarenakansebagian energinya terserap oleh elektron. Jika energi fotonsinar X mula-mula hf dan energi foton sinar X yang terhambur\nmenjadi ( hf – hf ’) dalam hal ini f > f’, sedangkan panjang\ngelombang yang terhambur menjadi tambah besar yaitu O > Oc.\nDengan menggunakan hukum ke-\nkekalan momentum dan kekekalan energi\nCompton berhasil menunjukkan bahwaperubahan panjang gelombang foton\nterhambur dengan panjang gelombang\nsemula, yang memenuhi persamaan :\n .... (7.6)\ndengan\nO = panjang gelombang sinar X sebelum tumbukan (m)\nOc = panjang gelombang sinar X setelah tumbukan (m)\nh = konstanta Planck (6,625 × 10-34 Js)\nmo= massa diam elektron (9,1 × 10-31 kg)\nc = kecepatan cahaya (3 × 108 ms-1)\nT = sudut hamburan sinar X terhadap arah semula (derajat\natau radian)\nBesaran \n sering disebut dengan panjang gelombang\nCompton . Jadi jelaslah sudah bahwa dengan hasil pengamatan\nCompton tentang hamburan foton dari sinar X menunjukkan\nbahwa foton dapat dipandang sebagai partikel, sehingga mem-perkuat teori kuantum yang mengatakan bahwa cahaya mem-punyai dua sifat, yaitu cahaya dapat sebagai gelombang dan\ncahaya dapat bersifat sebagai partikel yang sering disebut\nsebagai dualime gelombang cahaya .\nTFoton\nterhambur\nElektron terhamburFoton datang\nElektrondiamhfc\nhf\nGambar 7.7 Skema percobaan Compton untuk\nmenyelidiki tumbukan foton dan elektron',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]
# 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
#### Information Retrieval
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.0878 |
| cosine_accuracy@3 | 0.1271 |
| cosine_accuracy@5 | 0.1524 |
| cosine_accuracy@10 | 0.1903 |
| cosine_precision@1 | 0.0878 |
| cosine_precision@3 | 0.0424 |
| cosine_precision@5 | 0.0305 |
| cosine_precision@10 | 0.019 |
| cosine_recall@1 | 0.0878 |
| cosine_recall@3 | 0.1271 |
| cosine_recall@5 | 0.1524 |
| cosine_recall@10 | 0.1903 |
| cosine_ndcg@10 | 0.1332 |
| cosine_mrr@10 | 0.1156 |
| cosine_map@100 | 0.1252 |
| dot_accuracy@1 | 0.0881 |
| dot_accuracy@3 | 0.1274 |
| dot_accuracy@5 | 0.1515 |
| dot_accuracy@10 | 0.1894 |
| dot_precision@1 | 0.0881 |
| dot_precision@3 | 0.0425 |
| dot_precision@5 | 0.0303 |
| dot_precision@10 | 0.0189 |
| dot_recall@1 | 0.0881 |
| dot_recall@3 | 0.1274 |
| dot_recall@5 | 0.1515 |
| dot_recall@10 | 0.1894 |
| dot_ndcg@10 | 0.133 |
| dot_mrr@10 | 0.1157 |
| **dot_map@100** | **0.1253** |
<!--
## 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: 3,327 training samples
* Columns: <code>sentence_0</code> and <code>sentence_1</code>
* Approximate statistics based on the first 1000 samples:
| | sentence_0 | sentence_1 |
