Hugging Face's logo

anhtuansh
/
gte-multilingual-base-Matryoshka-2e-9k

Sentence Similarity
sentence-transformers
Safetensors
new
feature-extraction
Generated from Trainer
dataset_size:8259
loss:MatryoshkaLoss
loss:MultipleNegativesRankingLoss
custom_code
Eval Results
text-embeddings-inference
Inference Endpoints
Model card Files Community
anhtuansh commited on
Commit
dadde70
·
verified ·
1 Parent(s): fe3e4b8

Add new SentenceTransformer model

Browse files
Files changed (11) hide show
  1. .gitattributes +1 -0
  2. 1_Pooling/config.json +10 -0
  3. README.md +1044 -0
  4. config.json +50 -0
  5. config_sentence_transformers.json +10 -0
  6. model.safetensors +3 -0
  7. modules.json +20 -0
  8. sentence_bert_config.json +4 -0
  9. special_tokens_map.json +51 -0
  10. tokenizer.json +3 -0
  11. tokenizer_config.json +54 -0
.gitattributes CHANGED
@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ tokenizer.json filter=lfs diff=lfs merge=lfs -text
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": true,
4
+ "pooling_mode_mean_tokens": false,
5
+ "pooling_mode_max_tokens": false,
6
+ "pooling_mode_mean_sqrt_len_tokens": false,
7
+ "pooling_mode_weightedmean_tokens": false,
8
+ "pooling_mode_lasttoken": false,
9
+ "include_prompt": true
10
+ }
README.md ADDED
@@ -0,0 +1,1044 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ base_model: Alibaba-NLP/gte-multilingual-base
3
+ library_name: sentence-transformers
4
+ metrics:
5
+ - cosine_accuracy@1
6
+ - cosine_accuracy@3
7
+ - cosine_accuracy@5
8
+ - cosine_accuracy@10
9
+ - cosine_precision@1
10
+ - cosine_precision@3
11
+ - cosine_precision@5
12
+ - cosine_precision@10
13
+ - cosine_recall@1
14
+ - cosine_recall@3
15
+ - cosine_recall@5
16
+ - cosine_recall@10
17
+ - cosine_ndcg@10
18
+ - cosine_mrr@10
19
+ - cosine_map@100
20
+ pipeline_tag: sentence-similarity
21
+ tags:
22
+ - sentence-transformers
23
+ - sentence-similarity
24
+ - feature-extraction
25
+ - generated_from_trainer
26
+ - dataset_size:8259
27
+ - loss:MatryoshkaLoss
28
+ - loss:MultipleNegativesRankingLoss
29
+ widget:
30
+ - source_sentence: 'theo quy_định tại điều 35 nghị_định số 201 / 2013 / nđ - cp thì
31
+ thời_hạn giải_quyết thủ_tục hành_chính về cấp giấy_phép thăm_dò , khai_thác nước
32
+ dưới đất như sau : 1 . tiếp_nhận và kiểm_tra hồ_sơ : trong thời_hạn mười ( 10
33
+ ) ngày làm_việc , kể từ ngày nhận hồ_sơ , cơ_quan tiếp_nhận hồ_sơ có trách_nhiệm
34
+ xem_xét , kiểm_tra hồ_sơ . trường_hợp hồ_sơ không hợp_lệ , cơ_quan tiếp_nhận hồ_sơ
35
+ thông_báo cho tổ_chức , cá_nhân đề_nghị cấp phép để bổ_sung , hoàn_thiện hồ_sơ
36
+ theo quy_định . trường_hợp hồ_sơ sau khi đã bổ_sung mà vẫn không đáp_ứng yêu_cầu
37
+ theo quy_định thì cơ_quan tiếp_nhận hồ_sơ trả lại hồ_sơ và thông_báo rõ lý_do
38
+ cho tổ_chức , cá_nhân đề_nghị cấp phép . 2 . thẩm_định_đề_án , báo_cáo thăm_dò
39
+ , khai_thác , sử_dụng tài_nguyên nước , xả nước_thải vào nguồn nước trong hồ_sơ
40
+ đề_nghị cấp phép ( sau đây gọi chung là đề_án , báo_cáo ) : a ) trong thời_hạn
41
+ ba_mươi ( 30 ) ngày làm_việc , kể từ ngày nhận đủ hồ_sơ hợp_lệ theo quy_định tại
42
+ khoản 1 điều này , cơ_quan tiếp_nhận hồ_sơ có trách_nhiệm thẩm_định_đề_án , báo_cáo
43
+ ; nếu cần_thiết thì kiểm_tra thực_tế hiện_trường , lập hội_đồng thẩm_định_đề_án
44
+ , báo_cáo . trường_hợp đủ điều_kiện cấp phép , cơ_quan tiếp_nhận hồ_sơ trình cơ_quan
45
+ có thẩm_quyền cấp giấy_phép ; trường_hợp không đủ điều_kiện để cấp phép thì trả
46
+ lại hồ_sơ cho tổ_chức , cá_nhân đề_nghị cấp phép và thông_báo lý_do không cấp
47
+ phép ; b ) trường_hợp phải bổ_sung , chỉnh_sửa để hoàn_thiện đề_án , báo_cáo thì
48
+ cơ_quan tiếp_nhận hồ_sơ gửi văn_bản thông_báo cho tổ_chức , cá_nhân đề_nghị cấp
49
+ phép nêu rõ những nội_dung cần bổ_sung , hoàn_thiện đề_án , báo_cáo . thời_gian
50
+ bổ_sung , hoàn_thiện hoặc lập lại đề_án , báo_cáo không tính vào thời_gian thẩm_định_đề_án
51
+ , báo_cáo . thời_gian thẩm_định sau khi đề_án , báo_cáo được bổ_sung hoàn_chỉnh
52
+ là hai mươi ( 20 ) ngày làm_việc ; c ) trường_hợp phải lập lại đề_án , báo_cáo
53
+ , cơ_quan tiếp_nhận hồ_sơ gửi văn_bản thông_báo cho tổ_chức , cá_nhân đề_nghị
54
+ cấp phép nêu rõ những nội_dung đề_án , báo_cáo chưa đạt yêu_cầu , phải làm lại
55
+ và trả lại hồ_sơ đề_nghị cấp phép . 3 . trả kết_quả giải_quyết hồ_sơ_cấp phéptrong
56
+ thời_hạn năm ( 05 ) ngày làm_việc , kể từ ngày nhận được giấy_phép của cơ_quan
57
+ có thẩm_quyền , cơ_quan tiếp_nhận hồ_sơ thông_báo cho tổ_chức , cá_nhân đề_nghị
58
+ cấp phép để thực_hiện nghĩa_vụ tài_chính và nhận giấy_phép .'
59
+ sentences:
60
+ - ai có thẩm_quyền giải_quyết tố_cáo hành_vi vi_phạm_pháp_luật trong thực_hiện nhiệm_vụ
61
+ , công_vụ của cán_bộ , công_chức , viên_chức ?
62
+ - thời_hạn giải_quyết thủ_tục hành_chính về cấp giấy_phép thăm_dò , giấy_phép khai_thác
63
+ nước dưới đất ?
64
+ - tôi có_thể đăng_ký ngành , nghề kinh_doanh không có trong hệ_thống ngành kinh_tế
65
+ việt_nam không ?
66
+ - source_sentence: khoản 2 điều 2 thông_tư 30 quy_định , đoàn khám bệnh , chữa bệnh_nhân_đạo
67
+ là một nhóm nhân_viên y_tế trong nước , nước_ngoài do cá_nhân , tổ_chức trong
68
+ nước , nước_ngoài tổ_chức để khám bệnh , chữa bệnh_nhân_đạo cho nhân_dân .
69
+ sentences:
70
+ - tàu_thủy lưu_trú du_lịch có tiêu_chí xếp_hạng bắt_buộc không ?
71
+ - tôi muốn xin cấp lại sổ thuyền_viên thì cần những hồ_sơ gì ?
72
+ - đoàn khám bệnh , chữa bệnh_nhân_đạo là gì ?
73
+ - source_sentence: 'thành_phần hồ_sơ thực_hiện tthc sửa_đổi , bổ_sung / cấp lại giấy
74
+ chứng_nhận lưu_hành tự_do ( cfs ) đối_với hàng_hóa xuất_khẩu thuộc phạm_vi quản_lý
75
+ của bộ nông_nghiệp và phát_triển nông_thôn ( quy_định tại quyết_định số 1312 /
76
+ qđ - bnn - qlcl ngày 22 / 4 / 2019 về việc công_bố thủ_tục hành_chính được thay_thế
77
+ , tthc bị bãi_bỏ lĩnh_vực quản_lý chất_lượng nông_lâm_sản và thủy_sản thuộc phạm_vi
78
+ chức_năng quản_lý của bộ nông_nghiệp và phát_triển nông_thôn ) : - văn_bản đề_nghị
79
+ sửa_đổi , bổ_sung / cấp lại cfs của thương_nhân : 01 bản_chính . - các giấy_tờ
80
+ liên_quan đến việc sửa_đổi , bổ_sung / cấp lại cfs.'
81
+ sentences:
82
+ - kính gửi cục quản_lý chất_lượng nông_lâm_sản và thuỷ_sản , công_ty tôi đã được
83
+ quý cục cấp giấy chứng_nhận lưu_hành tự_do cfs , nay tôi muốn sửa_đổi một_số thông_tin
84
+ trên giấy cfs , vậy hồ_sơ đề_nghị sửa_đổi cần những gì ?
85
+ - thời_gian để được cấp quyết_định chỉ_định tổ_chức đánh_giá sự phù_hợp lĩnh_vực
86
+ sản_phẩm , hàng_hóa_vật_liệu xây_dựng đối_với trường_hợp thay_đổi , bổ_sung phạm_vi
87
+ , lĩnh_vực được chỉ_định
88
+ - hồ_sơ đăng_ký dự_tuyển lao_động của người lao_động gồm những gì ?
