Train completed

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "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
+}

README.md

@@ -0,0 +1,511 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:39780811
+- loss:TripletLoss
+base_model: DeepMount00/Italian-ModernBERT-base
+widget:
+- source_sentence: il lichen sclerosus può influenzare l'ano?
+  sentences:
+  - 1 HSV 1 di solito provoca l'herpes sulla bocca. 2 Le persone con il virus possono
+    avere herpes labiale o bolle di febbre sulla bocca. 3 L'HSV 1 può diffondersi
+    ai genitali durante il sesso orale.4 L'HSV2 di solito causa l'herpes intorno ai
+    genitali o all'ano. 5 Le persone con questo virus possono avere piaghe o vesciche
+    intorno ai genitali o all'ano. L'HSV 1 può essere diffuso ai genitali durante
+    il sesso orale. 2 L'HSV2 di solito causa l'herpes intorno ai genitali o all'ano.
+    3 Le persone con questo virus possono avere piaghe o vesciche intorno ai genitali
+    o all'ano.
+  - 4a edizione del Delray Beach Wine & Seafood Festival 7 e 8 novembre Giunto alla
+    sua quarta edizione, il Delray Beach Wine & Seafood Festival 2015 offre ai visitatori
+    l'opportunità di passeggiare per le strade fiancheggiate da palme di Delray sorseggiando
+    un ottimo bicchiere di vino o un piatto di prelibatezze frutti di mare.
+  - Il lichen sclerosus può colpire la pelle in qualsiasi parte del corpo. Ma più
+    spesso coinvolge la pelle della vulva, il prepuzio del pene o la pelle intorno
+    all'ano. Chiunque può contrarre il lichen sclerosus, ma le donne in postmenopausa
+    hanno un rischio elevato. A volte il lichen sclerosus migliora da solo e non avrai
+    bisogno di alcun trattamento. Il ichen sclerosus può colpire la pelle in qualsiasi
+    parte del corpo. Ma più spesso coinvolge la pelle della vulva, il prepuzio del
+    pene o la pelle intorno all'ano. Chiunque può contrarre il lichen sclerosus, ma
+    le donne in postmenopausa hanno un rischio elevato.
+- source_sentence: quanto tempo grigliare una patata al forno?
+  sentences:
+  - 'Da g, grammo a lb, quantità di libbre. Quantità: 1 g, grammo di Patata dolce,
+    cotta, al forno con la buccia, senza sale. Equivale a: 0.0022 di libbre, libbra
+    di patate dolci, cotte, al forno con la pelle, senza sale. TOGGLE: da lb, pound
+    a g, quantità in grammi al contrario. Inserisci un nuovo valore g, grammo da cui
+    convertire.'
+  - USA / Florida / Minneola / Mondo / USA / Florida / Minneola World / Stati Uniti
+    / Florida. lago Aggiungi categoria. È a forma di fagiolo e raggiunge una profondità
+    di 26 piedi vicino alla costa di Clermont. lakewatch.ifas.ufl.edu/RevisedMaps05/LakeMaps/MinneolaL...
+    96 piedi sopra il livello del mare.
+  - Grigliare le patate al forno intere richiede 30-45 minuti al cartoccio sulla griglia,
+    se le patate sono intere. Se hai poco tempo, sbollenta le patate per 10 minuti
+    prima di metterle sulla griglia o nel microonde per 3 minuti per lato e dovrai
+    solo grigliare le patate al forno per 5-10 minuti. Verifica se le patate sono
+    cotte correttamente frugando con uno stuzzicadenti. Grigliare le patate al forno
+    che sono state tagliate a fette o a spicchi richiede solo 5-10 minuti sulla griglia
+    a fuoco medio, a seconda dello spessore dei pezzi di patate. Per vedere se le
+    patate sono cotte correttamente, picchiettandole con uno stuzzicadenti. Grigliare
+    le patate al forno tagliate a fette o a spicchi richiede solo 5-10 minuti sulla
+    griglia a fuoco medio, a seconda dello spessore dei pezzi di patate.
