enpaiva commited on
Commit
ea9c8ac
1 Parent(s): df3d4aa

Add new SentenceTransformer model.

Browse files
1_Pooling/config.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "word_embedding_dimension": 768,
3
+ "pooling_mode_cls_token": false,
4
+ "pooling_mode_mean_tokens": true,
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 +1,485 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ language:
3
+ - es
4
+ license: apache-2.0
5
+ library_name: sentence-transformers
6
+ tags:
7
+ - sentence-transformers
8
+ - sentence-similarity
9
+ - feature-extraction
10
+ - generated_from_trainer
11
+ - dataset_size:74124
12
+ - loss:MultipleNegativesRankingLoss
13
+ base_model: microsoft/mpnet-base
14
+ datasets: []
15
+ metrics:
16
+ - cosine_accuracy
17
+ - dot_accuracy
18
+ - manhattan_accuracy
19
+ - euclidean_accuracy
20
+ - max_accuracy
21
+ widget:
22
+ - source_sentence: ¿Cuál es la tensión nominal en las redes monofásicas trifilares
23
+ con el punto medio conectado a tierra?
24
+ sentences:
25
+ - 'Reglamento de Baja Tensión de la ANDE: El 14.3.1 trata sobre: Circuitos trifásicos
26
+ son aquellos que emplean las tres fases de la energía que provee la ANDE, con
27
+ interruptor y protección adecuados en el tablero de arranque y se emplean en líneas
28
+ distribuidoras de fuerza motriz, calefacción, refrigeración y similares, comprendiendo
29
+ incluso aparatos monofásicos, sin limitaciones de carga, siempre que: a) Se realice
30
+ el equilibrio de cargas de los equipos monofásicos. b) Se atienda correctamente
31
+ a 13.4.2. c) Que ninguna de las cargas trifásicas individuales sea igual o superior
32
+ a 15 A nominales en el caso de motores, o 20 A si son equipos de calefacción o
33
+ similares. d) Se use un circuito trifásico independiente por cada motor de 15
34
+ A nominales o más. e) Se use un circuito trifásico independiente por cada equipo
35
+ de calefacción o similar de 20 A o más.. El 14.3.1 pertenece a la sección: <section>14.3</section>'
36
+ - 'Reglamento de Baja Tensión de la ANDE: El 24.5.1 trata sobre: No podrán ser usadas
37
+ curvas de abertura inferior a 90°. En una tubería comprendida entre dos cajas,
38
+ o entre extremidades libres, o entre una caja y una extremidad libre, no se podrán
39
+ usar más de 3 curvas.. El 24.5.1 pertenece a la sección: <section>24.5</section>'
40
+ - 'Reglamento de Baja Tensión de la ANDE: El 1.1 trata sobre: Este reglamento se
41
+ aplica a las instalaciones eléctricas de baja tensión conectadas y a ser conectadas
42
+ a las redes de la Administración Nacional de Electricidad (ANDE). Observación:
43
+ ANDE distribuye energía eléctrica en baja tensión a la frecuencia nominal de 50
44
+ Hz según los siguientes sistemas: a) Mediante redes trifásicas trifilares sin
45
+ neutro, a la tensión nominal de 220 Voltios entre fases; b) Mediante redes monofásicas
46
+ trifilares con el punto medio conectado a tierra, a la tensión nominal de 220
47
+ Voltios; c) Mediante redes trifásicas tetrafilares con neutro conectado a tierra,
48
+ a la tensión nominal de 380 Voltios entre fases y de 220 Voltios entre fase y
49
+ neutro. NOTA 1: Entiéndase por “frecuencia nominal” la citada, admitiéndose una
50
+ variación de hasta 2% en más o menos. NOTA 2: Entiéndase por “tensión nominal”
51
+ las citadas, admitiéndose una variación de hasta 2% en más o en menos. NOTA 3:
52
+ Las tolerancias indicadas en las notas precedentes se refieren a servicio normal,
53
+ pudiendo ser excedidas en situaciones anormales no permanentes. NOTA 4: La Baja
54
+ Tensión de las instalaciones servidas en Media o Alta Tensión, con transformador
55
+ de uso exclusivo, podrá ser optativa.. El 1.1 pertenece a la sección: <section>1-</section>'
56
+ - source_sentence: ¿Cuál es la altura mínima requerida en relación a patios, jardines
57
+ y paseos de exclusivo uso de peatones?