89
+ - source_sentence: 'hồ_sơ đề_nghị gia_hạn giấy_phép cung_cấp dịch_vụ trò_chơi điện_tử
90
+ g1 trên mạng bao_gồm : - đơn đề_nghị gia_hạn giấy_phép bao_gồm : tên , địa_chỉ
91
+ của doanh_nghiệp ; số , nơi cấp , ngày cấp giấy chứng_nhận đăng_ký doanh_nghiệp
92
+ ; số , ngày cấp , ngày hiệu_lực của giấy_phép đã được cấp ; lý_do đề_nghị gia_hạn
93
+ giấy_phép ; cam_kết của doanh_nghiệp về các nội_dung kê_khai trong đơn đề_nghị
94
+ .'
95
+ sentences:
96
+ - thành_phần hồ_sơ
97
+ - nhà đầu_tư phải nộp bao_nhiêu bộ hồ_sơ đề_nghị thủ_tướng chính_phủ cho phép đầu_tư
98
+ gián_tiếp ra nước_ngoài đối_với các trường_hợp đầu_tư khác quy_định tại điều 9
99
+ nghị_định 135 / 2015 / nđ - cp ?
100
+ - phần vốn của thành_viên chưa góp vốn trong thời_hạn 90 ngày , kể từ ngày được
101
+ cấp giấy chứng_nhận đăng_ký doanh_nghiệp trong công_ty tnhh hai thành_viên trở
102
+ lên được xử_lý như thế_nào ? trường_hợp có người nhận mua lại phần vốn chưa góp
103
+ này thì công_ty có phải đăng_ký thay_đổi thành_viên với cơ_quan đăng_ký kinh_doanh
104
+ không ? hồ_sơ , thủ_tục được quy_định như thế_nào ?
105
+ - source_sentence: quản_lý nhập_khẩu hàng_hóa bị điều_tra , phục_vụ công_tác điều_tra
106
+ , áp_dụng biện_pháp phòng_vệ thương_mại .
107
+ sentences:
108
+ - mục_đích của thủ_tục khai_báo là gì ?
109
+ - đơn_vị chúng_tôi đã được cấp chứng_chỉ năng_lực hoạt_động xây_dựng nhưng hiện_nay
110
+ chúng_tôi thay_đổi người đại_diện pháp_luật của đơn_vị . vậy chúng_tôi có phải
111
+ làm thủ_tục nào để thay_đổi người đại_diện theo pháp_luật của chúng_tôi trên chứng_chỉ
112
+ ?
113
+ - trường_hợp nào thì được cấp lại giấy xác_nhận đăng_ký công_cụ hỗ_trợ , thủ_tục
114
+ cấp lại giấy xác_nhận đăng_ký công_cụ hỗ_trợ như thế_nào ?
115
+ model-index:
116
+ - name: SentenceTransformer based on Alibaba-NLP/gte-multilingual-base
117
+ results:
118
+ - task:
119
+ type: information-retrieval
120
+ name: Information Retrieval
121
+ dataset:
122
+ name: dim 768
123
+ type: dim_768
124
+ metrics:
125
+ - type: cosine_accuracy@1
126
+ value: 0.5925925925925926
127
+ name: Cosine Accuracy@1
128
+ - type: cosine_accuracy@3
129
+ value: 0.7516339869281046
130
+ name: Cosine Accuracy@3
131
+ - type: cosine_accuracy@5
132
+ value: 0.8071895424836601
133
+ name: Cosine Accuracy@5
134
+ - type: cosine_accuracy@10
135
+ value: 0.8529411764705882
136
+ name: Cosine Accuracy@10
137
+ - type: cosine_precision@1
138
+ value: 0.5925925925925926
139
+ name: Cosine Precision@1
140
+ - type: cosine_precision@3
141
+ value: 0.25054466230936817
142
+ name: Cosine Precision@3
143
+ - type: cosine_precision@5
144
+ value: 0.161437908496732
145
+ name: Cosine Precision@5
146
+ - type: cosine_precision@10
147
+ value: 0.0852941176470588
148
+ name: Cosine Precision@10
149
+ - type: cosine_recall@1
150
+ value: 0.5925925925925926
151
+ name: Cosine Recall@1
152
+ - type: cosine_recall@3
153
+ value: 0.7516339869281046
154
+ name: Cosine Recall@3
155
+ - type: cosine_recall@5
156
+ value: 0.8071895424836601
157
+ name: Cosine Recall@5
158
+ - type: cosine_recall@10
159
+ value: 0.8529411764705882
160
+ name: Cosine Recall@10
161
+ - type: cosine_ndcg@10
162
+ value: 0.7246556077543799
163
+ name: Cosine Ndcg@10
164
+ - type: cosine_mrr@10
165
+ value: 0.6832935643393162
166
+ name: Cosine Mrr@10
167
+ - type: cosine_map@100
168
+ value: 0.6881841341907915
169
+ name: Cosine Map@100
170
+ - task:
171
+ type: information-retrieval
172
+ name: Information Retrieval
173
+ dataset:
174
+ name: dim 512
175
+ type: dim_512
176
+ metrics:
177
+ - type: cosine_accuracy@1
178
+ value: 0.5893246187363834
179
+ name: Cosine Accuracy@1
180
+ - type: cosine_accuracy@3
181
+ value: 0.7527233115468409
182
+ name: Cosine Accuracy@3
183
+ - type: cosine_accuracy@5
184
+ value: 0.8082788671023965
185
+ name: Cosine Accuracy@5
186
+ - type: cosine_accuracy@10
187
+ value: 0.8464052287581699
188
+ name: Cosine Accuracy@10
189
+ - type: cosine_precision@1
190
+ value: 0.5893246187363834
191
+ name: Cosine Precision@1
192
+ - type: cosine_precision@3
193
+ value: 0.25090777051561364
194
+ name: Cosine Precision@3
195
+ - type: cosine_precision@5
196
+ value: 0.16165577342047927
197
+ name: Cosine Precision@5
198
+ - type: cosine_precision@10
199
+ value: 0.084640522875817
200
+ name: Cosine Precision@10
201
+ - type: cosine_recall@1
202
+ value: 0.5893246187363834
203
+ name: Cosine Recall@1
204
+ - type: cosine_recall@3
205
+ value: 0.7527233115468409
206
+ name: Cosine Recall@3
207
+ - type: cosine_recall@5
208
+ value: 0.8082788671023965
209
+ name: Cosine Recall@5
210
+ - type: cosine_recall@10
211
+ value: 0.8464052287581699
212
+ name: Cosine Recall@10
213
+ - type: cosine_ndcg@10
214
+ value: 0.7209821829203035
215
+ name: Cosine Ndcg@10
216
+ - type: cosine_mrr@10
217
+ value: 0.6803091607013181
218
+ name: Cosine Mrr@10
219
+ - type: cosine_map@100
220
+ value: 0.6856356097551453
221
+ name: Cosine Map@100
222
+ ---
223
+
224
+ # SentenceTransformer based on Alibaba-NLP/gte-multilingual-base
225
+
226
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [Alibaba-NLP/gte-multilingual-base](https://huggingface.co/Alibaba-NLP/gte-multilingual-base) 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.
227
+
228
+ ## Model Details
229
+
230
+ ### Model Description
231
+ - **Model Type:** Sentence Transformer
232
+ - **Base model:** [Alibaba-NLP/gte-multilingual-base](https://huggingface.co/Alibaba-NLP/gte-multilingual-base) <!-- at revision ade1467d6266ae07e6f74aae34d56bf3b8acf3f7 -->
233
+ - **Maximum Sequence Length:** 8192 tokens
234
+ - **Output Dimensionality:** 768 dimensions
235
+ - **Similarity Function:** Cosine Similarity
236
+ - **Training Dataset:**
237
+ - json
238
+ <!-- - **Language:** Unknown -->
239
+ <!-- - **License:** Unknown -->
240
+
241
+ ### Model Sources
242
+
243
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
244
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
245
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
246
+
247
+ ### Full Model Architecture
248
+
249
+ ```
250
+ SentenceTransformer(
251
+ (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: NewModel
252
+ (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
253
+ (2): Normalize()
254
+ )
255
+ ```
256
+
257
+ ## Usage
258
+
259
+ ### Direct Usage (Sentence Transformers)
260
+
261
+ First install the Sentence Transformers library:
262
+
263
+ ```bash
264
+ pip install -U sentence-transformers
265
+ ```
266
+
267
+ Then you can load this model and run inference.
268
+ ```python
269
+ from sentence_transformers import SentenceTransformer
270
+
271
+ # Download from the 🤗 Hub
272
+ model = SentenceTransformer("anhtuansh/gte-multilingual-base-Matryoshka-2e-9k")
273
+ # Run inference
274
+ sentences = [
275
+ 'quản_lý nhập_khẩu hàng_hóa bị điều_tra , phục_vụ công_tác điều_tra , áp_dụng biện_pháp phòng_vệ thương_mại .',
276
+ 'mục_đích của thủ_tục khai_báo là gì ?',
277
+ 'đơn_vị chúng_tôi đã được cấp chứng_chỉ năng_lực hoạt_động xây_dựng nhưng hiện_nay chúng_tôi thay_đổi người đại_diện pháp_luật của đơn_vị . vậy chúng_tôi có phải làm thủ_tục nào để thay_đổi người đại_diện theo pháp_luật của chúng_tôi trên chứng_chỉ ?',
278
+ ]
279
+ embeddings = model.encode(sentences)
280
+ print(embeddings.shape)
281
+ # [3, 768]
282
+
283
+ # Get the similarity scores for the embeddings
284
+ similarities = model.similarity(embeddings, embeddings)
285
+ print(similarities.shape)
286
+ # [3, 3]
287
+ ```
288
+
289
+ <!--
290
+ ### Direct Usage (Transformers)
291
+
292
+ <details><summary>Click to see the direct usage in Transformers</summary>
293
+
294
+ </details>
295
+ -->
296
+
297
+ <!--
298
+ ### Downstream Usage (Sentence Transformers)
299
+
300
+ You can finetune this model on your own dataset.
