metadata

language:
  - en
license: apache-2.0
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:5115
  - loss:MatryoshkaLoss
  - loss:MultipleNegativesRankingLoss
base_model: mixedbread-ai/mxbai-embed-large-v1
widget:
  - source_sentence: >-
      gepackte Zahl in ein Integerfeld stellen, oder was geschieht, wenn Sie
      eine gepackte Zahl zum Inhalt eines Datumsfeldes addieren, oder was
      geschieht, wenn Sie eine gepackte Zahl in ein Cha- racter-Feld schreiben.
      Lassen Sie uns hierzu eine Konvertierungsregel als Beispiel ansehen.
      Dezimalzahl in ganze Zahl umwandeln Ist der Quelltyp ein Datenobjekt vom
      Typ p und der Zieltyp ein Daten- objekt vom Typ i (eine ganze Zahl),
      rundet das System die Dezimalstel- len des Quellfeldes und stellt den
      Inhalt rechtsbündig in das Zielfeld. I d Zi lf ld i Lä h i h d i d li k i
      N ll
    sentences:
      - >-
        Wie kann eine selbst entwickelte Pflegetransaktion für Geschäftsregeln
        oder sonstige Customizing-Inhalte helfen?
      - >-
        Welche Technologien bietet der ABAP-Stack zur Schnittstellenentwicklung
        an?
      - >-
        Welche Gründe sprechen gegen die Verwendung von Tabellen mit Kopfzeile
        in der heutigen ABAP-Entwicklung?
  - source_sentence: >-
      Systemkontext Das SAP BTP, ABAP Environment ist eine rein technische
      Plattform (ohne installierte Anwendungssoftware) und in einen bestimmten
      Systemkon- text eingebettet, innerhalb dessen Sie Anwendungen entwickeln
      und be- treiben können (siehe Abbildung 12.1). ABAP Development Tools SAP
      Fiori Tools Git- Repository abapGit heißt im unternehmenseigenen Netzwerk)
      installiert und baut ausgehend von diesem lokalen Netzwerk eine sichere
      Verbindung zur SAP BTP auf. SAP-Fiori-Apps Zur Bereitstellung Ihrer
      RAP-Anwendungen besitzt das ABAP Environment ein eigenes SAP Fiori
      Launchpad, das als Eintrittspunkt für verschiedene SAP-Fiori-Apps dienen
      kann und das Sie über einen Webbrowser erreichen (siehe Abschnitt 12.3,
      »SAP-Fiori-Apps bereitstellen und Berechtigungen vergeben«). Ihre eigenen
    sentences:
      - >-
        Wie kann man die Vorschau in der Inbox des Benutzers programmieren,
        sodass sie leistungsfähig und schnell ist und unerträgliche Wartezeiten
        bei der Arbeit mit dem SAP Business Workplace verhindert?
      - >-
        Was passiert beim Debuggen, wenn Checkpoints durch einen Doppelklick auf
        die Anweisung und Bestätigen angelegt werden?
      - >-
        Welche Tools werden im ABAP Environment für die Entwicklung von SAP
        Fiori-Anwendungen sowie für das Deployment und die Bereitstellung dieser
        Anwendungen verwendet, wobei auch die Verwendung der technischen
        Infrastrukturkomponenten berücksichtigt werden muss?
  - source_sentence: "sind das MVC-Modell und der Datenteil des (OData-) Services verpflichtend. Die Annotationen und UI-Anpassungen (dazu im Folgenden mehr) dienen der effizienteren Entwicklung und Erweiterbar- keit. UI Model View Controller Annotationen UI-Anpassungsmodus adaptieren/ erweitern nen, ist beschränkt. Abschnitt 3.2.4, »Anwendungen«, listet die Möglich- keiten auf, die zum Zeitpunkt der Drucklegung dieses Buches bestehen. In diesem Abschnitt beschreiben wir auch, wie Sie diese Änderungen als Anwendungsexperte an den betriebenen Oberflächen durchführen. Die SAP Web IDE auf der SAP Cloud Platform bietet eine alternative Möglich- keit, um solche Anpassungen als Entwickler zu erstellen. \x02 Annotationen Annotationen können im OData-Service über Erweiterungstechniken der jeweiligen"
    sentences:
      - >-
        Wie kann SAP Screen Personas bei der Implementierung eines
        ABAP-Skriptes, das unter einer Sekunde laufen muss, unterstützen?
      - >-
        Wie müssen die Verarbeitungszeitpunkte im PBO-Block, wenn eine interne
        Tabelle mit doppelten Einträgen verwendet wird und die Datenbanktabelle
        komplett gelesen werden soll?
      - Wie kann ich den Pretty-Printer über (F1) nutzen?
  - source_sentence: >-
      zu dem passt, was das Frame- work erwartet. Sie müssen gewissermaßen
      sicherstellen, dass sie auch die gleiche Sprache sprechen, wenn der
      ersehnte Anruf aus Hollywood kommt. Wichtige Frameworks im SAP-Standard
      Was macht einen guten und erfahrenen ABAP-Programmierer aus? Darüber kann
      man viele interessante Diskussionen führen. Eine der wesentlichen
      Komponenten dürfte die Kenntnis der im ABAP-Server nutzbaren Frameworks
      sein. Die im Folgenden vorgestellten Frameworks sind in erster Linie für
      Sie Web Dynpro ABAP Nachfolger der klassischen Dynpros Web Dynpro ABAP ist
      eine der wichtigsten Neuerungen der letzten zehn Jahre in der SAP-Welt. Es
      handelt sich dabei um eine Oberflä- chentechnologie, also
    sentences:
      - >-
        Was passiert, wenn man versucht, einen Datensatz in einer
        Datenbanktabelle zu modifizieren, aber kein Satz mit demselben
        Primärschlüssel existiert, und wie kann man den Returncode
        identifizieren?
      - >-
        Wie kann man die Rollenzuordnung zu seinem Benutzer in der
        Benutzerpflege (SU01) anzeigen lassen?
      - Was sind die Vorteile von Web Dynpro ABAP?
  - source_sentence: >-
      angegebenen anderen Objektins- tanz als Rücksprungziel definieren.
      Selbstverständlich sind auch Auf- rufe statischer Methoden möglich.
      Exceptions auswerten Returncode auswerten Nach Absetzen des
      Funktionsbausteinaufrufs erhalten Sie sofort die ll b d bl f k d d lung.
      Für jede Servergruppe werden bestimmte Schwellwerte gepflegt, die
      bestimmen, in welchem Umfang die Mitglieder der Gruppe Ressour- cen für
      asynchrone RFCs zur Verfügung stellen. Setzt ein Programm einen
      asynchronen RFC-Funktionsbausteinaufruf gegen eine Servergruppe ab
      (DESTINATION IN GROUP), so prüft das System automatisch die Auslastung und
      ermittelt die Instanz, die die Anforderung bearbeiten wird. Neben den
      explizit in der Transaktion RZ12 definierten Servergruppen gibt es
    sentences:
      - >-
        Was passiert, wenn ein Programm einen asynchronen
        RFC-Funktionsbausteinaufruf gegen eine Servergruppe absetzt und die
        Systeminstanzen bereits auslastet?