58
+ sentences:
59
+ - 'Reglamento de Baja Tensión de la ANDE: El 36.3.2 trata sobre: Deberán ser usados
60
+ transformadores monofásicos de potencia no superior a 1 kVA, con tensión en el
61
+ secundario, en vacío, no mayor de 20 kV y corriente de corto circuito no superior
62
+ a 80 mA.. El 36.3.2 pertenece a la sección: <section>36.3</section>'
63
+ - 'Reglamento de Baja Tensión de la ANDE: El 36.6.1 trata sobre: Las partes conductoras
64
+ de los circuitos de este tipo que operen con tensiones superiores a 1000 voltios,
65
+ deberán mantener las siguientes separaciones mínimas: a) 1,5 m en relación a
66
+ ventanas, terrazas, balcones y lugares semejantes. b) 1,5 m en relación a líneas
67
+ aéreas de luz, fuerza motriz, teléfonos y similares. c) 2,5 m de altura en relación
68
+ al piso en instalaciones interiores, no protegidas, así como también en el caso
69
+ de balcones, terrazas y lugares semejantes. d) 3,5 m de altura en relación a patios,
70
+ jardines y paseos de exclusivo uso de peatones. e) 5,5 m de altura en relación
71
+ a calles, patios y áreas de circulación de vehículos.. El 36.6.1 pertenece a la
72
+ sección: <section>36.6</section>'
73
+ - 'Reglamento de Baja Tensión de la ANDE: El 32.5 trata sobre Vanos: y tiene las
74
+ siguientes sub-secciones: <sub-section>32.5.1</sub-section>, <sub-section>32.5.2</sub-section>'
75
+ - source_sentence: Determine quién es responsable de la conservación y mantenimiento
76
+ del material de la acometida una vez conectada la energía eléctrica.
77
+ sentences:
78
+ - 'Reglamento de Baja Tensión de la ANDE: El 11.2.1 trata sobre: Entrada es la conexión
79
+ eléctrica entre el servicio y el equipo de medición.. El 11.2.1 pertenece a la
80
+ sección: <section>11.2</section>'
81
+ - 'Reglamento de Baja Tensión de la ANDE: El 31.1.2 trata sobre: Las barras desnudas
82
+ podrán ser instaladas en canaletas, incluso en recintos de tránsito, siempre que
83
+ las mismas aseguren adecuada protección eléctrica y mecánica.. El 31.1.2 pertenece
84
+ a la sección: <section>31.1</section>'
85
+ - 'Reglamento de Baja Tensión de la ANDE: El 11.4.2 trata sobre: La entrada debe
86
+ ser instalada por el electricista responsable. El material para el servicio será
87
+ adquirido por el usuario e instalado por ANDE. Una vez conectada la energía eléctrica,
88
+ todo el material de la acometida queda a cargo de la ANDE que, en consecuencia,
89
+ es la responsable de su conservación y mantenimiento.. El 11.4.2 pertenece a la
90
+ sección: <section>11.4</section>'
91
+ - source_sentence: Identifique el número de la sección que trata sobre la Medida de
92
+ la resistencia de aislación.
93
+ sentences:
94
+ - 'Reglamento de Baja Tensión de la ANDE: El 21.2 trata sobre Medida de la resistencia
95
+ de aislación: y tiene las siguientes sub-secciones: <sub-section>21.2.1</sub-section>,
96
+ <sub-section> 21.2.2</sub-section>, <sub-section>21.2.3</sub-section>'
97
+ - 'Reglamento de Baja Tensión de la ANDE: El 17.7 trata sobre Protección de los
98
+ conductores: y tiene las siguientes sub-secciones: <sub-section>17.7.1</sub-section>,
99
+ <sub-section>17.7.2</sub-section>, <sub-section>17.7.3</sub-section>, <sub-section>17.7.4</sub-section>'
100
+ - 'Reglamento de Baja Tensión de la ANDE: El 21.1 trata sobre Aplicación: y tiene
101
+ las siguientes sub-secciones: <sub-section>21.1.1</sub-section>'
102
+ - source_sentence: ¿Cuál es el número del artículo que trata sobre la mínima sección
103
+ permisible para una lámpara o grupo de lámparas?