301
+
302
+ <details><summary>Click to expand</summary>
303
+
304
+ </details>
305
+ -->
306
+
307
+ <!--
308
+ ### Out-of-Scope Use
309
+
310
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
311
+ -->
312
+
313
+ ## Evaluation
314
+
315
+ ### Metrics
316
+
317
+ #### Information Retrieval
318
+
319
+ * Datasets: `dim_768` and `dim_512`
320
+ * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
321
+
322
+ | Metric | dim_768 | dim_512 |
323
+ |:--------------------|:-----------|:----------|
324
+ | cosine_accuracy@1 | 0.5926 | 0.5893 |
325
+ | cosine_accuracy@3 | 0.7516 | 0.7527 |
326
+ | cosine_accuracy@5 | 0.8072 | 0.8083 |
327
+ | cosine_accuracy@10 | 0.8529 | 0.8464 |
328
+ | cosine_precision@1 | 0.5926 | 0.5893 |
329
+ | cosine_precision@3 | 0.2505 | 0.2509 |
330
+ | cosine_precision@5 | 0.1614 | 0.1617 |
331
+ | cosine_precision@10 | 0.0853 | 0.0846 |
332
+ | cosine_recall@1 | 0.5926 | 0.5893 |
333
+ | cosine_recall@3 | 0.7516 | 0.7527 |
334
+ | cosine_recall@5 | 0.8072 | 0.8083 |
335
+ | cosine_recall@10 | 0.8529 | 0.8464 |
336
+ | **cosine_ndcg@10** | **0.7247** | **0.721** |
337
+ | cosine_mrr@10 | 0.6833 | 0.6803 |
338
+ | cosine_map@100 | 0.6882 | 0.6856 |
339
+
340
+ <!--
341
+ ## Bias, Risks and Limitations
342
+
343
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
344
+ -->
345
+
346
+ <!--
347
+ ### Recommendations
348
+
349
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
350
+ -->
351
+
352
+ ## Training Details
353
+
354
+ ### Training Dataset
355
+
356
+ #### json
357
+
358
+ * Dataset: json
359
+ * Size: 8,259 training samples
360
+ * Columns: <code>positive</code> and <code>anchor</code>
361
+ * Approximate statistics based on the first 1000 samples:
362
+ | | positive | anchor |
363
+ |:--------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
364
+ | type | string | string |
365
+ | details | <ul><li>min: 5 tokens</li><li>mean: 303.9 tokens</li><li>max: 3209 tokens</li></ul> | <ul><li>min: 7 tokens</li><li>mean: 56.17 tokens</li><li>max: 578 tokens</li></ul> |
366
+ * Samples:
367
+ | positive | anchor |
368
+ |:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
369
+ | <code>điểm a , mục 2 phần ii thông_tư số 04 / 1999 / tt - bca ( c13 ) ngày 29 / 4 / 1999 của bộ công_an hướng_dẫn một_số quy_định của nghị_định số 05 / 1999 / nđ - cp ngày 03 / 01 / 1999 của chính_phủ về chứng_minh nhân_dân quy_định các trường_hợp phải đổi cmnd như sau : - quá thời_hạn sử_dụng 15 năm kể từ ngày cấp ; - cmnd rách , nát , không rõ ảnh hoặc một trong các thông_tin đã ghi trên cmnd ; - thay_đổi họ , tên , chữ đệm , ngày , tháng , năm sinh . những thay_đổi này phải có quyết_định của cơ_quan có thẩm_quyền ; - những người đã được cấp giấy cmnd nhưng chuyển nơi đăng_ký hộ_khẩu thường_trú ngoài phạm_vi tỉnh , thành_phố trực_thuộc trung_ương . trường_hợp chuyển nơi thường_trú trong phạm_vi tỉnh , thành_phố mà công_dân có yêu_cầu thì được đổi lại cmnd ; - thay_đổi đặc_điểm nhận_dạng là những trường_hợp đã qua phẫu_thuật thẩm_mỹ , chỉnh_hình hoặc vì lý_do khác đã làm thay_đổi hình_ảnh hoặc đặc_điểm nhận_dạng của họ .</code> | <code>công_dân phải làm thủ_tục đổi chứng_minh nhân_dân khi nào ?</code> |
370
+ | <code>việc thực_hiện thủ_tục tặng cờ thi_đua cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương theo đợt hoặc chuyên_đề 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 hồ_sơ...</code> | <code>đề_nghị cho biết trình_tự thực_hiện thủ_tục tặng cờ thi_đua cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương theo đợt hoặc chuyên_đề</code> |
371
+ | <code>thời_gian phục_vụ tại_ngũ của hạ_sĩ_quan binh_sĩ được quy_định tại điều 21 luật nvqs năm 2015 , cụ_thể như sau : “ điều 21 . thời_hạn phục_vụ tại_ngũ của hạ_sĩ_quan , binh sĩ1 . thời_hạn phục_vụ tại_ngũ trong thời_bình của hạ_sĩ_quan , binh_sĩ là 24 tháng . 2 . bộ_trưởng bộ quốc_phòng được quyết_định kéo_dài thời_hạn phục_vụ tại_ngũ của hạ_sĩ_quan , binh_sĩ nhưng không quá 06 tháng trong trường_hợp sau đây : a ) để bảo_đảm_nhiệm_vụ sẵn_sàng chiến_đấu ; b ) đang thực_hiện nhiệm_vụ phòng , chống thiên_tai , dịch_bệnh , cứu_hộ , cứu nạn . 3 . thời_hạn phục_vụ của hạ_sĩ_quan , binh_sĩ trong tình_trạng chiến_tranh hoặc tình_trạng khẩn_cấp về quốc_phòng được thực_hiện theo lệnh tổng_động_viên hoặc động_viên cục_bộ . ”</code> | <code>quy_định thời_gian phục_vụ tại_ngũ của hạ_sĩ_quan binh_sĩ như thế_nào ?</code> |
372
+ * Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
373
+ ```json
374
+ {
375
+ "loss": "MultipleNegativesRankingLoss",
376
+ "matryoshka_dims": [
377
+ 768,
378
+ 512
379
+ ],
380
+ "matryoshka_weights": [
381
+ 1,
382
+ 1
383
+ ],
384
+ "n_dims_per_step": -1
385
+ }
386
+ ```
387
+
388
+ ### Evaluation Dataset
389
+
390
+ #### json
391
+
392
+ * Dataset: json
393
+ * Size: 918 evaluation samples
394
+ * Columns: <code>positive</code> and <code>anchor</code>
395
+ * Approximate statistics based on the first 918 samples:
396
+ | | positive | anchor |
397
+ |:--------|:-------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
398
+ | type | string | string |
399
+ | details | <ul><li>min: 5 tokens</li><li>mean: 307.44 tokens</li><li>max: 3463 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 55.94 tokens</li><li>max: 383 tokens</li></ul> |
400
+ * Samples:
401
+ | positive | anchor |
402
+ |:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
403
+ | <code>theo quy_định tại khoản 9 điều 1 nghị_định số 161 / 2018 / nđ - cpngày 29 / 11 / 2018 của chính_phủ sửa_đổi , bổ_sung một_số quy_định về tuyển_dụng công_chức , viên_chức , nâng ngạch công_chức , thăng_hạng viên_chức và thực_hiện chế_độ hợp_đồng một_số loại công_việc trong cơ_quan hành_chính nhà_nước , đơn_vị sự_nghiệp công_lập thì đối_tượng và điểm ưu_tiên trong thi_tuyển hoặc xét tuyển công_chức : <br> + anh_hùng lực_lượng vũ_trang , anh_hùng lao_động , thương_binh , người hưởng chính_sách như thương_binh , thương_binh loại b : được cộng 7,5 điểm vào kết_quả điểm thi tại vòng 2 ; <br> + người dân_tộc_thiểu_số , sĩ_quan quân_đội , sĩ_quan công_an , quân_nhân chuyên_nghiệp , người làm công_tác cơ_yếu chuyển ngành , con liệt_sĩ , con thương_binh , con bệnh_binh , con của người hưởng chính_sách như thương_binh , con của thương_binh loại b , con của người hoạt_động cách_mạng trước tổng_khởi_nghĩa ( từ ngày 19 / 8 / 1945 trở về trước ) , con_đẻ của người hoạt_động kháng_chiến bị nhiễm chất_độc_hó...</code> | <code>đề_nghị cho tôi được biết đối_tượng được hưởng ưu_tiên trong tuyển_dụng công_chức ?</code> |