+- source_sentence: cosa sono le razze prepotenti?
+  sentences:
+  - Le razze Bully (Staffordshire Bull Terrier, American Staffordshire Terrier e American
+    Pit Bull Terrier) sono un gruppo di tre razze spesso conosciute collettivamente
+    come Pit Bull, ma molti allevatori di Staffordshire Bull Terrier e American Staffordshire
+    Terrier disprezzano notevolmente questo termine. le razze iniziarono nel 1835.
+    In quell'anno, il Parlamento britannico approvò il Cruelty to Animals Act. Questo
+    atto ha vietato due degli sport più popolari in Inghilterra, Bear Baiting e Bull
+    Baiting; sport di sangue che opponevano mastini contro orsi e bulldog contro tori,
+    spesso in combattimenti all'ultimo sangue.
+  - diritto distributivo. (matematica). Una regola che stabilisce come devono comportarsi
+    l'una rispetto all'altra due operazioni binarie su un insieme; in particolare,
+    se +, ° sono due di tali operazioni allora ° distribuisce su +
+    significa a ° (b + c) = (a ° b) + (a ° c) per tutti gli
+    a,b,c nell'insieme.1 Facebook. 2 Twitter.legge distributiva. (matematica). Una
+    regola che stabilisce come devono comportarsi l'una rispetto all'altra due operazioni
+    binarie su un insieme; in particolare, se +, ° sono due di tali operazioni
+    allora ° distribuisce su + significa a ° (b + c) = (a °
+    b) + (a ° c) per tutti gli a,b,c dell'insieme. 1 Facebook.
+  - Contare le pecore. Razze ovine. È difficile sapere quante razze di pecore ci siano
+    nel mondo, poiché solo i paesi sviluppati di solito mantengono registri di razza.
+    Tuttavia, si ritiene che esistano più razze ovine che razze di qualsiasi altra
+    specie di bestiame, ad eccezione del pollame. In tutto il mondo, si stima che
+    ci siano più di 1000 razze ovine distinte. Ci sono più di 50 razze solo negli
+    Stati Uniti.
+- source_sentence: cos'è il documento sull'architettura del software?
+  sentences:
+  - 'Migliora le funzioni renali: poiché il cavolo può aiutare a mantenere sotto controllo
+    il livello di zucchero nel sangue, aiuta anche a mantenere le funzioni renali.
+    Quando un diabetico ha livelli di zucchero nel sangue estremamente alti (oltre
+    600 mg/dl), i reni cercano di eliminare lo zucchero nel sangue in eccesso eliminandolo
+    attraverso l''urina.'
+  - Questo documento descrive in dettaglio quali versioni di IBM JDK sono supportate
+    in ogni versione e release del sistema operativo IBM i. Ambiente. Risolvere il
+    problema. Per ulteriori spiegazioni sui JDK IBM i e su come utilizzarli nell'ambiente
+    del server IBM i, fare riferimento al seguente documento tecnico del software
+    IBM.
+  - Il Software Architecture Document (SAD) fornisce una panoramica completa dell'architettura
+    dell'Online Catering Service 1.0 offerto da Yummy Inc. Presenta una serie di diverse
+    visualizzazioni dell'architettura per rappresentare i diversi aspetti del sistema.
+- source_sentence: qual è il più grande il mare o l'oceano
+  sentences:
+  - L'Oceano Pacifico è il più grande dei cinque oceani del mondo, seguito dall'Oceano
+    Atlantico, dall'Oceano Indiano, dall'Oceano Meridionale e dall'Oceano Artico.
