File size: 94,225 Bytes
bc9d499 |
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 |
---
base_model: anhtuansh/bert-base-multilingual-uncased-Financial-Matryoshka-5e-11k
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
pipeline_tag: sentence-similarity
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:10200
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
widget:
- source_sentence: 1.500.000 ( một triệu năm trăm_nghìn ) đồng / giấy_phép ( theo
quy_định tại khoản b điều 4 thông_tư số 143 / 2016 / tt - btc ngày 26 / 9 / 2016
của bộ tài_chính , có hiệu_lực thi_hành kể từ ngày 01 / 01 / 2017 ) .
sentences:
- 'phí lệ_phí của thủ_tục : thủ_tục cấp lại giấy_phép thành_lập văn_phòng đại_diện
của thương_nhân nước_ngoài tại việt_nam là bao_nhiêu ?'
- khi nào người giải_quyết tố_cáo tạm đình_chỉ việc giải_quyết tố_cáo ?
- người điều_khiển , người đi trên phương_tiện , phương_tiện xuất_cảnh , nhập_cảnh
qua cửa_khẩu biên_giới đất_liền phải thực_hiện thủ_tục biên_phòng điện_tử như
thế_nào ?
- source_sentence: "bước 1 : tổ_chức sử_dụng đất chuẩn_bị hồ_sơ theo quy_định của\
\ pháp_luật ; \n bước 2 : tổ_chức sử_dụng đất nộp hồ_sơ tại bộ_phận hành_chính\
\ công về tài_nguyên và môi_trường của ban quản_lý khu kinh_tế quảng_ninh tại\
\ trung_tâm phục_vụ hành_chính công tỉnh ; \n bước 3 : cán_bộ bộ_phận hành_chính\
\ công về tài_nguyên và môi_trường kiểm_tra hồ_sơ và trao giấy tiếp_nhận hồ_sơ\
\ cho nhà đầu_tư ; \n bước 4 : tổ_chức sử_dụng đất căn_cứ thời_gian ghi trên giấy\
\ tiếp_nhận hồ_sơ đến trung_tâm phục_vụ hành_chính công_nhận kết_quả ."
sentences:
- khiếu_nại quyết_định kỷ_luật cán_bộ , công_chức được thực_hiện trong trường_hợp
nào ?
- 'trình_tự thực_hiện của thủ_tục : thủ_tục miễn , giảm tiền thuê đất trong khu
kinh_tế ( trừ khu kinh_tế vân_đồn ) là gì ?'
- trường_hợp đã hết thời_hiệu yêu_cầu thi_hành án , đề_nghị khôi_phục thời_hiệu
thi_hành án cần những thủ_tục gì ?
- source_sentence: "theo quy_định tại nghị_định số 91 / 2017 / nđ - cp ngày 31 / 7\
\ / 2017 của chính_phủ quy_định chi_tiết thi_hành luật sửa_đổi , bổ_sung một_số\
\ điều của luật thi_đua , khen_thưởng năm 2013 : \n trong thời_hạn 20 ngày_ngày\
\ làm_việc ( 30 ngày làm_việc đối_với trường_hợp phải lấy ý_kiến hiệp y ) kể từ\
\ ngày nhận đủ hồ_sơ theo quy_định , trưởng ban ban thi_đua - khen_thưởng trung_ương\
\ trình thủ_tướng chính_phủ xem_xét , quyết_định ; \n sau khi nhận được quyết_định\
\ khen_thưởng của thủ_tướng chính_phủ , trong thời_hạn 10 ngày làm_việc , ban\
\ thi_đua - khen_thưởng trung_ương sao quyết_định và thông_báo kết_quả khen_thưởng\
\ cho bộ , ban , ngành , tỉnh , đoàn_thể trung_ương trình khen_thưởng ; \n sau\
\ khi nhận được quyết_định khen_thưởng của cấp có thẩm_quyền , trong thời_hạn\
\ 10 ngày làm_việc , cơ_quan trình khen_thưởng thông_báo và gửi kết_quả khen_thưởng\
\ cho các trường_hợp được khen_thưởng ; \n đối_với các trường_hợp không đủ điều_kiện\
\ , tiêu_chuẩn , hồ_sơ theo quy_định , trong thời_hạn 10ngày làm_việc kể từ ngày\
\ nhận đủ hồ_sơ theo quy_định , ban thi_đua - khen_thưởng trung_ương thông_báo\
\ bằng văn_bản cho bộ , ban , ngành , tỉnh , đoàn_thể trung_ương trình khen_thưởng\
\ ."
sentences:
- yêu_cầu về xác_nhận quá_trình thực_hành trong cấp chứng_chỉ hành_nghề khám chữa
bệnh là gì ?
- đề_nghị cho biết thời_hạn thực_hiện thủ_tục tặng_thưởng " cờ thi_đua của chính_phủ
" về thành_tích thi_đua theo đợt hoặc chuyên_đề
- vợ_chồng tôi năm nay được 38 tuổi , nghề_nghiệp là nông_dân . vợ_chồng tôi muốn
tham_gia bhxh tự_nguyện để khi về già có lương hưu . vậy vợ_chồng tôi có được
đóng bhxh không ?
- source_sentence: theo quy_định tại điểm c khoản 1 điều 211 luật doanh_nghiệp , trường_hợp_doanh_nghiệp
ngừng hoạt_động_kinh_doanh 01 năm mà không thông_báo với cơ_quan đăng_ký kinh_doanh
và cơ_quan thuế thì doanh_nghiệp thuộc trường_hợp bị thu_hồi giấy chứng_nhận đăng_ký
doanh_nghiệp . - trình_tự , thủ_tục thu_hồi giấy chứng_nhận đăng_ký doanh_nghiệp
thực_hiện theo quy_định tại khoản 3 điều 63 nghị_định số 78 / 2015 / nđ - cp được
sửa_đổi , bổ_sung tại khoản 20 điều 1 nghị_định số 108 / 2018 / nđ - cp sửa_đổi
, bổ_sung một_số điều của nghị_định số 78 / 2015 / nđ - cp. theo đó , phòng đăng_ký
kinh_doanh thông_báo bằng văn_bản về hành_vi vi_phạm và yêu_cầu người đại_diện
theo pháp_luật của doanh_nghiệp đến trụ_sở của phòng để giải_trình . sau 10 ngày
làm_việc , kể từ ngày kết_thúc thời_hạn hẹn trong thông_báo mà người được yêu_cầu
không đến hoặc nội_dung giải_trình không được chấp_thuận thì phòng đăng_ký kinh_doanh
ra quyết_định thu_hồi giấy chứng_nhận đăng_ký doanh_nghiệp . - như_vậy , theo
quy_định nêu trên việc công_ty ngừng hoạt_động_kinh_doanh 01 năm mà không thông_báo
với cơ_quan đăng_ký kinh_doanh và cơ_quan thuế là vi_phạm_quy_định pháp_luật và
thuộc một trong các trường_hợp bị thu_hồi giấy chứng_nhận đăng_ký doanh_nghiệp
.
sentences:
- thủ_tục và hồ_sơ xin phép chuyển_đổi mục_đích sử_dụng , di_dời , tháo_dỡ ?
- thời_gian đăng_ký hoạt_động của chi_nhánh của tổ_chức trọng_tài nước_ngoài tại
việt_nam được quy_định như thế_nào ?