404
+ | <code>1 . khi phát_hiện tổ_chức , cá_nhân kê_khai hồ_sơ , thông_báo không_trung_thực hoặc vi_phạm_quy_định tại điều 8 nghị_định số 23 / 2019 / nđ - cp , cơ_quan tiếp_nhận thông_báo yêu_cầu tạm dừng hoạt_động triển_lãm bằng văn_bản ( mẫu_số 03 tại phụ_lục ban_hành kèm theo nghị_định số 23 / 2019 / nđ - cp ) . 2 . tổ_chức , cá_nhân phải dừng hoạt_động triển_lãm ngay khi nhận được văn_bản của cơ_quan có thẩm_quyền ; kịp_thời_khắc_phục h��u_quả , đề_xuất phương_án tiếp_tục tổ_chức triển_lãm gửi cơ_quan có thẩm_quyền xem_xét , quyết_định . 3 . kết_quả xem_xét , quyết_định của cơ_quan có thẩm_quyền phải được thể_hiện bằng văn_bản và gửi cho tổ_chức , cá_nhân biết để thực_hiện . thời_hạn gửi văn_bản cho tổ_chức , cá_nhân là 03 ngày , kể từ ngày cơ_quan có thẩm_quyền nhận được văn_bản đề_xuất phương_án tiếp_tục tổ_chức triển_lãm của tổ_chức , cá_nhân .</code> | <code>những lý_do nào khiến hoạt_động triển_lãm bị tạm dừng ?</code> |
405
+ | <code>theo quy_định tại khoản 1 điều 33 luật quản_lý , sử_dụng vũ_khí , vật_liệu nổ và công_cụ hỗ_trợ và điểm a khoản 4 điều 3 thông_tư số 16 / 2018 / tt - bca ngày 15 / 5 / 2018 của bộ công_an quy_định chi_tiết thi_hành một_số điều của luật quản_lý , sử_dụng vũ_khí , vật_liệu nổ và công_cụ hỗ_trợ thì thủ_tục đề_nghị cấp giấy_phép vận_chuyển vũ_khí quân_dụng đối_với cơ_quan , tổ_chức ở trung_ương không thuộc phạm_vi quản_lý của bộ quốc_phòng được thực_hiện như sau : a ) hồ_sơ đề_nghị bao_gồm : văn_bản đề_nghị nêu rõ số_lượng , chủng_loại , nguồn_gốc xuất_xứ của vũ_khí cần vận_chuyển ; nơi đi , nơi đến , thời_gian và tuyến đường vận_chuyển ; họ và tên , địa_chỉ của người chịu trách_nhiệm vận_chuyển , người điều_khiển phương_tiện ; biển kiểm_soát của phương_tiện ; giấy giới_thiệu kèm theo bản_sao thẻ căn_cước công_dân , chứng_minh nhân_dân , hộ_chiếu hoặc chứng_minh công_an nhân_dân của người đến liên_hệ ; b ) hồ_sơ lập thành 01 bộ và nộp tại cục cảnh_sát qlhc về ttxh ; c ) trong thời_hạn 05 n...</code> | <code>thủ_tục cấp giấy_phép vận_chuyển vũ_khí quân_dụng đối_với cơ_quan , tổ_chức ở trung_ương không thuộc phạm_vi quản_lý của bộ quốc_phòng thực_hiện như thế_nào ?</code> |
406
+ * Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
407
+ ```json
408
+ {
409
+ "loss": "MultipleNegativesRankingLoss",
410
+ "matryoshka_dims": [
411
+ 768,
412
+ 512
413
+ ],
414
+ "matryoshka_weights": [
415
+ 1,
416
+ 1
417
+ ],
418
+ "n_dims_per_step": -1
419
+ }
420
+ ```
421
+
422
+ ### Training Hyperparameters
423
+ #### Non-Default Hyperparameters
424
+
425
+ - `eval_strategy`: epoch
426
+ - `per_device_train_batch_size`: 2
427
+ - `per_device_eval_batch_size`: 2
428
+ - `gradient_accumulation_steps`: 2
429
+ - `learning_rate`: 2e-05
430
+ - `num_train_epochs`: 2
431
+ - `lr_scheduler_type`: cosine
432
+ - `warmup_ratio`: 0.1
433
+ - `fp16`: True
434
+ - `tf32`: False
435
+ - `load_best_model_at_end`: True
436
+ - `optim`: adamw_torch_fused
437
+ - `batch_sampler`: no_duplicates
438
+
439
+ #### All Hyperparameters
440
+ <details><summary>Click to expand</summary>
441
+
442
+ - `overwrite_output_dir`: False
443
+ - `do_predict`: False
444
+ - `eval_strategy`: epoch
445
+ - `prediction_loss_only`: True
446
+ - `per_device_train_batch_size`: 2
447
+ - `per_device_eval_batch_size`: 2
448
+ - `per_gpu_train_batch_size`: None
449
+ - `per_gpu_eval_batch_size`: None
450
+ - `gradient_accumulation_steps`: 2
451
+ - `eval_accumulation_steps`: None
452
+ - `learning_rate`: 2e-05
453
+ - `weight_decay`: 0.0
454
+ - `adam_beta1`: 0.9
455
+ - `adam_beta2`: 0.999
456
+ - `adam_epsilon`: 1e-08
457
+ - `max_grad_norm`: 1.0
458
+ - `num_train_epochs`: 2
459
+ - `max_steps`: -1
460
+ - `lr_scheduler_type`: cosine
461
+ - `lr_scheduler_kwargs`: {}
462
+ - `warmup_ratio`: 0.1
463
+ - `warmup_steps`: 0
464
+ - `log_level`: passive
465
+ - `log_level_replica`: warning
466
+ - `log_on_each_node`: True
467
+ - `logging_nan_inf_filter`: True
468
+ - `save_safetensors`: True
469
+ - `save_on_each_node`: False
470
+ - `save_only_model`: False
471
+ - `restore_callback_states_from_checkpoint`: False
472
+ - `no_cuda`: False
473
+ - `use_cpu`: False
474
+ - `use_mps_device`: False
475
+ - `seed`: 42
476
+ - `data_seed`: None
477
+ - `jit_mode_eval`: False
478
+ - `use_ipex`: False
479
+ - `bf16`: False
480
+ - `fp16`: True
481
+ - `fp16_opt_level`: O1
482
+ - `half_precision_backend`: auto
483
+ - `bf16_full_eval`: False
484
+ - `fp16_full_eval`: False
485
+ - `tf32`: False
486
+ - `local_rank`: 0
487
+ - `ddp_backend`: None
488
+ - `tpu_num_cores`: None
489
+ - `tpu_metrics_debug`: False
490
+ - `debug`: []
491
+ - `dataloader_drop_last`: False
492
+ - `dataloader_num_workers`: 0
493
+ - `dataloader_prefetch_factor`: None
494
+ - `past_index`: -1
495
+ - `disable_tqdm`: False
496
+ - `remove_unused_columns`: True
497
+ - `label_names`: None
498
+ - `load_best_model_at_end`: True
499
+ - `ignore_data_skip`: False
500
+ - `fsdp`: []
501
+ - `fsdp_min_num_params`: 0
502
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
503
+ - `fsdp_transformer_layer_cls_to_wrap`: None
504
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
505
+ - `deepspeed`: None
506
+ - `label_smoothing_factor`: 0.0
507
+ - `optim`: adamw_torch_fused
508
+ - `optim_args`: None
509
+ - `adafactor`: False
510
+ - `group_by_length`: False
511
+ - `length_column_name`: length
512
+ - `ddp_find_unused_parameters`: None
513
+ - `ddp_bucket_cap_mb`: None
514
+ - `ddp_broadcast_buffers`: False
515
+ - `dataloader_pin_memory`: True
516
+ - `dataloader_persistent_workers`: False
517
+ - `skip_memory_metrics`: True
518
+ - `use_legacy_prediction_loop`: False
519
+ - `push_to_hub`: False
520
+ - `resume_from_checkpoint`: None
521
+ - `hub_model_id`: None
522
+ - `hub_strategy`: every_save
523
+ - `hub_private_repo`: False
524
+ - `hub_always_push`: False
525
+ - `gradient_checkpointing`: False
526
+ - `gradient_checkpointing_kwargs`: None
527
+ - `include_inputs_for_metrics`: False
528
+ - `eval_do_concat_batches`: True
529
+ - `fp16_backend`: auto
530
+ - `push_to_hub_model_id`: None
531
+ - `push_to_hub_organization`: None
532
+ - `mp_parameters`:
533
+ - `auto_find_batch_size`: False
534
+ - `full_determinism`: False
535
+ - `torchdynamo`: None
536
+ - `ray_scope`: last
537
+ - `ddp_timeout`: 1800
538
+ - `torch_compile`: False
539
+ - `torch_compile_backend`: None
540
+ - `torch_compile_mode`: None
541