+    Copre un'area di circa 155 milioni di chilometri quadrati (circa 60 milioni di
+    miglia quadrate). L'Oceano Pacifico è il più grande dei cinque oceani del mondo,
+    seguito dall'Oceano Atlantico e dall'Oceano Indiano , Oceano Meridionale e Oceano
+    Artico. Copre un'area di circa 155 milioni di chilometri quadrati (circa 60 milioni
+    di miglia quadrate).
+  - Il tamarino leone d'oro è dichiarato specie in pericolo di estinzione dall'Unione
+    internazionale per la conservazione della natura a causa della drastica deforestazione
+    del suo habitat naturale. A causa di... Il tamarino leone d'oro è dichiarato specie
+    in pericolo di estinzione dall'Unione internazionale per la conservazione della
+    natura a causa della drastica deforestazione del suo habitat naturale.
+  - Il fiume Chang Jiang, o fiume Yangtze, sfocia nel mare della Cina orientale. Questo
+    mare è una parte dell'Oceano Indiano vicino all'Asia. 3 persone l'hanno trovato
+    utile. Modificare.
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy
+model-index:
+- name: SentenceTransformer based on DeepMount00/Italian-ModernBERT-base
+  results:
+  - task:
+      type: triplet
+      name: Triplet
+    dataset:
+      name: mmarco dev
+      type: mmarco_dev
+    metrics:
+    - type: cosine_accuracy
+      value: 0.9089999794960022
+      name: Cosine Accuracy
+    - type: cosine_accuracy
+      value: 0.9210000038146973
+      name: Cosine Accuracy
+---
+
+# SentenceTransformer based on DeepMount00/Italian-ModernBERT-base
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [DeepMount00/Italian-ModernBERT-base](https://huggingface.co/DeepMount00/Italian-ModernBERT-base) on the mmarco dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.
+
+## Model Details
+
+### Model Description
+- **Model Type:** Sentence Transformer
+- **Base model:** [DeepMount00/Italian-ModernBERT-base](https://huggingface.co/DeepMount00/Italian-ModernBERT-base) <!-- at revision 34324c2191a0209b17c8cd27dbf2f4f9d2821189 -->
+- **Maximum Sequence Length:** 8192 tokens
+- **Output Dimensionality:** 768 dimensions
+- **Similarity Function:** Cosine Similarity
+- **Training Dataset:**
+    - mmarco
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 8192, 'do_lower_case': False}) with Transformer model: ModernBertModel 
+  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
+)
+```
+
+## Usage
+
+### Direct Usage (Sentence Transformers)
+
+First install the Sentence Transformers library:
+
+```bash
+pip install -U sentence-transformers
+```
+
+Then you can load this model and run inference.
+```python
+from sentence_transformers import SentenceTransformer
+
+# Download from the 🤗 Hub
+model = SentenceTransformer("Italian-ModernBERT-base-embed-mmarco-triplet")
+# Run inference
+sentences = [
+    "qual è il più grande il mare o l'oceano",
+    "L'Oceano Pacifico è il più grande dei cinque oceani del mondo, seguito dall'Oceano Atlantico, dall'Oceano Indiano, dall'Oceano Meridionale e dall'Oceano Artico. Copre un'area di circa 155 milioni di chilometri quadrati (circa 60 milioni di miglia quadrate). L'Oceano Pacifico è il più grande dei cinque oceani del mondo, seguito dall'Oceano Atlantico e dall'Oceano Indiano , Oceano Meridionale e Oceano Artico. Copre un'area di circa 155 milioni di chilometri quadrati (circa 60 milioni di miglia quadrate).",
+    "Il fiume Chang Jiang, o fiume Yangtze, sfocia nel mare della Cina orientale. Questo mare è una parte dell'Oceano Indiano vicino all'Asia. 3 persone l'hanno trovato utile. Modificare.",
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 768]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities.shape)
+# [3, 3]
+```
+
+<!--
+### Direct Usage (Transformers)
+
+<details><summary>Click to see the direct usage in Transformers</summary>
+
+</details>
+-->
+
+<!--
+### Downstream Usage (Sentence Transformers)
+
+You can finetune this model on your own dataset.