      - >-
        Welche Aufgaben kann man im Business Workplace des SAP-Systems
        erledigen?
      - >-
        Wie kann man das Visitor Pattern in ABAP umsetzen, indem man definiert,
        wie ein abstraktes Element von einem Besucher besucht werden soll?
pipeline_tag: sentence-similarity
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
model-index:
  - name: mixedbread-ai/mxbai-embed-large-v1
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 768
          type: dim_768
        metrics:
          - type: cosine_accuracy@1
            value: 0.08963093145869948
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.20210896309314588
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.2601054481546573
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.4182776801405975
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.08963093145869948
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.06736965436438194
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.05202108963093146
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.041827768014059755
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.08963093145869948
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.20210896309314588
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.2601054481546573
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.4182776801405975
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.2286145159685347
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.17133442129048454
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.18651234259488886
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 512
          type: dim_512
        metrics:
          - type: cosine_accuracy@1
            value: 0.09490333919156414
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.20035149384885764
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.2618629173989455
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.4147627416520211
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.09490333919156414
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.06678383128295255
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.0523725834797891
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.0414762741652021
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.09490333919156414
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.20035149384885764
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.2618629173989455
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.4147627416520211
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.23048397423019637
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.1748068178648144
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.19003346049167824
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 256
          type: dim_256
        metrics:
          - type: cosine_accuracy@1
            value: 0.09314586994727592
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.20035149384885764
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.2548330404217926
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.39718804920913886
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.09314586994727592
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.06678383128295255
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.050966608084358524
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.03971880492091388
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.09314586994727592
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.20035149384885764
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.2548330404217926
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.39718804920913886
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.22531472414554513
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.1728798783719698
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.18866030878645856
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 128
          type: dim_128
        metrics:
          - type: cosine_accuracy@1
            value: 0.0773286467486819
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.18453427065026362
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.26537785588752194
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.39718804920913886
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.0773286467486819
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.061511423550087874
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.053075571177504395
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.03971880492091388
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.0773286467486819
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.18453427065026362
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.26537785588752194
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.39718804920913886
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.21527271607083312
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.1597720869249868
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.17541010404455568
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 64
          type: dim_64
        metrics:
          - type: cosine_accuracy@1
            value: 0.06678383128295255
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.1687170474516696
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.2530755711775044
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.38137082601054484
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.06678383128295255
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.056239015817223195
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.050615114235500885
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.03813708260105448
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.06678383128295255
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.1687170474516696
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.2530755711775044
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.38137082601054484
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.1993984243853605
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.14423661673222307
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.1585449114563028
            name: Cosine Map@100