- công_ty tnhh xyz ngừng hoạt_động_kinh_doanh 01 năm mà không thông_báo với cơ_quan
đăng_ký kinh_doanh và cơ_quan thuế ? trong trường_hợp này , công_ty bị thu_hồi
giấy chứng_nhận đăng_ký doanh_nghiệp thì có đúng quy_định pháp_luật hiện_hành
không ?
- source_sentence: 'thời_hạn giải_quyết việc gia_hạn thời_gian học_tập cho lưu học_sinh
để hoàn_thành khóa học như sau : tối_đa 20 ngày làm_việc kể từ ngày nhận đủ hồ_sơ
hợp_lệ .'
sentences:
- tôi muốn hỏi về gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa
học , có thời_hạn giải_quyết như thế_nào ?
- thành_phần hồ_sơ giải_quyết chế_độ hỗ_trợ đối_với người việt_nam có công với cách_mạng
quy_định tại nghị_định số 102 / 2018 / nđ - cp ngày 20 / 7 / 2018 của chính_phủ
về chế_độ hỗ_trợ và một_số chế_độ đãi_ngộ khác đối_với người việt_nam có công
với cách_mạng , người tham_gia kháng_chiến , chiến_tranh bảo_vệ tổ_quốc và làm
nhiệm_vụ quốc_tế đang định_cư ở nước_ngoài ( nghị_định số 102 / 2018 / nđ - cp
) , bao_gồm những giấy_tờ gì ?
- nhiệm_vụ thiết_kế bvtc gồm nội_dung gì ? đơn_vị lập và thẩm_quyền phê_duyệt nhiệm_vụ
thiết_kế bvtc ?
model-index:
- name: SentenceTransformer based on anhtuansh/bert-base-multilingual-uncased-Financial-Matryoshka-5e-11k
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 768
type: dim_768
metrics:
- type: cosine_accuracy@1
value: 0.36684303350970016
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.5185185185185185
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.5925925925925926
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.6781305114638448
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.36684303350970016
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.17283950617283947
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.11851851851851852
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.06781305114638449
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.36684303350970016
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.5185185185185185
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.5925925925925926
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.6781305114638448
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.5144768449256533
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.46301020408163257
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.47144205209022744
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 512
type: dim_512
metrics:
- type: cosine_accuracy@1
value: 0.36331569664902996
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.517636684303351
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.591710758377425
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.6693121693121693
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.36331569664902996
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.1725455614344503
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.118342151675485
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.06693121693121694
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.36331569664902996
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.517636684303351
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.591710758377425
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.6693121693121693
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.5100016392336931
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.45984154978863945
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.4684446566514212
name: Cosine Map@100
---
# SentenceTransformer based on anhtuansh/bert-base-multilingual-uncased-Financial-Matryoshka-5e-11k
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [anhtuansh/bert-base-multilingual-uncased-Financial-Matryoshka-5e-11k](https://huggingface.co./anhtuansh/bert-base-multilingual-uncased-Financial-Matryoshka-5e-11k) on the json 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:** [anhtuansh/bert-base-multilingual-uncased-Financial-Matryoshka-5e-11k](https://huggingface.co./anhtuansh/bert-base-multilingual-uncased-Financial-Matryoshka-5e-11k) <!-- at revision 4ca538ddfa8124a21ab100083666796ecda4ee15 -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- json
<!-- - **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': 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("anhtuansh/bert-base-multilingual-uncased-Financial-Matryoshka-8e-11k")
# Run inference
sentences = [
'thời_hạn giải_quyết việc gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa học như sau : tối_đa 20 ngày làm_việc kể từ ngày nhận đủ hồ_sơ hợp_lệ .',
'tôi muốn hỏi về gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa học , có thời_hạn giải_quyết như thế_nào ?',
'thành_phần hồ_sơ giải_quyết chế_độ hỗ_trợ đối_với người việt_nam có công với cách_mạng quy_định tại nghị_định số 102 / 2018 / nđ - cp ngày 20 / 7 / 2018 của chính_phủ về chế_độ hỗ_trợ và một_số chế_độ đãi_ngộ khác đối_với người việt_nam có công với cách_mạng , người tham_gia kháng_chiến , chiến_tranh bảo_vệ tổ_quốc và làm nhiệm_vụ quốc_tế đang định_cư ở nước_ngoài ( nghị_định số 102 / 2018 / nđ - cp ) , bao_gồm những giấy_tờ gì ?',
]
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