+ - `dispatch_batches`: None
542
+ - `split_batches`: None
543
+ - `include_tokens_per_second`: False
544
+ - `include_num_input_tokens_seen`: False
545
+ - `neftune_noise_alpha`: None
546
+ - `optim_target_modules`: None
547
+ - `batch_eval_metrics`: False
548
+ - `prompts`: None
549
+ - `batch_sampler`: no_duplicates
550
+ - `multi_dataset_batch_sampler`: proportional
551
+
552
+ </details>
553
+
554
+ ### Training Logs
555
+ <details><summary>Click to expand</summary>
556
+
557
+ | Epoch | Step | Training Loss | Validation Loss | dim_768_cosine_ndcg@10 | dim_512_cosine_ndcg@10 |
558
+ |:-------:|:--------:|:-------------:|:---------------:|:----------------------:|:----------------------:|
559
+ | 0 | 0 | - | - | 0.5887 | 0.5836 |
560
+ | 0.0048 | 10 | 0.1624 | - | - | - |
561
+ | 0.0097 | 20 | 0.1758 | - | - | - |
562
+ | 0.0145 | 30 | 0.2834 | - | - | - |
563
+ | 0.0194 | 40 | 0.2292 | - | - | - |
564
+ | 0.0242 | 50 | 0.1794 | - | - | - |
565
+ | 0.0291 | 60 | 0.4504 | - | - | - |
566
+ | 0.0339 | 70 | 0.2513 | - | - | - |
567
+ | 0.0387 | 80 | 0.1179 | - | - | - |
568
+ | 0.0436 | 90 | 0.1019 | - | - | - |
569
+ | 0.0484 | 100 | 0.1249 | - | - | - |
570
+ | 0.0533 | 110 | 0.0231 | - | - | - |
571
+ | 0.0581 | 120 | 0.1119 | - | - | - |
572
+ | 0.0630 | 130 | 0.2114 | - | - | - |
573
+ | 0.0678 | 140 | 0.0779 | - | - | - |
574
+ | 0.0726 | 150 | 0.0785 | - | - | - |
575
+ | 0.0775 | 160 | 0.2304 | - | - | - |
576
+ | 0.0823 | 170 | 0.089 | - | - | - |
577
+ | 0.0872 | 180 | 0.055 | - | - | - |
578
+ | 0.0920 | 190 | 0.2606 | - | - | - |
579
+ | 0.0969 | 200 | 0.0277 | - | - | - |
580
+ | 0.1017 | 210 | 0.0455 | - | - | - |
581
+ | 0.1065 | 220 | 0.2025 | - | - | - |
582
+ | 0.1114 | 230 | 0.187 | - | - | - |
583
+ | 0.1162 | 240 | 0.036 | - | - | - |
584
+ | 0.1211 | 250 | 0.0707 | - | - | - |
585
+ | 0.1259 | 260 | 0.0741 | - | - | - |
586
+ | 0.1308 | 270 | 0.0408 | - | - | - |
587
+ | 0.1356 | 280 | 0.068 | - | - | - |
588
+ | 0.1404 | 290 | 0.0423 | - | - | - |
589
+ | 0.1453 | 300 | 0.1999 | - | - | - |
590
+ | 0.1501 | 310 | 0.0113 | - | - | - |
591
+ | 0.1550 | 320 | 0.1331 | - | - | - |
592
+ | 0.1598 | 330 | 0.3229 | - | - | - |
593
+ | 0.1646 | 340 | 0.055 | - | - | - |
594
+ | 0.1695 | 350 | 0.0381 | - | - | - |
595
+ | 0.1743 | 360 | 0.0737 | - | - | - |
596
+ | 0.1792 | 370 | 0.0232 | - | - | - |
597
+ | 0.1840 | 380 | 0.025 | - | - | - |
598
+ | 0.1889 | 390 | 0.0672 | - | - | - |
599
+ | 0.1937 | 400 | 0.1074 | - | - | - |
600
+ | 0.1985 | 410 | 0.0353 | - | - | - |
601
+ | 0.2034 | 420 | 0.0354 | - | - | - |
602
+ | 0.2082 | 430 | 0.0621 | - | - | - |
603
+ | 0.2131 | 440 | 0.0182 | - | - | - |
604
+ | 0.2179 | 450 | 0.0181 | - | - | - |
605
+ | 0.2228 | 460 | 0.0838 | - | - | - |
606
+ | 0.2276 | 470 | 0.253 | - | - | - |
607
+ | 0.2324 | 480 | 0.0571 | - | - | - |
608
+ | 0.2373 | 490 | 0.0024 | - | - | - |
609
+ | 0.2421 | 500 | 0.007 | - | - | - |
610
+ | 0.2470 | 510 | 0.009 | - | - | - |
611
+ | 0.2518 | 520 | 0.0454 | - | - | - |
612
+ | 0.2567 | 530 | 0.087 | - | - | - |
613
+ | 0.2615 | 540 | 0.0319 | - | - | - |
614
+ | 0.2663 | 550 | 0.0124 | - | - | - |
615
+ | 0.2712 | 560 | 0.0865 | - | - | - |
616
+ | 0.2760 | 570 | 0.0534 | - | - | - |
617
+ | 0.2809 | 580 | 0.09 | - | - | - |
618
+ | 0.2857 | 590 | 0.038 | - | - | - |
619
+ | 0.2906 | 600 | 0.1974 | - | - | - |
620
+ | 0.2954 | 610 | 0.0022 | - | - | - |
621
+ | 0.3002 | 620 | 0.0099 | - | - | - |
622
+ | 0.3051 | 630 | 0.0334 | - | - | - |
623
+ | 0.3099 | 640 | 0.1995 | - | - | - |
624
+ | 0.3148 | 650 | 0.0045 | - | - | - |
625
+ | 0.3196 | 660 | 0.0678 | - | - | - |
626
+ | 0.3245 | 670 | 0.0579 | - | - | - |
627
+ | 0.3293 | 680 | 0.0028 | - | - | - |
628
+ | 0.3341 | 690 | 0.0642 | - | - | - |
629
+ | 0.3390 | 700 | 0.0052 | - | - | - |
630
+ | 0.3438 | 710 | 0.0273 | - | - | - |
631
+ | 0.3487 | 720 | 0.0027 | - | - | - |
632
+ | 0.3535 | 730 | 0.0592 | - | - | - |
633
+ | 0.3584 | 740 | 0.0009 | - | - | - |
634
+ | 0.3632 | 750 | 0.0526 | - | - | - |
635
+ | 0.3680 | 760 | 0.0124 | - | - | - |
636
+ | 0.3729 | 770 | 0.0053 | - | - | - |
637
+ | 0.3777 | 780 | 0.0227 | - | - | - |
638
+ | 0.3826 | 790 | 0.3092 | - | - | - |
639
+ | 0.3874 | 800 | 0.1404 | - | - | - |
640
+ | 0.3923 | 810 | 0.1714 | - | - | - |
641
+ | 0.3971 | 820 | 0.0396 | - | - | - |
642
+ | 0.4019 | 830 | 0.0544 | - | - | - |
643
+ | 0.4068 | 840 | 0.0703 | - | - | - |
644
+ | 0.4116 | 850 | 0.0765 | - | - | - |
645
+ | 0.4165 | 860 | 0.0069 | - | - | - |
646
+ | 0.4213 | 870 | 0.0094 | - | - | - |
647
+ | 0.4262 | 880 | 0.0231 | - | - | - |
648
+ | 0.4310 | 890 | 0.0129 | - | - | - |
649
+ | 0.4358 | 900 | 0.0091 | - | - | - |
650
+ | 0.4407 | 910 | 0.0006 | - | - | - |
651
+ | 0.4455 | 920 | 0.0194 | - | - | - |
652
+ | 0.4504 | 930 | 0.009 | - | - | - |
653
+ | 0.4552 | 940 | 0.0123 | - | - | - |
654
+ | 0.4600 | 950 | 0.0325 | - | - | - |
655
+ | 0.4649 | 960 | 0.0004 | - | - | - |
656
+ | 0.4697 | 970 | 0.004 | - | - | - |
657
+ | 0.4746 | 980 | 0.078 | - | - | - |
658
+ | 0.4794 | 990 | 0.0934 | - | - | - |
659
+ | 0.4843 | 1000 | 0.0732 | - | - | - |
660
+ | 0.4891 | 1010 | 0.0888 | - | - | - |
661
+ | 0.4939 | 1020 | 0.3093 | - | - | - |
662
+ | 0.4988 | 1030 | 0.0506 | - | - | - |
663
+ | 0.5036 | 1040 | 0.0016 | - | - | - |
664
+ | 0.5085 | 1050 | 0.0022 | - | - | - |
665
+ | 0.5133 | 1060 | 0.1189 | - | - | - |
666
+ | 0.5182 | 1070 | 0.1335 | - | - | - |
667
+ | 0.5230 | 1080 | 0.0043 | - | - | - |
668
+ | 0.5278 | 1090 | 0.0099 | - | - | - |
669
+ | 0.5327 | 1100 | 0.073 | - | - | - |
670
+ | 0.5375 | 1110 | 0.001 | - | - | - |
671
+ | 0.5424 | 1120 | 0.0079 | - | - | - |
672
+ | 0.5472 | 1130 | 0.0274 | - | - | - |
673
+ | 0.5521 | 1140 | 0.0009 | - | - | - |
674
+ | 0.5569 | 1150 | 0.0132 | - | - | - |
675
+ | 0.5617 | 1160 | 0.0673 | - | - | - |
676
+ | 0.5666 | 1170 | 0.0024 | - | - | - |
677
+ | 0.5714 | 1180 | 0.0586 | - | - | - |
678
+ | 0.5763 | 1190 | 0.1613 | - | - | - |
679
+ | 0.5811 | 1200 | 0.0193 | - | - | - |
680
+ | 0.5860 | 1210 | 0.01 | - | - | - |
681
+ | 0.5908 | 1220 | 0.0268 | - | - | - |
682
+ | 0.5956 | 1230 | 0.0857 | - | - | - |
683
+ | 0.6005 | 1240 | 0.0131 | - | - | - |
684
+ | 0.6053 | 1250 | 0.1802 | - | - | - |
685
+ | 0.6102 | 1260 | 0.0209 | - | - | - |
686
+ | 0.6150 | 1270 | 0.0022 | - | - | - |
687
+ | 0.6199 | 1280 | 0.1448 | - | - | - |
688
+ | 0.6247 | 1290 | 0.0977 | - | - | - |
689
+ | 0.6295 | 1300 | 0.0018 | - | - | - |