104
+ sentences:
105
+ - 'Reglamento de Baja Tensión de la ANDE: El 12.1.1 trata sobre: El material con
106
+ que se confeccionen los soportes, dependerá del material que se emplee en los
107
+ elementos de maniobra, protección y control. Así, podrán usarse bastidores de
108
+ metal, chapas metálicas, placas de mármol o de otra substancia aislante y maderas
109
+ debidamente tratadas en dependencia de las características de los seccionadores,
110
+ portafusibles, interruptores, llaves y demás elementos componentes del tablero..
111
+ El 12.1.1 pertenece a la sección: <section>12.1</section>'
112
+ - 'Reglamento de Baja Tensión de la ANDE: El 14.7.3 trata sobre: La mínima sección
113
+ permisible para una lámpara, o grupo de lámparas que forman un solo artefacto
114
+ de iluminación, será de 1 mm².. El 14.7.3 pertenece a la sección: <section>14.7</section>'
115
+ - 'Reglamento de Baja Tensión de la ANDE: El 19.2.1 trata sobre: La caída de tensión
116
+ máxima permisible, es la siguiente: a) Para iluminación, en general (19.1.1),
117
+ hasta 4%. -2% en el alimentador, y -2% en el circuito (19.1.2). b) Para fuerza
118
+ motriz y/o calefacción, hasta 5%. -4% en el alimentador, y -1% en el ramal. c)
119
+ En el caso de clientes que reciban la energía a tensión diferente de las normales
120
+ de utilización (19.1.3), hasta 4%.. El 19.2.1 pertenece a la sección: <section>19.2</section>'
121
+ pipeline_tag: sentence-similarity
122
+ model-index:
123
+ - name: andegpt-embed
124
+ results:
125
+ - task:
126
+ type: triplet
127
+ name: Triplet
128
+ dataset:
129
+ name: andegpt dev
130
+ type: andegpt-dev
131
+ metrics:
132
+ - type: cosine_accuracy
133
+ value: 0.9970859640602234
134
+ name: Cosine Accuracy
135
+ - type: dot_accuracy
136
+ value: 0.0031568722680913063
137
+ name: Dot Accuracy
138
+ - type: manhattan_accuracy
139
+ value: 0.9968431277319086
140
+ name: Manhattan Accuracy
141
+ - type: euclidean_accuracy
142
+ value: 0.9970859640602234
143
+ name: Euclidean Accuracy
144
+ - type: max_accuracy
145
+ value: 0.9970859640602234
146
+ name: Max Accuracy
147
+ ---
148
+
149
+ # andegpt-embed
150
+
151
+ This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [microsoft/mpnet-base](https://huggingface.co/microsoft/mpnet-base). 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.
152
+
153
+ ## Model Details
154
+
155
+ ### Model Description
156
+ - **Model Type:** Sentence Transformer
157
+ - **Base model:** [microsoft/mpnet-base](https://huggingface.co/microsoft/mpnet-base) <!-- at revision 6996ce1e91bd2a9c7d7f61daec37463394f73f09 -->
158
+ - **Maximum Sequence Length:** 512 tokens
159
+ - **Output Dimensionality:** 768 tokens
160
+ - **Similarity Function:** Cosine Similarity
161
+ <!-- - **Training Dataset:** Unknown -->
162
+ - **Language:** es
163
+ - **License:** apache-2.0
164
+
165
+ ### Model Sources
166
+
167
+ - **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
168
+ - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
169
+ - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
170
+
171
+ ### Full Model Architecture
172
+
173
+ ```
174
+ SentenceTransformer(
175
+ (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: MPNetModel
176
+ (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})
177
+ )
178
+ ```
179
+
180
+ ## Usage
181
+
182
+ ### Direct Usage (Sentence Transformers)
183
+
184
+ First install the Sentence Transformers library:
185
+
186
+ ```bash
187
+ pip install -U sentence-transformers
188
+ ```
189
+
190
+ Then you can load this model and run inference.