+
+<details><summary>Click to expand</summary>
+
+</details>
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+## Evaluation
+
+### Metrics
+
+#### Triplet
+
+* Dataset: `mmarco_dev`
+* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
+
+| Metric              | Value     |
+|:--------------------|:----------|
+| **cosine_accuracy** | **0.909** |
+
+#### Triplet
+
+* Dataset: `mmarco_dev`
+* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)
+
+| Metric              | Value     |
+|:--------------------|:----------|
+| **cosine_accuracy** | **0.921** |
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Dataset
+
+#### mmarco
+
+* Dataset: mmarco
+* Size: 39,780,811 training samples
+* Columns: <code>query</code>, <code>positive</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | query                                                                             | positive                                                                            | negative                                                                            |
+  |:--------|:----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                              | string                                                                              |
+  | details | <ul><li>min: 4 tokens</li><li>mean: 10.91 tokens</li><li>max: 24 tokens</li></ul> | <ul><li>min: 22 tokens</li><li>mean: 92.84 tokens</li><li>max: 276 tokens</li></ul> | <ul><li>min: 19 tokens</li><li>mean: 88.55 tokens</li><li>max: 242 tokens</li></ul> |
+* Samples:
+  | query                                                           | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                           | negative                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             |
+  |:----------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>chi suona è granger su ncis la</code>                     | <code>Firmato per un ruolo ricorrente in NCIS: Los Angeles come assistente del direttore del servizio investigativo criminale navale Owen Granger, Ferrer è stato promosso a personaggio regolare per la quinta stagione il 6 febbraio 2013. È anche apparso nel film del 2013 Iron Man 3 come il vice. -Presidente.</code>                                                                                                                                        | <code>NCIS: L'agente Abigail Borin di CGIS (Coast Guard Investigative Service) è interpretata da Diane Neal, che ha anche interpretato ADA Casey Novak in Law and Order, SVU. L'agente Borin è simile nello stile di comando e nel temperamento all'agente speciale Leroy Jethro Gibbs dell'NCIS.</code>                                                                                                                                                                                                                                                                                                                                                             |
+  | <code>come si chiama la strada principale di hershey pa?</code> | <code>Chocolate Avenue è una strada di Hershey, in Pennsylvania, che passa davanti all'originale Hershey's Chocolate Factory ed è considerata la strada principale della città.</code>                                                                                                                                                                                                                                                                             | <code>Milton S. Hershey è nato il 13 settembre 1857 da Henry e Veronica Fanny Snavely Hershey. La sua famiglia erano membri della comunità mennonita della Pennsylvania. I suoi antenati erano svizzeri e tedeschi e si erano stabiliti in Pennsylvania nei primi anni del 1700. Crebbe parlando l'olandese della Pennsylvania. ilton S. Hershey nacque il 13 settembre 1857 da Henry e Veronica Fanny Snavely Hershey. La sua famiglia erano membri della comunità mennonita della Pennsylvania. I suoi antenati erano svizzeri e tedeschi e si erano stabiliti in Pennsylvania nei primi anni del 1700. È cresciuto parlando l'olandese della Pennsylvania.</code> |