#### Information Retrieval
* Datasets: `dim_768` and `dim_512`
* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | dim_768 | dim_512 |
|:--------------------|:-----------|:---------|
| cosine_accuracy@1 | 0.3668 | 0.3633 |
| cosine_accuracy@3 | 0.5185 | 0.5176 |
| cosine_accuracy@5 | 0.5926 | 0.5917 |
| cosine_accuracy@10 | 0.6781 | 0.6693 |
| cosine_precision@1 | 0.3668 | 0.3633 |
| cosine_precision@3 | 0.1728 | 0.1725 |
| cosine_precision@5 | 0.1185 | 0.1183 |
| cosine_precision@10 | 0.0678 | 0.0669 |
| cosine_recall@1 | 0.3668 | 0.3633 |
| cosine_recall@3 | 0.5185 | 0.5176 |
| cosine_recall@5 | 0.5926 | 0.5917 |
| cosine_recall@10 | 0.6781 | 0.6693 |
| **cosine_ndcg@10** | **0.5145** | **0.51** |
| cosine_mrr@10 | 0.463 | 0.4598 |
| cosine_map@100 | 0.4714 | 0.4684 |
<!--
## 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
#### json
* Dataset: json
* Size: 10,200 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: 4 tokens</li><li>mean: 222.47 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 8 tokens</li><li>mean: 46.3 tokens</li><li>max: 328 tokens</li></ul> |
* Samples:
| positive | anchor |
|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>1 . thẩm_quyền cấp giấy_phép tổ_chức triển_lãm , hội_chợ xuất_bản_phẩm được quy_định cụ_thể như sau : - bộ thông_tin và truyền_thông cấp giấy_phép cho cơ_quan , tổ_chức ở trung_ương ; cơ_quan , tổ_chức , cá_nhân nước_ngoài ; - ủy_ban nhân_dân cấp tỉnh cấp giấy_phép cho cơ_quan , tổ_chức , cá_nhân có trụ_sở hoặc cư_trú tại địa_phương ; chi_nhánh , văn_phòng đại_diện , đơn_vị trực_thuộc cơ_quan , tổ_chức ở trung_ương đặt tại địa_phương . 2 . hồ_sơ bao_gồm : - đơn đề_nghị cấp giấy_phép trong đó ghi rõ mục_đích , thời_gian , địa_điểm và tên các đơn_vị tham_gia triển_lãm , hội_chợ ; - danh_mục xuất_bản_phẩm để triển_lãm , hội_chợ theo mẫu quy_định . ( quy_định tại khoản 2 , 3 điều 44 luật xuất_bản )</code> | <code>hồ_sơ và thẩm_quyền cấp giấy_phép tổ_chức triển_lãm , hội_chợ xuất_bản_phẩm được quy_định cụ_thể như thế_nào ?</code> |
| <code>- trường_hợp mất danh_mục và phiếu theo_dõi trừ lùi thì người khai hải_quan có hồ_sơ đề_nghị cơ_quan hải_quan nơi cấp danh_mục lần đầu_đề_nghị cấp lại , bao_gồm : <br> + công_văn đề_nghị cấp lại danh_mục , phiếu theo_dõi trừ lùi trong đó nêu rõ : lý_do mất danh_mục , phiếu theo_dõi trừ lùi và cam_kết của người khai hải_quan về tính chính_xác của nội_dung khai_báo ; <br> + bảng kê toàn_bộ tờ khai hải_quan ( điện_tử hoặc giấy ) của số_lượng hàng_hóa đã nhập_khẩu theo danh_mục ; <br> + bản danh_mục và phiếu theo_dõi trừ lùi của cơ_quan hải_quan nơi làm thủ_tục nhập_khẩu lô hàng cuối_cùng trước khi thất_lạc ( 01 bản chụp có xác_nhận của cơ_quan hải_quan nơi nhập_khẩu ) . <br> - khi làm thủ_tục hải_quan , người khai hải_quan nộp , xuất_trình cho cơ_quan hải_quan nơi đăng_ký tờ khai hải_quan các hồ_sơ sau : <br> + hồ_sơ hải_quan theo quy_định hiện_hành ; <br> + danh_mục hàng_hóa và phiếu theo_dõi trừ lùi đã đăng_ký với cơ_quan hải_quan ( bản giao người khai hải_quan ) để cơ_quan hải_quan làm thủ_tục thực_hiện...</code> | <code>trường_hợp tôi làm mất danh_mục và phiếu theo_dõi trừ lùi hàng_hóa_nhập_khẩu dung_môi n - hexan dùng trong sản_xuất khô_dầu đậu_tương và dầu thực_vật , cám gạo trích ly và dầu cám thì cần làm những thủ_tục gì ?</code> |
| <code>thẩm_quyền cấp giấy chứng_nhận cơ_sở đủ điều_kiện đăng_kiểm tàu cá là : tổng_cục thủy_sản .</code> | <code>thẩm_quyền cấp giấy chứng_nhận cơ_sở đủ điều_kiện đăng_kiểm tàu cá ?</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512
],
"matryoshka_weights": [
1,
1
],
"n_dims_per_step": -1
}
```
### Evaluation Dataset
#### json
* Dataset: json
* Size: 1,134 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: 4 tokens</li><li>mean: 224.45 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 7 tokens</li><li>mean: 45.85 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
| positive | anchor |
|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>việc thực_hiện thủ_tục tặng_thưởng bằng khen cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương về thành_tích đột_xuất được tiến_hành như sau : <br> bước 1 . vụ , phòng , ban thi_đua – khen_thưởng các bộ , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương tiếp_nhận đề_nghị khen_thưởng của các đơn_vị thực thuộc . <br> bước 2 . thẩm_định hồ_sơ , xin ý_kiến các cơ_quan liên_quan , báo_cáo hội_đồng thi_đua khen_thưởng cùng cấp , tổng_hợp trình bộ_trưởng , thủ_trưởng đơn_vị , chủ_tịch ubnd tỉnh , thành_phố quyết_định khen_thưởng . <br> bước 3 . khi có quyết_định của bộ_trưởng , thủ_trưởng đơn_vị , chủ_tịch ubnd tỉnh , thành_phố trực_thuộc trung_ương ; vụ , phòng , ban thi_đua – khen_thưởng các bộ , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương thông_báo quyết_định , viết bằng , đóng_dấu và cấp_phát cho đơn_vị trình khen . <br> bước 4 . các trường_hợp không được khen_thưởng ( không đúng đối_tượng , không đủ tiêu_chuẩn , không đủ ...</code> | <code>đề_nghị cho biết trình_tự thực_hiện thủ_tục tặng_thưởng bằng khen cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương về thành_tích đột_xuất</code> |