690
+ | 0.6344 | 1310 | 0.0153 | - | - | - |
691
+ | 0.6392 | 1320 | 0.0456 | - | - | - |
692
+ | 0.6441 | 1330 | 0.011 | - | - | - |
693
+ | 0.6489 | 1340 | 0.0405 | - | - | - |
694
+ | 0.6538 | 1350 | 0.1873 | - | - | - |
695
+ | 0.6586 | 1360 | 0.0497 | - | - | - |
696
+ | 0.6634 | 1370 | 0.0007 | - | - | - |
697
+ | 0.6683 | 1380 | 0.076 | - | - | - |
698
+ | 0.6731 | 1390 | 0.0007 | - | - | - |
699
+ | 0.6780 | 1400 | 0.0126 | - | - | - |
700
+ | 0.6828 | 1410 | 0.0559 | - | - | - |
701
+ | 0.6877 | 1420 | 0.2497 | - | - | - |
702
+ | 0.6925 | 1430 | 0.011 | - | - | - |
703
+ | 0.6973 | 1440 | 0.0069 | - | - | - |
704
+ | 0.7022 | 1450 | 0.1541 | - | - | - |
705
+ | 0.7070 | 1460 | 0.0018 | - | - | - |
706
+ | 0.7119 | 1470 | 0.0186 | - | - | - |
707
+ | 0.7167 | 1480 | 0.0162 | - | - | - |
708
+ | 0.7215 | 1490 | 0.0129 | - | - | - |
709
+ | 0.7264 | 1500 | 0.0068 | - | - | - |
710
+ | 0.7312 | 1510 | 0.0015 | - | - | - |
711
+ | 0.7361 | 1520 | 0.0029 | - | - | - |
712
+ | 0.7409 | 1530 | 0.0008 | - | - | - |
713
+ | 0.7458 | 1540 | 0.0044 | - | - | - |
714
+ | 0.7506 | 1550 | 0.002 | - | - | - |
715
+ | 0.7554 | 1560 | 0.0062 | - | - | - |
716
+ | 0.7603 | 1570 | 0.0326 | - | - | - |
717
+ | 0.7651 | 1580 | 0.0936 | - | - | - |
718
+ | 0.7700 | 1590 | 0.0015 | - | - | - |
719
+ | 0.7748 | 1600 | 0.1819 | - | - | - |
720
+ | 0.7797 | 1610 | 0.0948 | - | - | - |
721
+ | 0.7845 | 1620 | 0.0659 | - | - | - |
722
+ | 0.7893 | 1630 | 0.0023 | - | - | - |
723
+ | 0.7942 | 1640 | 0.0014 | - | - | - |
724
+ | 0.7990 | 1650 | 0.0252 | - | - | - |
725
+ | 0.8039 | 1660 | 0.0067 | - | - | - |
726
+ | 0.8087 | 1670 | 0.032 | - | - | - |
727
+ | 0.8136 | 1680 | 0.001 | - | - | - |
728
+ | 0.8184 | 1690 | 0.0114 | - | - | - |
729
+ | 0.8232 | 1700 | 0.0096 | - | - | - |
730
+ | 0.8281 | 1710 | 0.0002 | - | - | - |
731
+ | 0.8329 | 1720 | 0.0894 | - | - | - |
732
+ | 0.8378 | 1730 | 0.006 | - | - | - |
733
+ | 0.8426 | 1740 | 0.0017 | - | - | - |
734
+ | 0.8475 | 1750 | 0.0215 | - | - | - |
735
+ | 0.8523 | 1760 | 0.0311 | - | - | - |
736
+ | 0.8571 | 1770 | 0.1813 | - | - | - |
737
+ | 0.8620 | 1780 | 0.0052 | - | - | - |
738
+ | 0.8668 | 1790 | 0.0016 | - | - | - |
739
+ | 0.8717 | 1800 | 0.0266 | - | - | - |
740
+ | 0.8765 | 1810 | 0.0048 | - | - | - |
741
+ | 0.8814 | 1820 | 0.0019 | - | - | - |
742
+ | 0.8862 | 1830 | 0.0689 | - | - | - |
743
+ | 0.8910 | 1840 | 0.0066 | - | - | - |
744
+ | 0.8959 | 1850 | 0.0189 | - | - | - |
745
+ | 0.9007 | 1860 | 0.0039 | - | - | - |
746
+ | 0.9056 | 1870 | 0.0109 | - | - | - |
747
+ | 0.9104 | 1880 | 0.0033 | - | - | - |
748
+ | 0.9153 | 1890 | 0.0196 | - | - | - |
749
+ | 0.9201 | 1900 | 0.0004 | - | - | - |
750
+ | 0.9249 | 1910 | 0.0061 | - | - | - |
751
+ | 0.9298 | 1920 | 0.0013 | - | - | - |
752
+ | 0.9346 | 1930 | 0.0262 | - | - | - |
753
+ | 0.9395 | 1940 | 0.0633 | - | - | - |
754
+ | 0.9443 | 1950 | 0.0068 | - | - | - |
755
+ | 0.9492 | 1960 | 0.0118 | - | - | - |
756
+ | 0.9540 | 1970 | 0.0056 | - | - | - |
757
+ | 0.9588 | 1980 | 0.0037 | - | - | - |
758
+ | 0.9637 | 1990 | 0.0238 | - | - | - |
759
+ | 0.9685 | 2000 | 0.002 | - | - | - |
760
+ | 0.9734 | 2010 | 0.002 | - | - | - |
761
+ | 0.9782 | 2020 | 0.1351 | - | - | - |
762
+ | 0.9831 | 2030 | 0.0013 | - | - | - |
763
+ | 0.9879 | 2040 | 0.0002 | - | - | - |
764
+ | 0.9927 | 2050 | 0.0647 | - | - | - |
765
+ | 0.9976 | 2060 | 0.0085 | - | - | - |
766
+ | 1.0 | 2065 | - | 0.0219 | 0.7058 | 0.7040 |
767
+ | 1.0024 | 2070 | 0.0087 | - | - | - |
768
+ | 1.0073 | 2080 | 0.0668 | - | - | - |
769
+ | 1.0121 | 2090 | 0.0118 | - | - | - |
770
+ | 1.0169 | 2100 | 0.0008 | - | - | - |
771
+ | 1.0218 | 2110 | 0.0051 | - | - | - |
772
+ | 1.0266 | 2120 | 0.0019 | - | - | - |
773
+ | 1.0315 | 2130 | 0.0074 | - | - | - |
774
+ | 1.0363 | 2140 | 0.088 | - | - | - |
775
+ | 1.0412 | 2150 | 0.0009 | - | - | - |
776
+ | 1.0460 | 2160 | 0.001 | - | - | - |
777
+ | 1.0508 | 2170 | 0.0006 | - | - | - |
778
+ | 1.0557 | 2180 | 0.0006 | - | - | - |
779
+ | 1.0605 | 2190 | 0.2754 | - | - | - |
780
+ | 1.0654 | 2200 | 0.0127 | - | - | - |
781
+ | 1.0702 | 2210 | 0.0017 | - | - | - |
782
+ | 1.0751 | 2220 | 0.0242 | - | - | - |
783
+ | 1.0799 | 2230 | 0.0393 | - | - | - |
784
+ | 1.0847 | 2240 | 0.0053 | - | - | - |
785
+ | 1.0896 | 2250 | 0.0133 | - | - | - |
786
+ | 1.0944 | 2260 | 0.0191 | - | - | - |
787
+ | 1.0993 | 2270 | 0.0446 | - | - | - |
788
+ | 1.1041 | 2280 | 0.0015 | - | - | - |
789
+ | 1.1090 | 2290 | 0.0012 | - | - | - |
790
+ | 1.1138 | 2300 | 0.0028 | - | - | - |
791
+ | 1.1186 | 2310 | 0.0244 | - | - | - |
792
+ | 1.1235 | 2320 | 0.0026 | - | - | - |
793
+ | 1.1283 | 2330 | 0.0199 | - | - | - |
794
+ | 1.1332 | 2340 | 0.0176 | - | - | - |
795
+ | 1.1380 | 2350 | 0.0029 | - | - | - |
796
+ | 1.1429 | 2360 | 0.0684 | - | - | - |
797
+ | 1.1477 | 2370 | 0.0006 | - | - | - |
798
+ | 1.1525 | 2380 | 0.0017 | - | - | - |
799
+ | 1.1574 | 2390 | 0.0189 | - | - | - |
800
+ | 1.1622 | 2400 | 0.0094 | - | - | - |
801
+ | 1.1671 | 2410 | 0.0016 | - | - | - |
802
+ | 1.1719 | 2420 | 0.0013 | - | - | - |
803
+ | 1.1768 | 2430 | 0.0579 | - | - | - |
804
+ | 1.1816 | 2440 | 0.0002 | - | - | - |
805
+ | 1.1864 | 2450 | 0.0168 | - | - | - |
806
+ | 1.1913 | 2460 | 0.044 | - | - | - |
807
+ | 1.1961 | 2470 | 0.1015 | - | - | - |
808
+ | 1.2010 | 2480 | 0.0012 | - | - | - |
809
+ | 1.2058 | 2490 | 0.0044 | - | - | - |
810
+ | 1.2107 | 2500 | 0.0003 | - | - | - |
811
+ | 1.2155 | 2510 | 0.0042 | - | - | - |
812
+ | 1.2203 | 2520 | 0.0038 | - | - | - |
813
+ | 1.2252 | 2530 | 0.002 | - | - | - |
814
+ | 1.2300 | 2540 | 0.001 | - | - | - |
815
+ | 1.2349 | 2550 | 0.0035 | - | - | - |
816
+ | 1.2397 | 2560 | 0.0001 | - | - | - |
817
+ | 1.2446 | 2570 | 0.0008 | - | - | - |
818
+ | 1.2494 | 2580 | 0.0029 | - | - | - |
819
+ | 1.2542 | 2590 | 0.0091 | - | - | - |
820
+ | 1.2591 | 2600 | 0.0011 | - | - | - |
821
+ | 1.2639 | 2610 | 0.0001 | - | - | - |
822
+ | 1.2688 | 2620 | 0.0004 | - | - | - |
823
+ | 1.2736 | 2630 | 0.0008 | - | - | - |
824
+ | 1.2785 | 2640 | 0.0057 | - | - | - |
825
+ | 1.2833 | 2650 | 0.0007 | - | - | - |
826
+ | 1.2881 | 2660 | 0.0001 | - | - | - |
827
+ | 1.2930 | 2670 | 0.0002 | - | - | - |
828
+ | 1.2978 | 2680 | 0.0001 | - | - | - |
829
+ | 1.3027 | 2690 | 0.0003 | - | - | - |
830
+ | 1.3075 | 2700 | 0.001 | - | - | - |
831
+ | 1.3123 | 2710 | 0.008 | - | - | - |
832
+ | 1.3172 | 2720 | 0.0003 | - | - | - |