+  | <code>definizione di dissoluzione in geologia</code>            | <code>Rocce solubili (dissoluzione) Sinkhole; mentre l'acqua filtra attraverso le rocce sopra, il sale inizia a dissolversi e le rocce sopra cadono a formare una dolina. La dissoluzione del suolo si verifica quando l'acqua che passa attraverso rocce solubili produce cavità sotterranee e sistemi di grotte. Tali cavità riducono l'appoggio al terreno sovrastante e possono provocare cedimenti localizzati delle rocce e dei depositi sovrastanti.</code> | <code>Per porre fine all'esistenza di una società o LLC, un'entità deve presentare gli articoli di scioglimento o altra forma di scioglimento o annullamento dei documenti con il Segretario di Stato. I requisiti variano in base alla giurisdizione.</code>                                                                                                                                                                                                                                                                                                                                                                                                        |
+* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
+      "triplet_margin": 5
+  }
+  ```
+
+### Evaluation Dataset
+
+#### mmarco
+
+* Dataset: mmarco
+* Size: 39,780,811 evaluation samples
+* Columns: <code>query</code>, <code>positive</code>, and <code>negative</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | query                                                                             | positive                                                                            | negative                                                                            |
+  |:--------|:----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
+  | type    | string                                                                            | string                                                                              | string                                                                              |
+  | details | <ul><li>min: 4 tokens</li><li>mean: 11.25 tokens</li><li>max: 37 tokens</li></ul> | <ul><li>min: 15 tokens</li><li>mean: 94.27 tokens</li><li>max: 309 tokens</li></ul> | <ul><li>min: 24 tokens</li><li>mean: 90.05 tokens</li><li>max: 305 tokens</li></ul> |
+* Samples:
+  | query                                                       | positive                                                                                                                                                                                                                                                                                                                                                                             | negative                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   |
+  |:------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>significato del tatuaggio del drago e del lupo</code> | <code>Wolf Tattoo: significati e disegni. Il tatuaggio del lupo è un ottimo modo per mostrare lealtà e devozione alla famiglia. Alcune persone hanno il loro intero branco di persone care inchiostrate o si fanno tatuare una sola zampa di lupo e hanno i nomi dei propri cari inchiostrati all'interno del disegno. Il tatuaggio del lupo può anche rappresentare l'amore.</code> | <code>Qual è il significato di Apocalisse capitolo 12? Di cosa parla Apocalisse 12? Chi sono la donna, il bambino e il drago descritti in Apocalisse capitolo 12? Qual è il significato di Apocalisse capitolo 12? Apocalisse capitolo 12 contiene una descrizione di una donna, che è vestita di sole, con la luna sotto i suoi piedi e una corona di dodici stelle in cima alla sua testa. La donna è incinta e sta per partorire. È inseguita da un grande drago rosso, la cui coda ha spazzato via un terzo delle stelle dal cielo e le ha gettate sulla terra.</code> |
+  | <code>cosa significa amianto friabile</code>                | <code>L'amianto friabile si riferisce a qualsiasi tipo di amianto fragile che può sgretolarsi con poca forza o pressione. Qualsiasi materiale che può essere frantumato con le mani e contiene amianto è considerato amianto friabile e deve essere rimosso.</code>                                                                                                                  | <code>Il prezzo del test dell'aria dell'amianto di solito varia a seconda del tipo e del numero di test richiesti, dovresti ottenere stime specifiche per il tuo lavoro e dovrebbero essere inclusi nel calcolo di quanto costa rimuovere l'amianto. Ottieni ulteriori informazioni sui costi dei test dell'aria dell'amianto.</code>                                                                                                                                                                                                                                      |