| <code>bông_thủy_tinh chống cháy là vật_liệu chống cháy , thuộc danh_mục phương_tiện pccc quy_định phụ_lục v nghị_định số 79 / 2014 / nđ - cp ngày 31 / 7 / 2014 quy_định chi_tiết thi_hành một_số điều của luật phòng cháy và chữa_cháy và luật sửa_đổi , bổ_sung một_số điều của luật phòng cháy và chữa_cháy . do đó , nếu đưa vào sử_dụng trong hạng_mục pccc của công_trình thì phải kiểm_định về pccc. tuy_nhiên , đối_với vật_liệu bông thủy_tinh cách_nhiệt chống cháy được các cơ_quan , tổ_chức , cá_nhân cần xem_xét tùy vào yêu_cầu cụ_thể của công_trình để đăng_ký kiểm_định “ tính nguy_hiểm cháy ” đối_với vật_liệu đó hoặc “ giới_hạn chịu_lửa ” của kết_cấu sử_dụng vật_liệu đó . thành_phần hồ_sơ đề_nghị kiểm_định được quy_định tại điểm a khoản 4 điều 18 thông_tư 66 / 2014 / tt - bca ngày 16 / 12 / 2014 quy_định chi_tiết thi_hành một_số điều của nghị_định số 79 / 2014 / nđ - cp ngày 31 / 7 / 2014 quy_định chi_tiết thi_hành một_số điều của luật phòng cháy và chữa_cháy và luật sửa_đổi , bổ_sung một_số điều ...</code> | <code>bông_thủy_tinh cách_nhiệt chống cháy có phải kiểm_định không ? thành_phần hồ_sơ đề_nghị kiểm_định như thế_nào ?</code> |
| <code>thẻ thường_trú không có thời_hạn nhưng định_kỳ 10 năm một lần , người nước_ngoài thường_trú phải đến nộp hồ_sơ tại phòng quản_lý xuất , nhập_cảnh công_an tỉnh , thành_phố trực_thuộc trung_ương để đề_nghị cấp đổi thẻ thường_trú .</code> | <code>thẻ thường_trú có thời_hạn không ?</code> |
* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
```json
{
"loss": "MultipleNegativesRankingLoss",
"matryoshka_dims": [
768,
512
],
"matryoshka_weights": [
1,
1
],
"n_dims_per_step": -1
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: epoch
- `per_device_train_batch_size`: 2
- `per_device_eval_batch_size`: 2
- `gradient_accumulation_steps`: 2
- `learning_rate`: 2e-05
- `num_train_epochs`: 2
- `lr_scheduler_type`: cosine
- `warmup_ratio`: 0.1
- `fp16`: True
- `tf32`: False
- `load_best_model_at_end`: True
- `optim`: adamw_torch_fused
- `batch_sampler`: no_duplicates
#### All Hyperparameters
<details><summary>Click to expand</summary>
- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: epoch
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 2
- `per_device_eval_batch_size`: 2
- `per_gpu_train_batch_size`: None
- `per_gpu_eval_batch_size`: None
- `gradient_accumulation_steps`: 2
- `eval_accumulation_steps`: None
- `learning_rate`: 2e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 2
- `max_steps`: -1
- `lr_scheduler_type`: cosine
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.1
- `warmup_steps`: 0
- `log_level`: passive
- `log_level_replica`: warning
- `log_on_each_node`: True
- `logging_nan_inf_filter`: True
- `save_safetensors`: True
- `save_on_each_node`: False
- `save_only_model`: False
- `restore_callback_states_from_checkpoint`: False
- `no_cuda`: False
- `use_cpu`: False
- `use_mps_device`: False
- `seed`: 42
- `data_seed`: None
- `jit_mode_eval`: False
- `use_ipex`: False
- `bf16`: False
- `fp16`: True
- `fp16_opt_level`: O1
- `half_precision_backend`: auto
- `bf16_full_eval`: False
- `fp16_full_eval`: False
- `tf32`: False
- `local_rank`: 0
- `ddp_backend`: None
- `tpu_num_cores`: None
- `tpu_metrics_debug`: False
- `debug`: []
- `dataloader_drop_last`: False
- `dataloader_num_workers`: 0
- `dataloader_prefetch_factor`: None
- `past_index`: -1
- `disable_tqdm`: False
- `remove_unused_columns`: True
- `label_names`: None
- `load_best_model_at_end`: True
- `ignore_data_skip`: False
- `fsdp`: []
- `fsdp_min_num_params`: 0
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
- `fsdp_transformer_layer_cls_to_wrap`: None
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch_fused
- `optim_args`: None
- `adafactor`: False
- `group_by_length`: False
- `length_column_name`: length
- `ddp_find_unused_parameters`: None
- `ddp_bucket_cap_mb`: None
- `ddp_broadcast_buffers`: False
- `dataloader_pin_memory`: True
- `dataloader_persistent_workers`: False
- `skip_memory_metrics`: True
- `use_legacy_prediction_loop`: False
- `push_to_hub`: False
- `resume_from_checkpoint`: None
- `hub_model_id`: None
- `hub_strategy`: every_save
- `hub_private_repo`: False
- `hub_always_push`: False
- `gradient_checkpointing`: False
- `gradient_checkpointing_kwargs`: None
- `include_inputs_for_metrics`: False
- `eval_do_concat_batches`: True
- `fp16_backend`: auto
- `push_to_hub_model_id`: None
- `push_to_hub_organization`: None
- `mp_parameters`:
- `auto_find_batch_size`: False
- `full_determinism`: False
- `torchdynamo`: None
- `ray_scope`: last
- `ddp_timeout`: 1800
- `torch_compile`: False
- `torch_compile_backend`: None
- `torch_compile_mode`: None
- `dispatch_batches`: None
- `split_batches`: None
- `include_tokens_per_second`: False
- `include_num_input_tokens_seen`: False
- `neftune_noise_alpha`: None
- `optim_target_modules`: None
- `batch_eval_metrics`: False
- `prompts`: None
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
<details><summary>Click to expand</summary>
| Epoch | Step | Training Loss | Validation Loss | dim_768_cosine_ndcg@10 | dim_512_cosine_ndcg@10 |
|:-------:|:--------:|:-------------:|:---------------:|:----------------------:|:----------------------:|