mixedbread-ai/mxbai-embed-large-v1

This is a sentence-transformers model finetuned from mixedbread-ai/mxbai-embed-large-v1 on the json dataset. It maps sentences & paragraphs to a 1024-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: mixedbread-ai/mxbai-embed-large-v1
Maximum Sequence Length: 512 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- json
Language: en
License: apache-2.0

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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})
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("kenoc/mxbai-abat-matryoshka")
# Run inference
sentences = [
    'angegebenen anderen Objektins- tanz als Rücksprungziel definieren. Selbstverständlich sind auch Auf- rufe statischer Methoden möglich. Exceptions auswerten Returncode auswerten Nach Absetzen des Funktionsbausteinaufrufs erhalten Sie sofort die ll b d bl f k d d lung. Für jede Servergruppe werden bestimmte Schwellwerte gepflegt, die bestimmen, in welchem Umfang die Mitglieder der Gruppe Ressour- cen für asynchrone RFCs zur Verfügung stellen. Setzt ein Programm einen asynchronen RFC-Funktionsbausteinaufruf gegen eine Servergruppe ab (DESTINATION IN GROUP), so prüft das System automatisch die Auslastung und ermittelt die Instanz, die die Anforderung bearbeiten wird. Neben den explizit in der Transaktion RZ12 definierten Servergruppen gibt es',
    'Was passiert, wenn ein Programm einen asynchronen RFC-Funktionsbausteinaufruf gegen eine Servergruppe absetzt und die Systeminstanzen bereits auslastet?',
    'Welche Aufgaben kann man im Business Workplace des SAP-Systems erledigen?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Information Retrieval

Datasets: dim_768, dim_512, dim_256, dim_128 and dim_64
Evaluated with InformationRetrievalEvaluator

Metric	dim_768	dim_512	dim_256	dim_128	dim_64
cosine_accuracy@1	0.0896	0.0949	0.0931	0.0773	0.0668
cosine_accuracy@3	0.2021	0.2004	0.2004	0.1845	0.1687
cosine_accuracy@5	0.2601	0.2619	0.2548	0.2654	0.2531
cosine_accuracy@10	0.4183	0.4148	0.3972	0.3972	0.3814
cosine_precision@1	0.0896	0.0949	0.0931	0.0773	0.0668
cosine_precision@3	0.0674	0.0668	0.0668	0.0615	0.0562
cosine_precision@5	0.052	0.0524	0.051	0.0531	0.0506
cosine_precision@10	0.0418	0.0415	0.0397	0.0397	0.0381
cosine_recall@1	0.0896	0.0949	0.0931	0.0773	0.0668
cosine_recall@3	0.2021	0.2004	0.2004	0.1845	0.1687
cosine_recall@5	0.2601	0.2619	0.2548	0.2654	0.2531
cosine_recall@10	0.4183	0.4148	0.3972	0.3972	0.3814
cosine_ndcg@10	0.2286	0.2305	0.2253	0.2153	0.1994
cosine_mrr@10	0.1713	0.1748	0.1729	0.1598	0.1442
cosine_map@100	0.1865	0.19	0.1887	0.1754	0.1585

Training Details

Training Dataset

json

Dataset: json
Size: 5,115 training samples
Columns: positive and anchor
Approximate statistics based on the first 1000 samples:
positive anchor
type string string
details
min: 11 tokens
mean: 252.94 tokens
max: 479 tokens

min: 8 tokens
mean: 45.33 tokens
max: 129 tokens

	positive	anchor
type	string	string
details	min: 11 tokens mean: 252.94 tokens max: 479 tokens	min: 8 tokens mean: 45.33 tokens max: 129 tokens