+  | <code>che ha giocato a lois lane in superman</code>         | <code>Noel Neill. Noel Darleen Neill (25 novembre 1920  3 luglio 2016) è stata un'attrice statunitense. È nota per aver interpretato Lois Lane nei serial cinematografici Superman (1948) e Atom Man vs. Superman (1950), nonché nella serie televisiva degli anni '50 Adventures of Superman. È apparsa in 80 film e serie televisive nella sua carriera.</code>       | <code>esiste ed è un supplente di . Wonder Woman è un classico supereroe della DC Comics. Condivide la sua eredità con personaggi del calibro di Superman, Batman e Flash. Wonder Woman è un classico supereroe della DC Comics. Condivide la sua eredità con personaggi del calibro di Superman, Batman e Flash.</code>                                                                                                                                                                                                                                                   |
+* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
+  ```json
+  {
+      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
+      "triplet_margin": 5
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: steps
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `learning_rate`: 2e-05
+- `num_train_epochs`: 1
+- `warmup_ratio`: 0.1
+- `fp16`: True
+- `load_best_model_at_end`: True
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `overwrite_output_dir`: False
+- `do_predict`: False
+- `eval_strategy`: steps
+- `prediction_loss_only`: True
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `per_gpu_train_batch_size`: None
+- `per_gpu_eval_batch_size`: None
+- `gradient_accumulation_steps`: 1
+- `eval_accumulation_steps`: None
+- `torch_empty_cache_steps`: None
+- `learning_rate`: 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`: 1
+- `max_steps`: -1
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: {}
+- `warmup_ratio`: 0.1
+- `warmup_steps`: 0
+- `log_level`: passive
+- `log_level_replica`: warning
+- `log_on_each_node`: True
+- `logging_nan_inf_filter`: True
+- `save_safetensors`: True
+- `save_on_each_node`: False
+- `save_only_model`: False
+- `restore_callback_states_from_checkpoint`: False
+- `no_cuda`: False
+- `use_cpu`: False
+- `use_mps_device`: False
+- `seed`: 42
+- `data_seed`: None
+- `jit_mode_eval`: False
+- `use_ipex`: False
+- `bf16`: False
+- `fp16`: True
+- `fp16_opt_level`: O1
+- `half_precision_backend`: auto
+- `bf16_full_eval`: False
+- `fp16_full_eval`: False
+- `tf32`: 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}
+- `tp_size`: 0
+- `fsdp_transformer_layer_cls_to_wrap`: None
+- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
+- `deepspeed`: None
+- `label_smoothing_factor`: 0.0
+- `optim`: adamw_torch
+- `optim_args`: None
+- `adafactor`: False
+- `group_by_length`: False
+- `length_column_name`: length
+- `ddp_find_unused_parameters`: None
+- `ddp_bucket_cap_mb`: None
+- `ddp_broadcast_buffers`: False
+- `dataloader_pin_memory`: True
+- `dataloader_persistent_workers`: False
+- `skip_memory_metrics`: True
+- `use_legacy_prediction_loop`: False
+- `push_to_hub`: False
+- `resume_from_checkpoint`: None
+- `hub_model_id`: None
+- `hub_strategy`: every_save
+- `hub_private_repo`: None
+- `hub_always_push`: False
+- `gradient_checkpointing`: False
+- `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
+
+</details>
+
+### Training Logs
+| Epoch   | Step     | Training Loss | Validation Loss | mmarco_dev_cosine_accuracy |
+|:-------:|:--------:|:-------------:|:---------------:|:--------------------------:|
+| -1      | -1       | -             | -               | 0.6285                     |
+| 0.08    | 250      | 1.8669        | 2.4032          | 0.7960                     |
+| 0.16    | 500      | 1.793         | 1.6328          | 0.8600                     |
+| 0.24    | 750      | 1.4301        | 1.3971          | 0.8930                     |
+| 0.32    | 1000     | 1.3361        | 1.2686          | 0.8955                     |
+| **0.4** | **1250** | **1.237**     | **1.2151**      | **0.909**                  |
+| -1      | -1       | -             | -               | 0.9210                     |
+
+* The bold row denotes the saved checkpoint.