| 0 | 0 | - | - | 0.5367 | 0.5326 |
| 0.0039 | 10 | 0.0009 | - | - | - |
| 0.0078 | 20 | 0.0 | - | - | - |
| 0.0118 | 30 | 0.0 | - | - | - |
| 0.0157 | 40 | 0.0 | - | - | - |
| 0.0196 | 50 | 0.0 | - | - | - |
| 0.0235 | 60 | 0.0 | - | - | - |
| 0.0275 | 70 | 0.0 | - | - | - |
| 0.0314 | 80 | 0.0 | - | - | - |
| 0.0353 | 90 | 0.0 | - | - | - |
| 0.0392 | 100 | 0.0001 | - | - | - |
| 0.0431 | 110 | 0.0001 | - | - | - |
| 0.0471 | 120 | 0.0 | - | - | - |
| 0.0510 | 130 | 0.0 | - | - | - |
| 0.0549 | 140 | 0.0001 | - | - | - |
| 0.0588 | 150 | 0.0 | - | - | - |
| 0.0627 | 160 | 0.0 | - | - | - |
| 0.0667 | 170 | 0.0 | - | - | - |
| 0.0706 | 180 | 0.0 | - | - | - |
| 0.0745 | 190 | 0.0 | - | - | - |
| 0.0784 | 200 | 0.0 | - | - | - |
| 0.0824 | 210 | 0.0 | - | - | - |
| 0.0863 | 220 | 0.0 | - | - | - |
| 0.0902 | 230 | 0.0 | - | - | - |
| 0.0941 | 240 | 0.0 | - | - | - |
| 0.0980 | 250 | 0.0 | - | - | - |
| 0.1020 | 260 | 0.0 | - | - | - |
| 0.1059 | 270 | 0.0 | - | - | - |
| 0.1098 | 280 | 0.0 | - | - | - |
| 0.1137 | 290 | 0.0 | - | - | - |
| 0.1176 | 300 | 0.0001 | - | - | - |
| 0.1216 | 310 | 0.0001 | - | - | - |
| 0.1255 | 320 | 0.0002 | - | - | - |
| 0.1294 | 330 | 0.0002 | - | - | - |
| 0.1333 | 340 | 0.0001 | - | - | - |
| 0.1373 | 350 | 0.0002 | - | - | - |
| 0.1412 | 360 | 0.0001 | - | - | - |
| 0.1451 | 370 | 0.1093 | - | - | - |
| 0.1490 | 380 | 0.0007 | - | - | - |
| 0.1529 | 390 | 0.0004 | - | - | - |
| 0.1569 | 400 | 0.0021 | - | - | - |
| 0.1608 | 410 | 0.0013 | - | - | - |
| 0.1647 | 420 | 0.0018 | - | - | - |
| 0.1686 | 430 | 0.0038 | - | - | - |
| 0.1725 | 440 | 0.0003 | - | - | - |
| 0.1765 | 450 | 0.0022 | - | - | - |
| 0.1804 | 460 | 0.0097 | - | - | - |
| 0.1843 | 470 | 0.0012 | - | - | - |
| 0.1882 | 480 | 0.0085 | - | - | - |
| 0.1922 | 490 | 0.0057 | - | - | - |
| 0.1961 | 500 | 0.0002 | - | - | - |
| 0.2 | 510 | 0.003 | - | - | - |
| 0.2039 | 520 | 0.0003 | - | - | - |
| 0.2078 | 530 | 0.0004 | - | - | - |
| 0.2118 | 540 | 0.0008 | - | - | - |
| 0.2157 | 550 | 0.0012 | - | - | - |
| 0.2196 | 560 | 0.0036 | - | - | - |
| 0.2235 | 570 | 0.0004 | - | - | - |
| 0.2275 | 580 | 0.0007 | - | - | - |
| 0.2314 | 590 | 0.0172 | - | - | - |
| 0.2353 | 600 | 0.0215 | - | - | - |
| 0.2392 | 610 | 0.0025 | - | - | - |
| 0.2431 | 620 | 0.0002 | - | - | - |
| 0.2471 | 630 | 0.0017 | - | - | - |
| 0.2510 | 640 | 0.0116 | - | - | - |
| 0.2549 | 650 | 0.0002 | - | - | - |
| 0.2588 | 660 | 0.0003 | - | - | - |
| 0.2627 | 670 | 0.0001 | - | - | - |
| 0.2667 | 680 | 0.0002 | - | - | - |
| 0.2706 | 690 | 0.0007 | - | - | - |
| 0.2745 | 700 | 0.0006 | - | - | - |
| 0.2784 | 710 | 0.0005 | - | - | - |
| 0.2824 | 720 | 0.0051 | - | - | - |
| 0.2863 | 730 | 0.0002 | - | - | - |
| 0.2902 | 740 | 0.0009 | - | - | - |
| 0.2941 | 750 | 0.0003 | - | - | - |
| 0.2980 | 760 | 0.0091 | - | - | - |
| 0.3020 | 770 | 0.0004 | - | - | - |
| 0.3059 | 780 | 0.0012 | - | - | - |
| 0.3098 | 790 | 0.0012 | - | - | - |
| 0.3137 | 800 | 0.003 | - | - | - |
| 0.3176 | 810 | 0.0015 | - | - | - |
| 0.3216 | 820 | 0.0035 | - | - | - |
| 0.3255 | 830 | 0.0156 | - | - | - |
| 0.3294 | 840 | 0.0038 | - | - | - |
| 0.3333 | 850 | 0.0138 | - | - | - |
| 0.3373 | 860 | 0.0008 | - | - | - |
| 0.3412 | 870 | 0.0019 | - | - | - |
| 0.3451 | 880 | 0.0028 | - | - | - |
| 0.3490 | 890 | 0.0138 | - | - | - |
| 0.3529 | 900 | 0.0013 | - | - | - |
| 0.3569 | 910 | 0.0006 | - | - | - |
| 0.3608 | 920 | 0.0162 | - | - | - |
| 0.3647 | 930 | 0.0097 | - | - | - |
| 0.3686 | 940 | 0.0019 | - | - | - |
| 0.3725 | 950 | 0.0007 | - | - | - |
| 0.3765 | 960 | 0.0045 | - | - | - |
| 0.3804 | 970 | 0.0006 | - | - | - |
| 0.3843 | 980 | 0.0011 | - | - | - |
| 0.3882 | 990 | 0.0005 | - | - | - |
| 0.3922 | 1000 | 0.001 | - | - | - |
| 0.3961 | 1010 | 0.001 | - | - | - |
| 0.4 | 1020 | 0.0012 | - | - | - |
| 0.4039 | 1030 | 0.0158 | - | - | - |
| 0.4078 | 1040 | 0.0007 | - | - | - |
| 0.4118 | 1050 | 0.0216 | - | - | - |
| 0.4157 | 1060 | 0.0617 | - | - | - |
| 0.4196 | 1070 | 0.0004 | - | - | - |
| 0.4235 | 1080 | 0.0405 | - | - | - |
| 0.4275 | 1090 | 0.0076 | - | - | - |
| 0.4314 | 1100 | 0.0019 | - | - | - |
| 0.4353 | 1110 | 0.0008 | - | - | - |
| 0.4392 | 1120 | 0.0005 | - | - | - |
| 0.4431 | 1130 | 0.0002 | - | - | - |
| 0.4471 | 1140 | 0.0178 | - | - | - |
| 0.4510 | 1150 | 0.0004 | - | - | - |
| 0.4549 | 1160 | 0.0179 | - | - | - |
| 0.4588 | 1170 | 0.0036 | - | - | - |
| 0.4627 | 1180 | 0.1095 | - | - | - |
| 0.4667 | 1190 | 0.0172 | - | - | - |
| 0.4706 | 1200 | 0.0022 | - | - | - |
| 0.4745 | 1210 | 0.0014 | - | - | - |
| 0.4784 | 1220 | 0.0003 | - | - | - |
| 0.4824 | 1230 | 0.1045 | - | - | - |
| 0.4863 | 1240 | 0.0001 | - | - | - |
| 0.4902 | 1250 | 0.0036 | - | - | - |
| 0.4941 | 1260 | 0.0007 | - | - | - |
| 0.4980 | 1270 | 0.0038 | - | - | - |
| 0.5020 | 1280 | 0.0009 | - | - | - |
| 0.5059 | 1290 | 0.0011 | - | - | - |
| 0.5098 | 1300 | 0.0008 | - | - | - |
| 0.5137 | 1310 | 0.0002 | - | - | - |
| 0.5176 | 1320 | 0.0084 | - | - | - |
| 0.5216 | 1330 | 0.0009 | - | - | - |
| 0.5255 | 1340 | 0.0003 | - | - | - |
| 0.5294 | 1350 | 0.0025 | - | - | - |
| 0.5333 | 1360 | 0.0 | - | - | - |