833
+ | 1.3220 | 2730 | 0.0002 | - | - | - |
834
+ | 1.3269 | 2740 | 0.0005 | - | - | - |
835
+ | 1.3317 | 2750 | 0.0054 | - | - | - |
836
+ | 1.3366 | 2760 | 0.0008 | - | - | - |
837
+ | 1.3414 | 2770 | 0.0005 | - | - | - |
838
+ | 1.3462 | 2780 | 0.0002 | - | - | - |
839
+ | 1.3511 | 2790 | 0.0067 | - | - | - |
840
+ | 1.3559 | 2800 | 0.0004 | - | - | - |
841
+ | 1.3608 | 2810 | 0.0007 | - | - | - |
842
+ | 1.3656 | 2820 | 0.0003 | - | - | - |
843
+ | 1.3705 | 2830 | 0.0011 | - | - | - |
844
+ | 1.3753 | 2840 | 0.0003 | - | - | - |
845
+ | 1.3801 | 2850 | 0.002 | - | - | - |
846
+ | 1.3850 | 2860 | 0.026 | - | - | - |
847
+ | 1.3898 | 2870 | 0.0008 | - | - | - |
848
+ | 1.3947 | 2880 | 0.0003 | - | - | - |
849
+ | 1.3995 | 2890 | 0.0158 | - | - | - |
850
+ | 1.4044 | 2900 | 0.0035 | - | - | - |
851
+ | 1.4092 | 2910 | 0.0001 | - | - | - |
852
+ | 1.4140 | 2920 | 0.0002 | - | - | - |
853
+ | 1.4189 | 2930 | 0.0003 | - | - | - |
854
+ | 1.4237 | 2940 | 0.0005 | - | - | - |
855
+ | 1.4286 | 2950 | 0.0004 | - | - | - |
856
+ | 1.4334 | 2960 | 0.0003 | - | - | - |
857
+ | 1.4383 | 2970 | 0.0002 | - | - | - |
858
+ | 1.4431 | 2980 | 0.0003 | - | - | - |
859
+ | 1.4479 | 2990 | 0.0005 | - | - | - |
860
+ | 1.4528 | 3000 | 0.0005 | - | - | - |
861
+ | 1.4576 | 3010 | 0.0005 | - | - | - |
862
+ | 1.4625 | 3020 | 0.0001 | - | - | - |
863
+ | 1.4673 | 3030 | 0.0002 | - | - | - |
864
+ | 1.4722 | 3040 | 0.0001 | - | - | - |
865
+ | 1.4770 | 3050 | 0.0123 | - | - | - |
866
+ | 1.4818 | 3060 | 0.0021 | - | - | - |
867
+ | 1.4867 | 3070 | 0.0001 | - | - | - |
868
+ | 1.4915 | 3080 | 0.0029 | - | - | - |
869
+ | 1.4964 | 3090 | 0.0004 | - | - | - |
870
+ | 1.5012 | 3100 | 0.0008 | - | - | - |
871
+ | 1.5061 | 3110 | 0.0012 | - | - | - |
872
+ | 1.5109 | 3120 | 0.0003 | - | - | - |
873
+ | 1.5157 | 3130 | 0.0005 | - | - | - |
874
+ | 1.5206 | 3140 | 0.0003 | - | - | - |
875
+ | 1.5254 | 3150 | 0.0002 | - | - | - |
876
+ | 1.5303 | 3160 | 0.0008 | - | - | - |
877
+ | 1.5351 | 3170 | 0.0022 | - | - | - |
878
+ | 1.5400 | 3180 | 0.0001 | - | - | - |
879
+ | 1.5448 | 3190 | 0.0062 | - | - | - |
880
+ | 1.5496 | 3200 | 0.0011 | - | - | - |
881
+ | 1.5545 | 3210 | 0.0009 | - | - | - |
882
+ | 1.5593 | 3220 | 0.0005 | - | - | - |
883
+ | 1.5642 | 3230 | 0.0002 | - | - | - |
884
+ | 1.5690 | 3240 | 0.0001 | - | - | - |
885
+ | 1.5738 | 3250 | 0.0007 | - | - | - |
886
+ | 1.5787 | 3260 | 0.0005 | - | - | - |
887
+ | 1.5835 | 3270 | 0.0002 | - | - | - |
888
+ | 1.5884 | 3280 | 0.0002 | - | - | - |
889
+ | 1.5932 | 3290 | 0.0223 | - | - | - |
890
+ | 1.5981 | 3300 | 0.0007 | - | - | - |
891
+ | 1.6029 | 3310 | 0.0001 | - | - | - |
892
+ | 1.6077 | 3320 | 0.0015 | - | - | - |
893
+ | 1.6126 | 3330 | 0.0 | - | - | - |
894
+ | 1.6174 | 3340 | 0.0003 | - | - | - |
895
+ | 1.6223 | 3350 | 0.0023 | - | - | - |
896
+ | 1.6271 | 3360 | 0.0005 | - | - | - |
897
+ | 1.6320 | 3370 | 0.0003 | - | - | - |
898
+ | 1.6368 | 3380 | 0.0004 | - | - | - |
899
+ | 1.6416 | 3390 | 0.0004 | - | - | - |
900
+ | 1.6465 | 3400 | 0.0013 | - | - | - |
901
+ | 1.6513 | 3410 | 0.0043 | - | - | - |
902
+ | 1.6562 | 3420 | 0.0002 | - | - | - |
903
+ | 1.6610 | 3430 | 0.0002 | - | - | - |
904
+ | 1.6659 | 3440 | 0.0002 | - | - | - |
905
+ | 1.6707 | 3450 | 0.0004 | - | - | - |
906
+ | 1.6755 | 3460 | 0.0001 | - | - | - |
907
+ | 1.6804 | 3470 | 0.0002 | - | - | - |
908
+ | 1.6852 | 3480 | 0.0086 | - | - | - |
909
+ | 1.6901 | 3490 | 0.0014 | - | - | - |
910
+ | 1.6949 | 3500 | 0.0004 | - | - | - |
911
+ | 1.6998 | 3510 | 0.0001 | - | - | - |
912
+ | 1.7046 | 3520 | 0.0012 | - | - | - |
913
+ | 1.7094 | 3530 | 0.0004 | - | - | - |
914
+ | 1.7143 | 3540 | 0.0002 | - | - | - |
915
+ | 1.7191 | 3550 | 0.0001 | - | - | - |
916
+ | 1.7240 | 3560 | 0.0001 | - | - | - |
917
+ | 1.7288 | 3570 | 0.0015 | - | - | - |
918
+ | 1.7337 | 3580 | 0.0001 | - | - | - |
919
+ | 1.7385 | 3590 | 0.0004 | - | - | - |
920
+ | 1.7433 | 3600 | 0.0003 | - | - | - |
921
+ | 1.7482 | 3610 | 0.0002 | - | - | - |
922
+ | 1.7530 | 3620 | 0.0007 | - | - | - |
923
+ | 1.7579 | 3630 | 0.0011 | - | - | - |
924
+ | 1.7627 | 3640 | 0.0007 | - | - | - |
925
+ | 1.7676 | 3650 | 0.0004 | - | - | - |
926
+ | 1.7724 | 3660 | 0.0183 | - | - | - |
927
+ | 1.7772 | 3670 | 0.0043 | - | - | - |
928
+ | 1.7821 | 3680 | 0.0008 | - | - | - |
929
+ | 1.7869 | 3690 | 0.0001 | - | - | - |
930
+ | 1.7918 | 3700 | 0.0003 | - | - | - |
931
+ | 1.7966 | 3710 | 0.0004 | - | - | - |
932
+ | 1.8015 | 3720 | 0.0005 | - | - | - |
933
+ | 1.8063 | 3730 | 0.0003 | - | - | - |
934
+ | 1.8111 | 3740 | 0.0002 | - | - | - |
935
+ | 1.8160 | 3750 | 0.0009 | - | - | - |
936
+ | 1.8208 | 3760 | 0.0015 | - | - | - |
937
+ | 1.8257 | 3770 | 0.0002 | - | - | - |
938
+ | 1.8305 | 3780 | 0.0004 | - | - | - |
939
+ | 1.8354 | 3790 | 0.0001 | - | - | - |
940
+ | 1.8402 | 3800 | 0.0002 | - | - | - |
941
+ | 1.8450 | 3810 | 0.0039 | - | - | - |
942
+ | 1.8499 | 3820 | 0.0002 | - | - | - |
943
+ | 1.8547 | 3830 | 0.0015 | - | - | - |
944
+ | 1.8596 | 3840 | 0.0003 | - | - | - |
945
+ | 1.8644 | 3850 | 0.0001 | - | - | - |
946
+ | 1.8692 | 3860 | 0.0001 | - | - | - |
947
+ | 1.8741 | 3870 | 0.0048 | - | - | - |
948
+ | 1.8789 | 3880 | 0.0002 | - | - | - |
949
+ | 1.8838 | 3890 | 0.0003 | - | - | - |
950
+ | 1.8886 | 3900 | 0.0003 | - | - | - |
951
+ | 1.8935 | 3910 | 0.0003 | - | - | - |
952
+ | 1.8983 | 3920 | 0.0006 | - | - | - |
953
+ | 1.9031 | 3930 | 0.0003 | - | - | - |
954
+ | 1.9080 | 3940 | 0.0002 | - | - | - |
955
+ | 1.9128 | 3950 | 0.0003 | - | - | - |
956
+ | 1.9177 | 3960 | 0.0013 | - | - | - |
957
+ | 1.9225 | 3970 | 0.0002 | - | - | - |
958
+ | 1.9274 | 3980 | 0.0006 | - | - | - |
959
+ | 1.9322 | 3990 | 0.002 | - | - | - |
960
+ | 1.9370 | 4000 | 0.0005 | - | - | - |
961
+ | 1.9419 | 4010 | 0.0003 | - | - | - |
962
+ | 1.9467 | 4020 | 0.0003 | - | - | - |
963
+ | 1.9516 | 4030 | 0.0018 | - | - | - |
964
+ | 1.9564 | 4040 | 0.0003 | - | - | - |
965
+ | 1.9613 | 4050 | 0.0002 | - | - | - |
966
+ | 1.9661 | 4060 | 0.0062 | - | - | - |
967
+ | 1.9709 | 4070 | 0.0001 | - | - | - |
968
+ | 1.9758 | 4080 | 0.0068 | - | - | - |
969
+ | 1.9806 | 4090 | 0.0006 | - | - | - |
970
+ | 1.9855 | 4100 | 0.0002 | - | - | - |
971
+ | 1.9903 | 4110 | 0.0003 | - | - | - |
972
+ | 1.9952 | 4120 | 0.0002 | - | - | - |
973
+ | **2.0** | **4130** | **0.0028** | **0.0194** | **0.7247** | **0.721** |
974
+
975
+ * The bold row denotes the saved checkpoint.