+
+### Framework Versions
+- Python: 3.11.11
+- Sentence Transformers: 3.5.0.dev0
+- Transformers: 4.50.0.dev0
+- PyTorch: 2.5.1+cu124
+- Accelerate: 1.3.0
+- Datasets: 3.3.2
+- Tokenizers: 0.21.0
+
+## Citation
+
+### BibTeX
+
+#### Sentence Transformers
+```bibtex
+@inproceedings{reimers-2019-sentence-bert,
+    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
+    author = "Reimers, Nils and Gurevych, Iryna",
+    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
+    month = "11",
+    year = "2019",
+    publisher = "Association for Computational Linguistics",
+    url = "https://arxiv.org/abs/1908.10084",
+}
+```
+
+#### TripletLoss
+```bibtex
+@misc{hermans2017defense,
+    title={In Defense of the Triplet Loss for Person Re-Identification},
+    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
+    year={2017},
+    eprint={1703.07737},
+    archivePrefix={arXiv},
+    primaryClass={cs.CV}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,49 @@
+{
+  "_name_or_path": "DeepMount00/Italian-ModernBERT-base",
+  "architectures": [
+    "ModernBertModel"
+  ],
+  "attention_bias": false,
+  "attention_dropout": 0.0,
+  "bos_token_id": 2,
+  "classifier_activation": "gelu",
+  "classifier_bias": false,
+  "classifier_dropout": 0.0,
+  "classifier_pooling": "mean",
+  "cls_token_id": 2,
+  "decoder_bias": true,
+  "deterministic_flash_attn": false,
+  "embedding_dropout": 0.0,
+  "eos_token_id": 3,
+  "global_attn_every_n_layers": 3,
+  "global_rope_theta": 160000.0,
+  "gradient_checkpointing": false,
+  "hidden_activation": "gelu",
+  "hidden_size": 768,
+  "initializer_cutoff_factor": 2.0,
+  "initializer_range": 0.02,
+  "intermediate_size": 1152,
+  "layer_norm_eps": 1e-05,
+  "local_attention": 128,
+  "local_rope_theta": 10000.0,
+  "mask_token_id": 4,
+  "max_position_embeddings": 8192,
+  "mlp_bias": false,
+  "mlp_dropout": 0.0,
+  "model_type": "modernbert",
+  "norm_bias": false,
+  "norm_eps": 1e-05,
+  "num_attention_heads": 12,
+  "num_hidden_layers": 22,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "reference_compile": false,
+  "repad_logits_with_grad": false,
+  "sep_token_id": 3,
+  "sparse_pred_ignore_index": -100,
+  "sparse_prediction": false,
+  "torch_dtype": "float32",
+  "transformers_version": "4.50.0.dev0",
+  "unk_token_id": 0,
+  "vocab_size": 32000
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.5.0.dev0",
+    "transformers": "4.50.0.dev0",
+    "pytorch": "2.5.1+cu124"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

eval/triplet_evaluation_mmarco_dev_results.csv

@@ -0,0 +1,7 @@
+epoch,steps,accuracy_cosine
+0.08,250,0.7789999842643738
+0.08,250,0.7960000038146973
+0.16,500,0.8600000143051147
+0.24,750,0.8930000066757202
+0.32,1000,0.8955000042915344
+0.4,1250,0.9089999794960022

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:7a93de7b12b84b5088668f5ac6b651ee2bc0e67c60aa7041057b87be1566a40d
+size 539643640

modules.json

@@ -0,0 +1,14 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 8192,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,37 @@
+{
+  "cls_token": {
+    "content": "[CLS]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "[MASK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "[PAD]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "[SEP]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "[UNK]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,64 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "4": {
+      "content": "[MASK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "[CLS]",
+  "extra_special_tokens": {},
+  "mask_token": "[MASK]",
+  "model_input_names": [
+    "input_ids",
+    "attention_mask"
+  ],
+  "model_max_length": 1000000000000000019884624838656,
+  "pad_token": "[PAD]",
+  "sep_token": "[SEP]",
+  "special_tokens": {
+    "cls_token": "[CLS]",
+    "mask_token": "[MASK]",
+    "pad_token": "[PAD]",
+    "sep_token": "[SEP]",
+    "unk_token": "[UNK]"
+  },
+  "tokenizer_class": "PreTrainedTokenizer",
+  "unk_token": "[UNK]"
+}

training_args.bin

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:759dd437dcff1936f75f85df91919f9d18037c2977f122a15a9b73f267f683a7
+size 5688