| 0.5373 | 1370 | 0.0005 | - | - | - |
| 0.5412 | 1380 | 0.0319 | - | - | - |
| 0.5451 | 1390 | 0.0004 | - | - | - |
| 0.5490 | 1400 | 0.0004 | - | - | - |
| 0.5529 | 1410 | 0.001 | - | - | - |
| 0.5569 | 1420 | 0.0004 | - | - | - |
| 0.5608 | 1430 | 0.0109 | - | - | - |
| 0.5647 | 1440 | 0.0003 | - | - | - |
| 0.5686 | 1450 | 0.0004 | - | - | - |
| 0.5725 | 1460 | 0.0123 | - | - | - |
| 0.5765 | 1470 | 0.0001 | - | - | - |
| 0.5804 | 1480 | 0.0008 | - | - | - |
| 0.5843 | 1490 | 0.0006 | - | - | - |
| 0.5882 | 1500 | 0.0005 | - | - | - |
| 0.5922 | 1510 | 0.0015 | - | - | - |
| 0.5961 | 1520 | 0.0001 | - | - | - |
| 0.6 | 1530 | 0.0001 | - | - | - |
| 0.6039 | 1540 | 0.0286 | - | - | - |
| 0.6078 | 1550 | 0.0224 | - | - | - |
| 0.6118 | 1560 | 0.0008 | - | - | - |
| 0.6157 | 1570 | 0.0076 | - | - | - |
| 0.6196 | 1580 | 0.0001 | - | - | - |
| 0.6235 | 1590 | 0.0001 | - | - | - |
| 0.6275 | 1600 | 0.0007 | - | - | - |
| 0.6314 | 1610 | 0.0001 | - | - | - |
| 0.6353 | 1620 | 0.0008 | - | - | - |
| 0.6392 | 1630 | 0.0009 | - | - | - |
| 0.6431 | 1640 | 0.0026 | - | - | - |
| 0.6471 | 1650 | 0.0003 | - | - | - |
| 0.6510 | 1660 | 0.0001 | - | - | - |
| 0.6549 | 1670 | 0.0048 | - | - | - |
| 0.6588 | 1680 | 0.001 | - | - | - |
| 0.6627 | 1690 | 0.0002 | - | - | - |
| 0.6667 | 1700 | 0.0708 | - | - | - |
| 0.6706 | 1710 | 0.0029 | - | - | - |
| 0.6745 | 1720 | 0.0002 | - | - | - |
| 0.6784 | 1730 | 0.0702 | - | - | - |
| 0.6824 | 1740 | 0.0022 | - | - | - |
| 0.6863 | 1750 | 0.0141 | - | - | - |
| 0.6902 | 1760 | 0.0035 | - | - | - |
| 0.6941 | 1770 | 0.0003 | - | - | - |
| 0.6980 | 1780 | 0.0034 | - | - | - |
| 0.7020 | 1790 | 0.0018 | - | - | - |
| 0.7059 | 1800 | 0.0004 | - | - | - |
| 0.7098 | 1810 | 0.0023 | - | - | - |
| 0.7137 | 1820 | 0.0014 | - | - | - |
| 0.7176 | 1830 | 0.0017 | - | - | - |
| 0.7216 | 1840 | 0.0001 | - | - | - |
| 0.7255 | 1850 | 0.0013 | - | - | - |
| 0.7294 | 1860 | 0.0007 | - | - | - |
| 0.7333 | 1870 | 0.0007 | - | - | - |
| 0.7373 | 1880 | 0.0057 | - | - | - |
| 0.7412 | 1890 | 0.0002 | - | - | - |
| 0.7451 | 1900 | 0.0121 | - | - | - |
| 0.7490 | 1910 | 0.0005 | - | - | - |
| 0.7529 | 1920 | 0.0013 | - | - | - |
| 0.7569 | 1930 | 0.0002 | - | - | - |
| 0.7608 | 1940 | 0.0041 | - | - | - |
| 0.7647 | 1950 | 0.0001 | - | - | - |
| 0.7686 | 1960 | 0.0 | - | - | - |
| 0.7725 | 1970 | 0.0004 | - | - | - |
| 0.7765 | 1980 | 0.0013 | - | - | - |
| 0.7804 | 1990 | 0.0002 | - | - | - |
| 0.7843 | 2000 | 0.0001 | - | - | - |
| 0.7882 | 2010 | 0.0004 | - | - | - |
| 0.7922 | 2020 | 0.0007 | - | - | - |
| 0.7961 | 2030 | 0.001 | - | - | - |
| 0.8 | 2040 | 0.0033 | - | - | - |
| 0.8039 | 2050 | 0.0009 | - | - | - |
| 0.8078 | 2060 | 0.0018 | - | - | - |
| 0.8118 | 2070 | 0.0002 | - | - | - |
| 0.8157 | 2080 | 0.0001 | - | - | - |
| 0.8196 | 2090 | 0.0019 | - | - | - |
| 0.8235 | 2100 | 0.0011 | - | - | - |
| 0.8275 | 2110 | 0.0 | - | - | - |
| 0.8314 | 2120 | 0.0005 | - | - | - |
| 0.8353 | 2130 | 0.0027 | - | - | - |
| 0.8392 | 2140 | 0.0011 | - | - | - |
| 0.8431 | 2150 | 0.0001 | - | - | - |
| 0.8471 | 2160 | 0.0007 | - | - | - |
| 0.8510 | 2170 | 0.0001 | - | - | - |
| 0.8549 | 2180 | 0.0028 | - | - | - |
| 0.8588 | 2190 | 0.0014 | - | - | - |
| 0.8627 | 2200 | 0.0003 | - | - | - |
| 0.8667 | 2210 | 0.0001 | - | - | - |
| 0.8706 | 2220 | 0.0001 | - | - | - |
| 0.8745 | 2230 | 0.0001 | - | - | - |
| 0.8784 | 2240 | 0.0002 | - | - | - |
| 0.8824 | 2250 | 0.0002 | - | - | - |
| 0.8863 | 2260 | 0.0 | - | - | - |
| 0.8902 | 2270 | 0.0002 | - | - | - |
| 0.8941 | 2280 | 0.0001 | - | - | - |
| 0.8980 | 2290 | 0.0 | - | - | - |
| 0.9020 | 2300 | 0.0003 | - | - | - |
| 0.9059 | 2310 | 0.0004 | - | - | - |
| 0.9098 | 2320 | 0.0009 | - | - | - |
| 0.9137 | 2330 | 0.0036 | - | - | - |
| 0.9176 | 2340 | 0.0004 | - | - | - |
| 0.9216 | 2350 | 0.0167 | - | - | - |
| 0.9255 | 2360 | 0.0236 | - | - | - |
| 0.9294 | 2370 | 0.0002 | - | - | - |
| 0.9333 | 2380 | 0.0142 | - | - | - |
| 0.9373 | 2390 | 0.0059 | - | - | - |
| 0.9412 | 2400 | 0.0 | - | - | - |
| 0.9451 | 2410 | 0.0 | - | - | - |
| 0.9490 | 2420 | 0.0006 | - | - | - |
| 0.9529 | 2430 | 0.0104 | - | - | - |
| 0.9569 | 2440 | 0.0004 | - | - | - |
| 0.9608 | 2450 | 0.0006 | - | - | - |
| 0.9647 | 2460 | 0.0002 | - | - | - |
| 0.9686 | 2470 | 0.0 | - | - | - |
| 0.9725 | 2480 | 0.0005 | - | - | - |
| 0.9765 | 2490 | 0.0001 | - | - | - |
| 0.9804 | 2500 | 0.0122 | - | - | - |
| 0.9843 | 2510 | 0.0014 | - | - | - |
| 0.9882 | 2520 | 0.0002 | - | - | - |
| 0.9922 | 2530 | 0.0001 | - | - | - |
| 0.9961 | 2540 | 0.0053 | - | - | - |
| 1.0 | 2550 | 0.0006 | 0.0614 | 0.4626 | 0.4628 |
| 1.0039 | 2560 | 0.0 | - | - | - |
| 1.0078 | 2570 | 0.0018 | - | - | - |
| 1.0118 | 2580 | 0.0007 | - | - | - |
| 1.0157 | 2590 | 0.0001 | - | - | - |
| 1.0196 | 2600 | 0.0014 | - | - | - |
| 1.0235 | 2610 | 0.0013 | - | - | - |
| 1.0275 | 2620 | 0.0001 | - | - | - |
| 1.0314 | 2630 | 0.0209 | - | - | - |
| 1.0353 | 2640 | 0.0 | - | - | - |
| 1.0392 | 2650 | 0.0 | - | - | - |
| 1.0431 | 2660 | 0.0 | - | - | - |
| 1.0471 | 2670 | 0.0003 | - | - | - |
| 1.0510 | 2680 | 0.0013 | - | - | - |
| 1.0549 | 2690 | 0.0021 | - | - | - |