191
+ ```python
192
+ from sentence_transformers import SentenceTransformer
193
+
194
+ # Download from the 🤗 Hub
195
+ model = SentenceTransformer("enpaiva/embed-andegpt-280724")
196
+ # Run inference
197
+ sentences = [
198
+ '¿Cuál es el número del artículo que trata sobre la mínima sección permisible para una lámpara o grupo de lámparas?',
199
+ 'Reglamento de Baja Tensión de la ANDE: El 14.7.3 trata sobre: La mínima sección permisible para una lámpara, o grupo de lámparas que forman un solo artefacto de iluminación, será de 1 mm².. El 14.7.3 pertenece a la sección: <section>14.7</section>',
200
+ 'Reglamento de Baja Tensión de la ANDE: El 19.2.1 trata sobre: La caída de tensión máxima permisible, es la siguiente: a) Para iluminación, en general (19.1.1), hasta 4%. -2% en el alimentador, y -2% en el circuito (19.1.2). b) Para fuerza motriz y/o calefacción, hasta 5%. -4% en el alimentador, y -1% en el ramal. c) En el caso de clientes que reciban la energía a tensión diferente de las normales de utilización (19.1.3), hasta 4%.. El 19.2.1 pertenece a la sección: <section>19.2</section>',
201
+ ]
202
+ embeddings = model.encode(sentences)
203
+ print(embeddings.shape)
204
+ # [3, 768]
205
+
206
+ # Get the similarity scores for the embeddings
207
+ similarities = model.similarity(embeddings, embeddings)
208
+ print(similarities.shape)
209
+ # [3, 3]
210
+ ```
211
+
212
+ <!--
213
+ ### Direct Usage (Transformers)
214
+
215
+ <details><summary>Click to see the direct usage in Transformers</summary>
216
+
217
+ </details>
218
+ -->
219
+
220
+ <!--
221
+ ### Downstream Usage (Sentence Transformers)
222
+
223
+ You can finetune this model on your own dataset.
224
+
225
+ <details><summary>Click to expand</summary>
226
+
227
+ </details>
228
+ -->
229
+
230
+ <!--
231
+ ### Out-of-Scope Use
232
+
233
+ *List how the model may foreseeably be misused and address what users ought not to do with the model.*
234
+ -->
235
+
236
+ ## Evaluation
237
+
238
+ ### Metrics
239
+
240
+ #### Triplet
241
+ * Dataset: `andegpt-dev`
242
+ * Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
243
+
244
+ | Metric | Value |
245
+ |:-------------------|:-----------|
246
+ | cosine_accuracy | 0.9971 |
247
+ | dot_accuracy | 0.0032 |
248
+ | manhattan_accuracy | 0.9968 |
249
+ | euclidean_accuracy | 0.9971 |
250
+ | **max_accuracy** | **0.9971** |
251
+
252
+ <!--
253
+ ## Bias, Risks and Limitations
254
+
255
+ *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
256
+ -->
257
+
258
+ <!--
259
+ ### Recommendations
260
+
261
+ *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
262
+ -->
263
+
264
+ ## Training Details
265
+
266
+ ### Training Hyperparameters
267
+ #### Non-Default Hyperparameters
268
+
269
+ - `prediction_loss_only`: False
270
+ - `learning_rate`: 2e-05
271
+ - `lr_scheduler_type`: cosine
272
+ - `log_level_replica`: passive
273
+ - `log_on_each_node`: False
274
+ - `logging_nan_inf_filter`: False
275
+ - `bf16`: True
276
+ - `batch_sampler`: no_duplicates
277
+
278
+ #### All Hyperparameters
279
+ <details><summary>Click to expand</summary>
280
+
281
+ - `overwrite_output_dir`: False
282
+ - `do_predict`: False
283
+ - `prediction_loss_only`: False
284
+ - `per_device_train_batch_size`: 8