Samples:

positive	anchor
Standardtabelle ITAB01 wird deklariert; die initiale Spei- cherplatzbelegung wird dem System überlassen. Die interne Tabelle hat zwei Felder, die hinsichtlich ihrer Deklarationen auf das Dictionary verweisen. Zeile 23 bis 26 Die interne Tabelle ITAB02 wird deklariert. Sie soll die Struktur der Zei- g Zeile der Datenbanktabelle. Zeile 52 bis 55 Die Datenbanktabelle wird satzweise in ihre Workarea gelesen. Von dort aus werden namensgleiche Felder in die Kopfzeile der internen Tabelle übertragen. Nach dem Übertragen wird der Inhalt der Kopf- zeile als neue Zeile an den Tabellenrumpf angehängt. Der Inhalt der Kopfzeile bleibt dabei erhalten und wird in diesem Fall durch	`Was passiert, wenn eine interne Tabelle ohne Kopfzeile deklariert ist?`
lässt sich leicht ablesen, dass ein Konstruktor mit mehreren optionalen Parametern und einer Dokumenta- tion nötig wäre, um diese Methoden zu ersetzen. Umgebungsunabhängige Wiederholbarkeit Mit dem eigenständigen Aufbau der testrelevanten Daten stellt die Testklasse sicher, dass ihre Testmethoden in jeder Umgebung wiederholbar sind (Repeatable- Prinzip). Tests sind für das Refactoring notwendig, um Regression zu vermei- den. Allerdings müssen Tests auch häufig angepasst werden, wenn sich das Produktdesign durch Refactoring ändert. Wie kann der Auf- wand dafür minimiert werden? Welche Rolle spielen dabei Abhängig- keiten des Testcodes vom Produktcode? Abhängigkeiten können sowohl bei der Erzeugung als auch bei der Verwendung eines	`Was ist das Ziel von Refactoring?`
es ermöglicht, Aufgaben innerhalb eines Netzwerks auf Clients und Server zu verteilen. Der Server bietet Dienste an, die die Clients (Anwender-PCs) nutzen. SAP R/3 und später SAP ERP liegt ein drei stufiges Konzept zugrunde: Datenbank, Server und Client Compliance Verfahren zur Einhaltung von Gesetzen und Richtlinien, zum Beispiel des Sarbanes-Oxley Acts oder von Arbeits schutzgesetzen. Mitarbeiter und die externen Dienstleister, die über das »Arbeitszeitblatt« unter ande rem eine Zeiterfassung erlaubt. Customer Relationship Management SAP Customer Relationship Management Customer Service Kundenservice. Die Komponente CS in SAP ERP unterstützt die Abläufe in der Serviceabwicklung, zum Bei spiel die Bearbeitung von	`Welche Funktionen bietet SAP CRM?`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "MultipleNegativesRankingLoss",
    "matryoshka_dims": [
        768,
        512,
        256,
        128,
        64
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
gradient_accumulation_steps: 8
learning_rate: 2e-05
num_train_epochs: 4
lr_scheduler_type: cosine
warmup_ratio: 0.1
bf16: True
load_best_model_at_end: True
optim: adamw_torch_fused
gradient_checkpointing: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 8
eval_accumulation_steps: None
torch_empty_cache_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: 4
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: True
fp16: False
fp16_opt_level: O1
half_precision_backend: auto
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: 0
ddp_backend: None
tpu_num_cores: None
tpu_metrics_debug: False
debug: []
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
past_index: -1
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: 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: None
hub_always_push: False
gradient_checkpointing: True
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
include_for_metrics: []
eval_do_concat_batches: True
fp16_backend: auto
push_to_hub_model_id: None
push_to_hub_organization: None
mp_parameters:
auto_find_batch_size: False
full_determinism: False
torchdynamo: None
ray_scope: last
ddp_timeout: 1800
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
dispatch_batches: None
split_batches: None
include_tokens_per_second: False
include_num_input_tokens_seen: False
neftune_noise_alpha: None
optim_target_modules: None
batch_eval_metrics: False
eval_on_start: False
use_liger_kernel: False
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	dim_768_cosine_ndcg@10	dim_512_cosine_ndcg@10	dim_256_cosine_ndcg@10	dim_128_cosine_ndcg@10	dim_64_cosine_ndcg@10
1.0	40	-	0.2192	0.2209	0.2122	0.1938	0.1583
1.25	50	5.5269	-	-	-	-	-
2.0	80	-	0.2215	0.2231	0.2179	0.2097	0.1887
2.5	100	2.4018	-	-	-	-	-
3.0	120	-	0.229	0.2266	0.2171	0.2188	0.1926
3.75	150	1.4161	-	-	-	-	-
4.0	160	-	0.2286	0.2305	0.2253	0.2153	0.1994

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.12.8
Sentence Transformers: 3.3.1
Transformers: 4.47.1
PyTorch: 2.5.1+cu124
Accelerate: 1.2.1
Datasets: 2.19.2
Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

@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

@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

@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}
}