| 1.0588 | 2700 | 0.0 | - | - | - |
| 1.0627 | 2710 | 0.0013 | - | - | - |
| 1.0667 | 2720 | 0.0003 | - | - | - |
| 1.0706 | 2730 | 0.0011 | - | - | - |
| 1.0745 | 2740 | 0.0 | - | - | - |
| 1.0784 | 2750 | 0.3286 | - | - | - |
| 1.0824 | 2760 | 0.0002 | - | - | - |
| 1.0863 | 2770 | 0.0016 | - | - | - |
| 1.0902 | 2780 | 0.0002 | - | - | - |
| 1.0941 | 2790 | 0.0004 | - | - | - |
| 1.0980 | 2800 | 0.0003 | - | - | - |
| 1.1020 | 2810 | 0.0 | - | - | - |
| 1.1059 | 2820 | 0.0003 | - | - | - |
| 1.1098 | 2830 | 0.001 | - | - | - |
| 1.1137 | 2840 | 0.0001 | - | - | - |
| 1.1176 | 2850 | 0.0001 | - | - | - |
| 1.1216 | 2860 | 0.0001 | - | - | - |
| 1.1255 | 2870 | 0.0003 | - | - | - |
| 1.1294 | 2880 | 0.0 | - | - | - |
| 1.1333 | 2890 | 0.0003 | - | - | - |
| 1.1373 | 2900 | 0.001 | - | - | - |
| 1.1412 | 2910 | 0.0 | - | - | - |
| 1.1451 | 2920 | 0.0001 | - | - | - |
| 1.1490 | 2930 | 0.0002 | - | - | - |
| 1.1529 | 2940 | 0.0 | - | - | - |
| 1.1569 | 2950 | 0.0003 | - | - | - |
| 1.1608 | 2960 | 0.0 | - | - | - |
| 1.1647 | 2970 | 0.1143 | - | - | - |
| 1.1686 | 2980 | 0.0 | - | - | - |
| 1.1725 | 2990 | 0.0 | - | - | - |
| 1.1765 | 3000 | 0.0 | - | - | - |
| 1.1804 | 3010 | 0.0 | - | - | - |
| 1.1843 | 3020 | 0.0 | - | - | - |
| 1.1882 | 3030 | 0.0001 | - | - | - |
| 1.1922 | 3040 | 0.0 | - | - | - |
| 1.1961 | 3050 | 0.0 | - | - | - |
| 1.2 | 3060 | 0.0002 | - | - | - |
| 1.2039 | 3070 | 0.0015 | - | - | - |
| 1.2078 | 3080 | 0.0 | - | - | - |
| 1.2118 | 3090 | 0.0002 | - | - | - |
| 1.2157 | 3100 | 0.0045 | - | - | - |
| 1.2196 | 3110 | 0.0 | - | - | - |
| 1.2235 | 3120 | 0.0 | - | - | - |
| 1.2275 | 3130 | 0.0002 | - | - | - |
| 1.2314 | 3140 | 0.0 | - | - | - |
| 1.2353 | 3150 | 0.0001 | - | - | - |
| 1.2392 | 3160 | 0.0023 | - | - | - |
| 1.2431 | 3170 | 0.0029 | - | - | - |
| 1.2471 | 3180 | 0.0002 | - | - | - |
| 1.2510 | 3190 | 0.0004 | - | - | - |
| 1.2549 | 3200 | 0.0003 | - | - | - |
| 1.2588 | 3210 | 0.0002 | - | - | - |
| 1.2627 | 3220 | 0.0 | - | - | - |
| 1.2667 | 3230 | 0.0007 | - | - | - |
| 1.2706 | 3240 | 0.0001 | - | - | - |
| 1.2745 | 3250 | 0.0003 | - | - | - |
| 1.2784 | 3260 | 0.0004 | - | - | - |
| 1.2824 | 3270 | 0.0003 | - | - | - |
| 1.2863 | 3280 | 0.0 | - | - | - |
| 1.2902 | 3290 | 0.0011 | - | - | - |
| 1.2941 | 3300 | 0.0011 | - | - | - |
| 1.2980 | 3310 | 0.0 | - | - | - |
| 1.3020 | 3320 | 0.0 | - | - | - |
| 1.3059 | 3330 | 0.0 | - | - | - |
| 1.3098 | 3340 | 0.0001 | - | - | - |
| 1.3137 | 3350 | 0.0 | - | - | - |
| 1.3176 | 3360 | 0.0037 | - | - | - |
| 1.3216 | 3370 | 0.0 | - | - | - |
| 1.3255 | 3380 | 0.0001 | - | - | - |
| 1.3294 | 3390 | 0.0001 | - | - | - |
| 1.3333 | 3400 | 0.0 | - | - | - |
| 1.3373 | 3410 | 0.0001 | - | - | - |
| 1.3412 | 3420 | 0.0004 | - | - | - |
| 1.3451 | 3430 | 0.0002 | - | - | - |
| 1.3490 | 3440 | 0.0001 | - | - | - |
| 1.3529 | 3450 | 0.0002 | - | - | - |
| 1.3569 | 3460 | 0.0001 | - | - | - |
| 1.3608 | 3470 | 0.0 | - | - | - |
| 1.3647 | 3480 | 0.0 | - | - | - |
| 1.3686 | 3490 | 0.0001 | - | - | - |
| 1.3725 | 3500 | 0.0002 | - | - | - |
| 1.3765 | 3510 | 0.0 | - | - | - |
| 1.3804 | 3520 | 0.0 | - | - | - |
| 1.3843 | 3530 | 0.0004 | - | - | - |
| 1.3882 | 3540 | 0.0001 | - | - | - |
| 1.3922 | 3550 | 0.0 | - | - | - |
| 1.3961 | 3560 | 0.0 | - | - | - |
| 1.4 | 3570 | 0.0001 | - | - | - |
| 1.4039 | 3580 | 0.0 | - | - | - |
| 1.4078 | 3590 | 0.0 | - | - | - |
| 1.4118 | 3600 | 0.0002 | - | - | - |
| 1.4157 | 3610 | 0.0002 | - | - | - |
| 1.4196 | 3620 | 0.0 | - | - | - |
| 1.4235 | 3630 | 0.0 | - | - | - |
| 1.4275 | 3640 | 0.0001 | - | - | - |
| 1.4314 | 3650 | 0.0002 | - | - | - |
| 1.4353 | 3660 | 0.0005 | - | - | - |
| 1.4392 | 3670 | 0.0 | - | - | - |
| 1.4431 | 3680 | 0.0001 | - | - | - |
| 1.4471 | 3690 | 0.001 | - | - | - |
| 1.4510 | 3700 | 0.0001 | - | - | - |
| 1.4549 | 3710 | 0.0001 | - | - | - |
| 1.4588 | 3720 | 0.0 | - | - | - |
| 1.4627 | 3730 | 0.0016 | - | - | - |
| 1.4667 | 3740 | 0.0 | - | - | - |
| 1.4706 | 3750 | 0.0001 | - | - | - |
| 1.4745 | 3760 | 0.0006 | - | - | - |
| 1.4784 | 3770 | 0.0 | - | - | - |
| 1.4824 | 3780 | 0.0003 | - | - | - |
| 1.4863 | 3790 | 0.0029 | - | - | - |
| 1.4902 | 3800 | 0.0 | - | - | - |
| 1.4941 | 3810 | 0.0007 | - | - | - |
| 1.4980 | 3820 | 0.0001 | - | - | - |
| 1.5020 | 3830 | 0.0 | - | - | - |
| 1.5059 | 3840 | 0.0 | - | - | - |
| 1.5098 | 3850 | 0.0001 | - | - | - |
| 1.5137 | 3860 | 0.0 | - | - | - |
| 1.5176 | 3870 | 0.0001 | - | - | - |
| 1.5216 | 3880 | 0.0005 | - | - | - |
| 1.5255 | 3890 | 0.0 | - | - | - |
| 1.5294 | 3900 | 0.0 | - | - | - |
| 1.5333 | 3910 | 0.0001 | - | - | - |
| 1.5373 | 3920 | 0.0001 | - | - | - |
| 1.5412 | 3930 | 0.0 | - | - | - |
| 1.5451 | 3940 | 0.0003 | - | - | - |
| 1.5490 | 3950 | 0.0 | - | - | - |
| 1.5529 | 3960 | 0.0 | - | - | - |
| 1.5569 | 3970 | 0.0001 | - | - | - |
| 1.5608 | 3980 | 0.0001 | - | - | - |
| 1.5647 | 3990 | 0.0 | - | - | - |
| 1.5686 | 4000 | 0.0001 | - | - | - |
| 1.5725 | 4010 | 0.0 | - | - | - |
| 1.5765 | 4020 | 0.001 | - | - | - |
| 1.5804 | 4030 | 0.0002 | - | - | - |
| 1.5843 | 4040 | 0.0 | - | - | - |
| 1.5882 | 4050 | 0.0 | - | - | - |
| 1.5922 | 4060 | 0.0 | - | - | - |