285
+ - `per_device_eval_batch_size`: 8
286
+ - `per_gpu_train_batch_size`: None
287
+ - `per_gpu_eval_batch_size`: None
288
+ - `gradient_accumulation_steps`: 1
289
+ - `eval_accumulation_steps`: None
290
+ - `learning_rate`: 2e-05
291
+ - `weight_decay`: 0.0
292
+ - `adam_beta1`: 0.9
293
+ - `adam_beta2`: 0.999
294
+ - `adam_epsilon`: 1e-08
295
+ - `max_grad_norm`: 1.0
296
+ - `num_train_epochs`: 3
297
+ - `max_steps`: -1
298
+ - `lr_scheduler_type`: cosine
299
+ - `lr_scheduler_kwargs`: {}
300
+ - `warmup_ratio`: 0
301
+ - `warmup_steps`: 0
302
+ - `log_level`: passive
303
+ - `log_level_replica`: passive
304
+ - `log_on_each_node`: False
305
+ - `logging_nan_inf_filter`: False
306
+ - `save_safetensors`: True
307
+ - `save_on_each_node`: False
308
+ - `save_only_model`: False
309
+ - `no_cuda`: False
310
+ - `use_cpu`: False
311
+ - `use_mps_device`: False
312
+ - `seed`: 42
313
+ - `data_seed`: None
314
+ - `jit_mode_eval`: False
315
+ - `use_ipex`: False
316
+ - `bf16`: True
317
+ - `fp16`: False
318
+ - `fp16_opt_level`: O1
319
+ - `half_precision_backend`: auto
320
+ - `bf16_full_eval`: False
321
+ - `fp16_full_eval`: False
322
+ - `tf32`: None
323
+ - `local_rank`: 0
324
+ - `ddp_backend`: None
325
+ - `tpu_num_cores`: None
326
+ - `tpu_metrics_debug`: False
327
+ - `debug`: []
328
+ - `dataloader_drop_last`: False
329
+ - `dataloader_num_workers`: 0
330
+ - `dataloader_prefetch_factor`: None
331
+ - `past_index`: -1
332
+ - `disable_tqdm`: False
333
+ - `remove_unused_columns`: True
334
+ - `label_names`: None
335
+ - `load_best_model_at_end`: False
336
+ - `ignore_data_skip`: False
337
+ - `fsdp`: []
338
+ - `fsdp_min_num_params`: 0
339
+ - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
340
+ - `fsdp_transformer_layer_cls_to_wrap`: None
341
+ - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True}
342
+ - `deepspeed`: None
343
+ - `label_smoothing_factor`: 0.0
344
+ - `optim`: adamw_torch
345
+ - `optim_args`: None
346
+ - `adafactor`: False
347
+ - `group_by_length`: False
348
+ - `length_column_name`: length
349
+ - `ddp_find_unused_parameters`: None
350
+ - `ddp_bucket_cap_mb`: None
351
+ - `ddp_broadcast_buffers`: False
352
+ - `dataloader_pin_memory`: True
353
+ - `dataloader_persistent_workers`: False
354
+ - `skip_memory_metrics`: True
355
+ - `use_legacy_prediction_loop`: False
356
+ - `push_to_hub`: False
357
+ - `resume_from_checkpoint`: None
358
+ - `hub_model_id`: None
359
+ - `hub_strategy`: every_save
360
+ - `hub_private_repo`: False
361
+ - `hub_always_push`: False
362
+ - `gradient_checkpointing`: False
363
+ - `gradient_checkpointing_kwargs`: None
364
+ - `include_inputs_for_metrics`: False
365
+ - `fp16_backend`: auto
366
+ - `push_to_hub_model_id`: None
367
+ - `push_to_hub_organization`: None
368
+ - `mp_parameters`:
369
+ - `auto_find_batch_size`: False
370
+ - `full_determinism`: False
371
+ - `torchdynamo`: None
372
+ - `ray_scope`: last
373
+ - `ddp_timeout`: 1800
374
+ - `torch_compile`: False
375
+ - `torch_compile_backend`: None
376
+ - `torch_compile_mode`: None
377
+ - `dispatch_batches`: None
378
+ - `split_batches`: None
379
+ - `include_tokens_per_second`: False
380
+ - `include_num_input_tokens_seen`: False
381
+ - `neftune_noise_alpha`: None