|:--------|:----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 7 tokens</li><li>mean: 12.11 tokens</li><li>max: 61 tokens</li></ul> | <ul><li>min: 2 tokens</li><li>mean: 437.69 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
| sentence_0 | sentence_1 |
|:----------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------|
| <code>Here are two questions based on the context:</code> | <code>Pusat Perbukuan<br>Departemen Pendidikan Nasional</code> |
| <code>What type of institution is Pusat Perbukuan?</code> | <code>Pusat Perbukuan<br>Departemen Pendidikan Nasional</code> |
| <code>I don't see any context information provided. It seems there's nothing above the horizontal lines.</code> | <code></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
- `per_device_train_batch_size`: 10
- `per_device_eval_batch_size`: 10
- `num_train_epochs`: 16
- `multi_dataset_batch_sampler`: round_robin
#### 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`: 10
- `per_device_eval_batch_size`: 10
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 1
- `eval_accumulation_steps`: None
- `torch_empty_cache_steps`: None
- `learning_rate`: 5e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1
- `num_train_epochs`: 16
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.0
- `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`: False
- `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
- `eval_use_gather_object`: False
- `batch_sampler`: batch_sampler
- `multi_dataset_batch_sampler`: round_robin
</details>
### Training Logs
<details><summary>Click to expand</summary>
| Epoch | Step | Training Loss | dot_map@100 |
|:-------:|:----:|:-------------:|:-----------:|
| 0.1502 | 50 | - | 0.0576 |
| 0.3003 | 100 | - | 0.0621 |
| 0.4505 | 150 | - | 0.0640 |
| 0.6006 | 200 | - | 0.0683 |
| 0.7508 | 250 | - | 0.0671 |
| 0.9009 | 300 | - | 0.0702 |
| 1.0 | 333 | - | 0.0724 |
| 1.0511 | 350 | - | 0.0726 |
| 1.2012 | 400 | - | 0.0751 |
| 1.3514 | 450 | - | 0.0774 |
| 1.5015 | 500 | 2.1413 | 0.0815 |
| 1.6517 | 550 | - | 0.0851 |
| 1.8018 | 600 | - | 0.0831 |
| 1.9520 | 650 | - | 0.0852 |
| 2.0 | 666 | - | 0.0859 |
| 2.1021 | 700 | - | 0.0890 |
| 2.2523 | 750 | - | 0.0872 |
| 2.4024 | 800 | - | 0.0897 |
| 2.5526 | 850 | - | 0.0929 |
| 2.7027 | 900 | - | 0.0924 |
| 2.8529 | 950 | - | 0.0948 |
| 3.0 | 999 | - | 0.0975 |
| 3.0030 | 1000 | 1.9512 | 0.0977 |
| 3.1532 | 1050 | - | 0.0993 |
| 3.3033 | 1100 | - | 0.0996 |
| 3.4535 | 1150 | - | 0.1033 |
| 3.6036 | 1200 | - | 0.1037 |
| 3.7538 | 1250 | - | 0.1055 |
| 3.9039 | 1300 | - | 0.1039 |
| 4.0 | 1332 | - | 0.1045 |
| 4.0541 | 1350 | - | 0.1064 |
| 4.2042 | 1400 | - | 0.1068 |
| 4.3544 | 1450 | - | 0.1074 |
| 4.5045 | 1500 | 1.8016 | 0.1090 |
| 4.6547 | 1550 | - | 0.1107 |
| 4.8048 | 1600 | - | 0.1111 |