| 1.5961 | 4070 | 0.0003 | - | - | - |
| 1.6 | 4080 | 0.0 | - | - | - |
| 1.6039 | 4090 | 0.0001 | - | - | - |
| 1.6078 | 4100 | 0.0613 | - | - | - |
| 1.6118 | 4110 | 0.0001 | - | - | - |
| 1.6157 | 4120 | 0.0 | - | - | - |
| 1.6196 | 4130 | 0.0 | - | - | - |
| 1.6235 | 4140 | 0.0 | - | - | - |
| 1.6275 | 4150 | 0.0 | - | - | - |
| 1.6314 | 4160 | 0.0 | - | - | - |
| 1.6353 | 4170 | 0.0 | - | - | - |
| 1.6392 | 4180 | 0.0001 | - | - | - |
| 1.6431 | 4190 | 0.0 | - | - | - |
| 1.6471 | 4200 | 0.0003 | - | - | - |
| 1.6510 | 4210 | 0.0 | - | - | - |
| 1.6549 | 4220 | 0.0 | - | - | - |
| 1.6588 | 4230 | 0.0002 | - | - | - |
| 1.6627 | 4240 | 0.0 | - | - | - |
| 1.6667 | 4250 | 0.0001 | - | - | - |
| 1.6706 | 4260 | 0.0001 | - | - | - |
| 1.6745 | 4270 | 0.0 | - | - | - |
| 1.6784 | 4280 | 0.0 | - | - | - |
| 1.6824 | 4290 | 0.0002 | - | - | - |
| 1.6863 | 4300 | 0.0003 | - | - | - |
| 1.6902 | 4310 | 0.0 | - | - | - |
| 1.6941 | 4320 | 0.0004 | - | - | - |
| 1.6980 | 4330 | 0.0003 | - | - | - |
| 1.7020 | 4340 | 0.0 | - | - | - |
| 1.7059 | 4350 | 0.0002 | - | - | - |
| 1.7098 | 4360 | 0.0 | - | - | - |
| 1.7137 | 4370 | 0.0001 | - | - | - |
| 1.7176 | 4380 | 0.0 | - | - | - |
| 1.7216 | 4390 | 0.0001 | - | - | - |
| 1.7255 | 4400 | 0.0 | - | - | - |
| 1.7294 | 4410 | 0.0002 | - | - | - |
| 1.7333 | 4420 | 0.0 | - | - | - |
| 1.7373 | 4430 | 0.0 | - | - | - |
| 1.7412 | 4440 | 0.0 | - | - | - |
| 1.7451 | 4450 | 0.0 | - | - | - |
| 1.7490 | 4460 | 0.0 | - | - | - |
| 1.7529 | 4470 | 0.0001 | - | - | - |
| 1.7569 | 4480 | 0.0001 | - | - | - |
| 1.7608 | 4490 | 0.0 | - | - | - |
| 1.7647 | 4500 | 0.003 | - | - | - |
| 1.7686 | 4510 | 0.0 | - | - | - |
| 1.7725 | 4520 | 0.0003 | - | - | - |
| 1.7765 | 4530 | 0.0001 | - | - | - |
| 1.7804 | 4540 | 0.0001 | - | - | - |
| 1.7843 | 4550 | 0.0 | - | - | - |
| 1.7882 | 4560 | 0.0 | - | - | - |
| 1.7922 | 4570 | 0.0 | - | - | - |
| 1.7961 | 4580 | 0.0006 | - | - | - |
| 1.8 | 4590 | 0.0694 | - | - | - |
| 1.8039 | 4600 | 0.0 | - | - | - |
| 1.8078 | 4610 | 0.0029 | - | - | - |
| 1.8118 | 4620 | 0.0001 | - | - | - |
| 1.8157 | 4630 | 0.0001 | - | - | - |
| 1.8196 | 4640 | 0.0 | - | - | - |
| 1.8235 | 4650 | 0.0002 | - | - | - |
| 1.8275 | 4660 | 0.0 | - | - | - |
| 1.8314 | 4670 | 0.0002 | - | - | - |
| 1.8353 | 4680 | 0.0 | - | - | - |
| 1.8392 | 4690 | 0.0007 | - | - | - |
| 1.8431 | 4700 | 0.0 | - | - | - |
| 1.8471 | 4710 | 0.0 | - | - | - |
| 1.8510 | 4720 | 0.0 | - | - | - |
| 1.8549 | 4730 | 0.0007 | - | - | - |
| 1.8588 | 4740 | 0.0 | - | - | - |
| 1.8627 | 4750 | 0.0 | - | - | - |
| 1.8667 | 4760 | 0.0 | - | - | - |
| 1.8706 | 4770 | 0.0001 | - | - | - |
| 1.8745 | 4780 | 0.0001 | - | - | - |
| 1.8784 | 4790 | 0.0 | - | - | - |
| 1.8824 | 4800 | 0.0 | - | - | - |
| 1.8863 | 4810 | 0.0 | - | - | - |
| 1.8902 | 4820 | 0.0 | - | - | - |
| 1.8941 | 4830 | 0.0001 | - | - | - |
| 1.8980 | 4840 | 0.0001 | - | - | - |
| 1.9020 | 4850 | 0.0001 | - | - | - |
| 1.9059 | 4860 | 0.0003 | - | - | - |
| 1.9098 | 4870 | 0.0 | - | - | - |
| 1.9137 | 4880 | 0.0 | - | - | - |
| 1.9176 | 4890 | 0.0 | - | - | - |
| 1.9216 | 4900 | 0.0107 | - | - | - |
| 1.9255 | 4910 | 0.0003 | - | - | - |
| 1.9294 | 4920 | 0.0001 | - | - | - |
| 1.9333 | 4930 | 0.0007 | - | - | - |
| 1.9373 | 4940 | 0.0111 | - | - | - |
| 1.9412 | 4950 | 0.0001 | - | - | - |
| 1.9451 | 4960 | 0.0001 | - | - | - |
| 1.9490 | 4970 | 0.0 | - | - | - |
| 1.9529 | 4980 | 0.0 | - | - | - |
| 1.9569 | 4990 | 0.0001 | - | - | - |
| 1.9608 | 5000 | 0.0001 | - | - | - |
| 1.9647 | 5010 | 0.0 | - | - | - |
| 1.9686 | 5020 | 0.0001 | - | - | - |
| 1.9725 | 5030 | 0.0 | - | - | - |
| 1.9765 | 5040 | 0.0001 | - | - | - |
| 1.9804 | 5050 | 0.0 | - | - | - |
| 1.9843 | 5060 | 0.0 | - | - | - |
| 1.9882 | 5070 | 0.0 | - | - | - |
| 1.9922 | 5080 | 0.0 | - | - | - |
| 1.9961 | 5090 | 0.0001 | - | - | - |
| **2.0** | **5100** | **0.0** | **0.0546** | **0.5145** | **0.51** |
* The bold row denotes the saved checkpoint.
</details>
### Framework Versions
- Python: 3.10.14
- Sentence Transformers: 3.3.1
- Transformers: 4.41.2
- PyTorch: 2.1.2+cu121
- Accelerate: 0.29.3
- Datasets: 2.19.1
- Tokenizers: 0.19.1
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@inproceedings{reimers-2019-sentence-bert,
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
author = "Reimers, Nils and Gurevych, Iryna",
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
month = "11",
year = "2019",
publisher = "Association for Computational Linguistics",
url = "https://arxiv.org/abs/1908.10084",
}
```
#### MatryoshkaLoss
```bibtex
@misc{kusupati2024matryoshka,
title={Matryoshka Representation Learning},
author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
year={2024},
eprint={2205.13147},
archivePrefix={arXiv},
primaryClass={cs.LG}
}
```
#### MultipleNegativesRankingLoss
```bibtex
@misc{henderson2017efficient,
title={Efficient Natural Language Response Suggestion for Smart Reply},
author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
year={2017},
eprint={1705.00652},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
```
<!--
## 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.*
--> |