382
+ - `optim_target_modules`: None
383
+ - `batch_sampler`: no_duplicates
384
+ - `multi_dataset_batch_sampler`: proportional
385
+
386
+ </details>
387
+
388
+ ### Training Logs
389
+ | Epoch | Step | Training Loss | loss | andegpt-dev_max_accuracy |
390
+ |:------:|:----:|:-------------:|:------:|:------------------------:|
391
+ | 0 | 0 | - | - | 0.6136 |
392
+ | 0.0270 | 250 | 0.8269 | 0.3100 | 0.9658 |
393
+ | 0.0540 | 500 | 0.3667 | 0.2169 | 0.9721 |
394
+ | 0.0809 | 750 | 0.2305 | 0.1594 | 0.9801 |
395
+ | 0.1079 | 1000 | 0.1866 | 0.1372 | 0.9830 |
396
+ | 0.1349 | 1250 | 0.1639 | 0.1114 | 0.9859 |
397
+ | 0.1619 | 1500 | 0.1375 | 0.0983 | 0.9871 |
398
+ | 0.1889 | 1750 | 0.1082 | 0.0815 | 0.9886 |
399
+ | 0.2158 | 2000 | 0.1023 | 0.0723 | 0.9900 |
400
+ | 0.2428 | 2250 | 0.0777 | 0.0703 | 0.9905 |
401
+ | 0.2698 | 2500 | 0.0809 | 0.0656 | 0.9896 |
402
+ | 0.2968 | 2750 | 0.0639 | 0.0662 | 0.9891 |
403
+ | 0.3238 | 3000 | 0.0633 | 0.0590 | 0.9922 |
404
+ | 0.3507 | 3250 | 0.0545 | 0.0533 | 0.9930 |
405
+ | 0.3777 | 3500 | 0.0541 | 0.0458 | 0.9932 |
406
+ | 0.4047 | 3750 | 0.0475 | 0.0365 | 0.9947 |
407
+ | 0.4317 | 4000 | 0.0394 | 0.0330 | 0.9939 |
408
+ | 0.4587 | 4250 | 0.0561 | 0.0345 | 0.9939 |
409
+ | 0.4856 | 4500 | 0.0432 | 0.0327 | 0.9942 |
410
+ | 0.5126 | 4750 | 0.0417 | 0.0328 | 0.9944 |
411
+ | 0.5396 | 5000 | 0.0388 | 0.0252 | 0.9949 |
412
+ | 0.5666 | 5250 | 0.033 | 0.0284 | 0.9959 |
413
+ | 0.5936 | 5500 | 0.0243 | 0.0229 | 0.9964 |
414
+ | 0.6205 | 5750 | 0.023 | 0.0223 | 0.9959 |
415
+ | 0.6475 | 6000 | 0.0313 | 0.0209 | 0.9966 |
416
+ | 0.6745 | 6250 | 0.0285 | 0.0208 | 0.9961 |
417
+ | 0.7015 | 6500 | 0.022 | 0.0192 | 0.9961 |
418
+ | 0.7285 | 6750 | 0.0219 | 0.0235 | 0.9956 |
419
+ | 0.7555 | 7000 | 0.0258 | 0.0186 | 0.9954 |
420
+ | 0.7824 | 7250 | 0.0226 | 0.0230 | 0.9959 |
421
+ | 0.8094 | 7500 | 0.0226 | 0.0240 | 0.9961 |
422
+ | 0.8364 | 7750 | 0.0208 | 0.0173 | 0.9968 |
423
+ | 0.8634 | 8000 | 0.0147 | 0.0200 | 0.9956 |
424
+ | 0.8904 | 8250 | 0.0193 | 0.0147 | 0.9971 |
425
+ | 0.9173 | 8500 | 0.0254 | 0.0136 | 0.9968 |
426
+ | 0.9443 | 8750 | 0.0148 | 0.0132 | 0.9971 |
427
+ | 0.9713 | 9000 | 0.0174 | 0.0157 | 0.9968 |
428
+ | 0.9983 | 9250 | 0.0221 | 0.0144 | 0.9971 |
429
+
430
+
431
+ ### Framework Versions
432
+ - Python: 3.11.0
433
+ - Sentence Transformers: 3.0.1
434
+ - Transformers: 4.39.3
435
+ - PyTorch: 2.2.0+cu121
436
+ - Accelerate: 0.28.0
437
+ - Datasets: 2.20.0
438
+ - Tokenizers: 0.15.2
439
+
440
+ ## Citation
441
+
442
+ ### BibTeX
443
+
444
+ #### Sentence Transformers
445
+ ```bibtex
446
+ @inproceedings{reimers-2019-sentence-bert,
447
+ title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
448
+ author = "Reimers, Nils and Gurevych, Iryna",
449
+ booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
450
+ month = "11",
451
+ year = "2019",
452
+ publisher = "Association for Computational Linguistics",
453
+ url = "https://arxiv.org/abs/1908.10084",
454
+ }
455
+ ```
456
+
457
+ #### MultipleNegativesRankingLoss
458
+ ```bibtex
459
+ @misc{henderson2017efficient,
460
+ title={Efficient Natural Language Response Suggestion for Smart Reply},
461
+ 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},
462
+ year={2017},