976
+ </details>
977
+
978
+ ### Framework Versions
979
+ - Python: 3.10.14
980
+ - Sentence Transformers: 3.3.1
981
+ - Transformers: 4.41.2
982
+ - PyTorch: 2.4.0
983
+ - Accelerate: 0.29.3
984
+ - Datasets: 2.19.1
985
+ - Tokenizers: 0.19.1
986
+
987
+ ## Citation
988
+
989
+ ### BibTeX
990
+
991
+ #### Sentence Transformers
992
+ ```bibtex
993
+ @inproceedings{reimers-2019-sentence-bert,
994
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
995
+ author = "Reimers, Nils and Gurevych, Iryna",
996
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
997
+ month = "11",
998
+ year = "2019",
999
+ publisher = "Association for Computational Linguistics",
1000
+ url = "https://arxiv.org/abs/1908.10084",
1001
+ }
1002
+ ```
1003
+
1004
+ #### MatryoshkaLoss
1005
+ ```bibtex
1006
+ @misc{kusupati2024matryoshka,
1007
+ title={Matryoshka Representation Learning},
1008
+ 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},
1009
+ year={2024},
1010
+ eprint={2205.13147},
1011
+ archivePrefix={arXiv},
1012
+ primaryClass={cs.LG}
1013
+ }
1014
+ ```
1015
+
1016
+ #### MultipleNegativesRankingLoss
1017
+ ```bibtex
1018
+ @misc{henderson2017efficient,
1019
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
1020
+ 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},
1021
+ year={2017},
1022
+ eprint={1705.00652},
1023
+ archivePrefix={arXiv},
1024
+ primaryClass={cs.CL}
1025
+ }
1026
+ ```
1027
+
1028
+ <!--
1029
+ ## Glossary
1030
+
1031
+ *Clearly define terms in order to be accessible across audiences.*
1032
+ -->
1033
+
1034
+ <!--
1035
+ ## Model Card Authors
1036
+
1037
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
1038
+ -->
1039
+
1040
+ <!--
1041
+ ## Model Card Contact
1042
+
1043
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
1044
+ -->
config.json ADDED
@@ -0,0 +1,50 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "Alibaba-NLP/gte-multilingual-base",
3
+ "architectures": [
4
+ "NewModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.0,
7
+ "auto_map": {
8
+ "AutoConfig": "Alibaba-NLP/new-impl--configuration.NewConfig",
9
+ "AutoModel": "Alibaba-NLP/new-impl--modeling.NewModel",
10
+ "AutoModelForMaskedLM": "Alibaba-NLP/new-impl--modeling.NewForMaskedLM",
11
+ "AutoModelForMultipleChoice": "Alibaba-NLP/new-impl--modeling.NewForMultipleChoice",
12
+ "AutoModelForQuestionAnswering": "Alibaba-NLP/new-impl--modeling.NewForQuestionAnswering",
13
+ "AutoModelForSequenceClassification": "Alibaba-NLP/new-impl--modeling.NewForSequenceClassification",
14
+ "AutoModelForTokenClassification": "Alibaba-NLP/new-impl--modeling.NewForTokenClassification"
15
+ },
16
+ "classifier_dropout": 0.0,
17
+ "hidden_act": "gelu",
18
+ "hidden_dropout_prob": 0.1,
19
+ "hidden_size": 768,
20
+ "id2label": {
21
+ "0": "LABEL_0"
22
+ },
23
+ "initializer_range": 0.02,
24
+ "intermediate_size": 3072,
25
+ "label2id": {
26
+ "LABEL_0": 0
27
+ },
28
+ "layer_norm_eps": 1e-12,
29
+ "layer_norm_type": "layer_norm",
30
+ "logn_attention_clip1": false,
31
+ "logn_attention_scale": false,
32
+ "max_position_embeddings": 8192,
33
+ "model_type": "new",
34
+ "num_attention_heads": 12,
35
+ "num_hidden_layers": 12,
36
+ "pack_qkv": true,
37
+ "pad_token_id": 1,
38
+ "position_embedding_type": "rope",
39
+ "rope_scaling": {
40
+ "factor": 8.0,
41
+ "type": "ntk"
42
+ },
43
+ "rope_theta": 20000,
44
+ "torch_dtype": "float32",
45
+ "transformers_version": "4.41.2",
46
+ "type_vocab_size": 1,
47
+ "unpad_inputs": false,
48
+ "use_memory_efficient_attention": false,
49
+ "vocab_size": 250048
50
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.3.1",
4
+ "transformers": "4.41.2",
5
+ "pytorch": "2.4.0"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": "cosine"
10
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:20437c141e977a0e970ee5ff99a959acf2309dd397a25ad2a6ee3ddc75aa5cd7
3
+ size 1221487872
modules.json ADDED
@@ -0,0 +1,20 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ [
2
+ {
3
+ "idx": 0,
4
+ "name": "0",
5
+ "path": "",
6
+ "type": "sentence_transformers.models.Transformer"
7
+ },
8
+ {
9
+ "idx": 1,
10
+ "name": "1",
11
+ "path": "1_Pooling",
12
+ "type": "sentence_transformers.models.Pooling"
13
+ },
14
+ {
15
+ "idx": 2,
16
+ "name": "2",
17
+ "path": "2_Normalize",
18
+ "type": "sentence_transformers.models.Normalize"
19
+ }
20
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 8192,
3
+ "do_lower_case": false
4
+ }
special_tokens_map.json ADDED
@@ -0,0 +1,51 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "bos_token": {
3
+ "content": "<s>",
4
+ "lstrip": false,
5
+ "normalized": false,
6
+ "rstrip": false,
7
+ "single_word": false
8
+ },
9
+ "cls_token": {
10
+ "content": "<s>",
11
+ "lstrip": false,
12
+ "normalized": false,
13
+ "rstrip": false,
14
+ "single_word": false
15
+ },
16
+ "eos_token": {
17
+ "content": "</s>",
18
+ "lstrip": false,
19
+ "normalized": false,
20
+ "rstrip": false,
21
+ "single_word": false
22
+ },
23
+ "mask_token": {
24
+ "content": "<mask>",
25
+ "lstrip": true,
26
+ "normalized": false,
27
+ "rstrip": false,
28
+ "single_word": false
29
+ },
30
+ "pad_token": {
31
+ "content": "<pad>",
32
+ "lstrip": false,
33
+ "normalized": false,
34
+ "rstrip": false,
35
+ "single_word": false
36
+ },
37
+ "sep_token": {
38
+ "content": "</s>",
39
+ "lstrip": false,
40
+ "normalized": false,
41
+ "rstrip": false,
42
+ "single_word": false
43
+ },
44
+ "unk_token": {
45
+ "content": "<unk>",
46
+ "lstrip": false,
47
+ "normalized": false,
48
+ "rstrip": false,
49
+ "single_word": false
50
+ }
51
+ }
tokenizer.json ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:aa7a6ad87a7ce8fe196787355f6af7d03aee94d19c54a5eb1392ed18c8ef451a
3
+ size 17082988
tokenizer_config.json ADDED
@@ -0,0 +1,54 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "added_tokens_decoder": {
3
+ "0": {
4
+ "content": "<s>",
5
+ "lstrip": false,
6
+ "normalized": false,
7
+ "rstrip": false,
8
+ "single_word": false,
9
+ "special": true
10
+ },
11
+ "1": {
12
+ "content": "<pad>",
13
+ "lstrip": false,
14
+ "normalized": false,
15
+ "rstrip": false,
16
+ "single_word": false,
17
+ "special": true
18
+ },
19
+ "2": {
20
+ "content": "</s>",
21
+ "lstrip": false,
22
+ "normalized": false,
23
+ "rstrip": false,
24
+ "single_word": false,
25
+ "special": true
26
+ },
27
+ "3": {
28
+ "content": "<unk>",
29
+ "lstrip": false,
30
+ "normalized": false,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "250001": {
36
+ "content": "<mask>",
37
+ "lstrip": true,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ }
43
+ },
44
+ "bos_token": "<s>",
45
+ "clean_up_tokenization_spaces": true,
46
+ "cls_token": "<s>",
47
+ "eos_token": "</s>",
48
+ "mask_token": "<mask>",
49
+ "model_max_length": 8192,
50
+ "pad_token": "<pad>",
51
+ "sep_token": "</s>",
52
+ "tokenizer_class": "XLMRobertaTokenizer",
53
+ "unk_token": "<unk>"
54
+ }