| 4.9550 | 1650 | - | 0.1112 |
| 5.0 | 1665 | - | 0.1115 |
| 5.1051 | 1700 | - | 0.1117 |
| 5.2553 | 1750 | - | 0.1135 |
| 5.4054 | 1800 | - | 0.1124 |
| 5.5556 | 1850 | - | 0.1138 |
| 5.7057 | 1900 | - | 0.1167 |
| 5.8559 | 1950 | - | 0.1150 |
| 6.0 | 1998 | - | 0.1157 |
| 6.0060 | 2000 | 1.6129 | 0.1164 |
| 6.1562 | 2050 | - | 0.1185 |
| 6.3063 | 2100 | - | 0.1166 |
| 6.4565 | 2150 | - | 0.1152 |
| 6.6066 | 2200 | - | 0.1173 |
| 6.7568 | 2250 | - | 0.1185 |
| 6.9069 | 2300 | - | 0.1141 |
| 7.0 | 2331 | - | 0.1153 |
| 7.0571 | 2350 | - | 0.1154 |
| 7.2072 | 2400 | - | 0.1186 |
| 7.3574 | 2450 | - | 0.1163 |
| 7.5075 | 2500 | 1.4573 | 0.1171 |
| 7.6577 | 2550 | - | 0.1200 |
| 7.8078 | 2600 | - | 0.1190 |
| 7.9580 | 2650 | - | 0.1182 |
| 8.0 | 2664 | - | 0.1197 |
| 8.1081 | 2700 | - | 0.1195 |
| 8.2583 | 2750 | - | 0.1210 |
| 8.4084 | 2800 | - | 0.1199 |
| 8.5586 | 2850 | - | 0.1188 |
| 8.7087 | 2900 | - | 0.1207 |
| 8.8589 | 2950 | - | 0.1178 |
| 9.0 | 2997 | - | 0.1178 |
| 9.0090 | 3000 | 1.2947 | 0.1185 |
| 9.1592 | 3050 | - | 0.1207 |
| 9.3093 | 3100 | - | 0.1193 |
| 9.4595 | 3150 | - | 0.1203 |
| 9.6096 | 3200 | - | 0.1206 |
| 9.7598 | 3250 | - | 0.1233 |
| 9.9099 | 3300 | - | 0.1180 |
| 10.0 | 3330 | - | 0.1205 |
| 10.0601 | 3350 | - | 0.1208 |
| 10.2102 | 3400 | - | 0.1206 |
| 10.3604 | 3450 | - | 0.1184 |
| 10.5105 | 3500 | 1.2041 | 0.1212 |
| 10.6607 | 3550 | - | 0.1192 |
| 10.8108 | 3600 | - | 0.1219 |
| 10.9610 | 3650 | - | 0.1197 |
| 11.0 | 3663 | - | 0.1196 |
| 11.1111 | 3700 | - | 0.1219 |
| 11.2613 | 3750 | - | 0.1224 |
| 11.4114 | 3800 | - | 0.1199 |
| 11.5616 | 3850 | - | 0.1209 |
| 11.7117 | 3900 | - | 0.1211 |
| 11.8619 | 3950 | - | 0.1241 |
| 12.0 | 3996 | - | 0.1209 |
| 12.0120 | 4000 | 1.106 | 0.1217 |
| 12.1622 | 4050 | - | 0.1223 |
| 12.3123 | 4100 | - | 0.1222 |
| 12.4625 | 4150 | - | 0.1208 |
| 12.6126 | 4200 | - | 0.1213 |
| 12.7628 | 4250 | - | 0.1220 |
| 12.9129 | 4300 | - | 0.1231 |
| 13.0 | 4329 | - | 0.1220 |
| 13.0631 | 4350 | - | 0.1229 |
| 13.2132 | 4400 | - | 0.1236 |
| 13.3634 | 4450 | - | 0.1217 |
| 13.5135 | 4500 | 1.0598 | 0.1235 |
| 13.6637 | 4550 | - | 0.1235 |
| 13.8138 | 4600 | - | 0.1235 |
| 13.9640 | 4650 | - | 0.1225 |
| 14.0 | 4662 | - | 0.1234 |
| 14.1141 | 4700 | - | 0.1246 |
| 14.2643 | 4750 | - | 0.1244 |
| 14.4144 | 4800 | - | 0.1237 |
| 14.5646 | 4850 | - | 0.1244 |
| 14.7147 | 4900 | - | 0.1253 |
| 14.8649 | 4950 | - | 0.1244 |
| 15.0 | 4995 | - | 0.1253 |
| 15.0150 | 5000 | 1.0104 | 0.1248 |
| 15.1652 | 5050 | - | 0.1253 |
</details>
### Framework Versions
- Python: 3.11.0
- Sentence Transformers: 3.0.1
- Transformers: 4.44.0
- PyTorch: 2.4.0+cu124
- Accelerate: 0.33.0
- 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.*
--> |