463
+ eprint={1705.00652},
464
+ archivePrefix={arXiv},
465
+ primaryClass={cs.CL}
466
+ }
467
+ ```
468
+
469
+ <!--
470
+ ## Glossary
471
+
472
+ *Clearly define terms in order to be accessible across audiences.*
473
+ -->
474
+
475
+ <!--
476
+ ## Model Card Authors
477
+
478
+ *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
479
+ -->
480
+
481
+ <!--
482
+ ## Model Card Contact
483
+
484
+ *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
485
+ -->
config.json ADDED
@@ -0,0 +1,24 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "_name_or_path": "./models/mpnet-base-andegpt-triplet/checkpoint-9266/",
3
+ "architectures": [
4
+ "MPNetModel"
5
+ ],
6
+ "attention_probs_dropout_prob": 0.1,
7
+ "bos_token_id": 0,
8
+ "eos_token_id": 2,
9
+ "hidden_act": "gelu",
10
+ "hidden_dropout_prob": 0.1,
11
+ "hidden_size": 768,
12
+ "initializer_range": 0.02,
13
+ "intermediate_size": 3072,
14
+ "layer_norm_eps": 1e-05,
15
+ "max_position_embeddings": 514,
16
+ "model_type": "mpnet",
17
+ "num_attention_heads": 12,
18
+ "num_hidden_layers": 12,
19
+ "pad_token_id": 1,
20
+ "relative_attention_num_buckets": 32,
21
+ "torch_dtype": "float32",
22
+ "transformers_version": "4.39.3",
23
+ "vocab_size": 30527
24
+ }
config_sentence_transformers.json ADDED
@@ -0,0 +1,10 @@
 
 
 
 
 
 
 
 
 
 
 
1
+ {
2
+ "__version__": {
3
+ "sentence_transformers": "3.0.1",
4
+ "transformers": "4.39.3",
5
+ "pytorch": "2.2.0+cu121"
6
+ },
7
+ "prompts": {},
8
+ "default_prompt_name": null,
9
+ "similarity_fn_name": null
10
+ }
model.safetensors ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:3d2bcb1c4e8a60e4ff675490bc56a5c27bb5ae5d4194f69f41e458c269838034
3
+ size 437967672
modules.json ADDED
@@ -0,0 +1,14 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
+ ]
sentence_bert_config.json ADDED
@@ -0,0 +1,4 @@
 
 
 
 
 
1
+ {
2
+ "max_seq_length": 512,
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
The diff for this file is too large to render. See raw diff
 
tokenizer_config.json ADDED
@@ -0,0 +1,72 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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": true,
31
+ "rstrip": false,
32
+ "single_word": false,
33
+ "special": true
34
+ },
35
+ "104": {
36
+ "content": "[UNK]",
37
+ "lstrip": false,
38
+ "normalized": false,
39
+ "rstrip": false,
40
+ "single_word": false,
41
+ "special": true
42
+ },
43
+ "30526": {
44
+ "content": "<mask>",
45
+ "lstrip": true,
46
+ "normalized": false,
47
+ "rstrip": false,
48
+ "single_word": false,
49
+ "special": true
50
+ }
51
+ },
52
+ "bos_token": "<s>",
53
+ "clean_up_tokenization_spaces": true,
54
+ "cls_token": "<s>",
55
+ "do_lower_case": true,
56
+ "eos_token": "</s>",
57
+ "mask_token": "<mask>",
58
+ "max_length": 512,
59
+ "model_max_length": 512,
60
+ "pad_to_multiple_of": null,
61
+ "pad_token": "<pad>",
62
+ "pad_token_type_id": 0,
63
+ "padding_side": "right",
64
+ "sep_token": "</s>",
65
+ "stride": 0,
66
+ "strip_accents": null,
67
+ "tokenize_chinese_chars": true,
68
+ "tokenizer_class": "MPNetTokenizer",
69
+ "truncation_side": "right",
70
+ "truncation_strategy": "longest_first",
71
+ "unk_token": "[UNK]"
72
+ }
vocab.txt ADDED
The diff for this file is too large to render. See raw diff