File size: 44,225 Bytes
90a320f 2ac0de3 90a320f 2ac0de3 90a320f 2ac0de3 90a320f 2ac0de3 e1b43a6 2ac0de3 e1b43a6 90a320f 2ac0de3 90a320f 2ac0de3 90a320f 2ac0de3 90a320f 2ac0de3 e1b43a6 2ac0de3 90a320f 2ac0de3 e1b43a6 2ac0de3 90a320f e1b43a6 90a320f e1b43a6 90a320f 2ac0de3 90a320f e1b43a6 2ac0de3 e1b43a6 2ac0de3 e1b43a6 2ac0de3 e1b43a6 90a320f 2ac0de3 90a320f 2ac0de3 90a320f 2ac0de3 90a320f e1b43a6 2ac0de3 e1b43a6 2ac0de3 e1b43a6 2ac0de3 e1b43a6 2ac0de3 e1b43a6 90a320f 2ac0de3 90a320f 2ac0de3 90a320f 2ac0de3 90a320f e1b43a6 90a320f e1b43a6 90a320f 2ac0de3 90a320f 2ac0de3 90a320f | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 | ---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:10514
- loss:MultipleNegativesRankingLoss
base_model: intfloat/multilingual-e5-large
widget:
- source_sentence: 'query: Можно ли распечатать справку об аресте счета клиента-банкрота
для финансового управляющего?'
sentences:
- "passage: Запросить у клиента - банкрота разрешение Финансового управляющего на\
\ расход денежных средств банкротом, в котором указаны: Сумма, период и номер\
\ счета, с которого необходимо выполнить списание. Разрешение Финансового управляющего\
\ должно быть заверено его личной подписью либо удостоверено нотариусом (при наличии\
\ печатью).\n\n\n***Исключения составляют алименты и пособия на детей, для получения\
\ которых в разрешении Финансового управляющего может быть указан только счет.\
\ Сумму для выдачи Сотрудник должен определить по назначению платежа зачисления.\n\
\n\n!!!!! В случаях, когда ФУ и банкрот находятся в разных ТБ, мы рекомендуем\
\ использовать следующий порядок получения ДС банкротом, \n\nФУ приносит разрешение\
\ на получение ДС банкротом в любое ближайшее отделение банка.\nСотрудник принимает\
\ его, регистрирует и отправляет внутренней почтой в ВСП, куда придет банкрот\
\ за ДС.\nВСП, куда придет банкрот на основании полученного разрешения регистрируют\
\ заявку на разблокировку счета, \nВыдают деньги после разблокировки счета, к\
\ расходному ордеру прикладывают разрешение фу (если оно разовое) копию разрешения\
\ (если он периодическое)\nСамо разрешение ФУ, подписанное сотрудником, передают\
\ банкроту, он с ним приходит в Банк до его окончания.\n\n\n\nБанкрот предоставил\
\ Разрешение Финансового управляющего на расход денежных средств\n\nПроверить\
\ наличие ареста на счет, с которого необходимо произвести выдачу"
- 'passage: Покупка металла на металлический счёт через УРМ:
Покупка металла с зачислением на металлический счёт со счета или вклада:'
- "passage: Не допускается распечатывать финансовому управляющему справку об аресте\
\ счета клиента банкрота на сумму 41 888 888 рублей. Арест является техническим\
\ ограничением.\n\n\n\nПолучить справки/выписки/информацию по всем открытым счетам\
\ банкрота на ДИСКЕ (большой объем)\n\nСотрудник ВСП оформляет запрос стандартным\
\ порядком через АС \"Сбердруг\"\n\nОткрывает АС \"Сбердруг\" --> Каталог -->\
\ Обслуживание клиентов -> Операционный центр --> Сопровождение операций ФЛ ->\
\ Запросы от внешней организации и клиентов Банка --> \n\nВ запросе необходимо\
\ указать следующее:\n- в поле \"Представители внешних организаций\" - выбрать\
\ Финансовый управляющий\n- в поле ТБ клиенту - выбрать ТБ\n- Номер и дату документа\
\ Финансового управляющего\n- Данные банкрота (ФИО + Дата рождения)\n\nК запросу\
\ необходимо приложить скан-образы документов:\n - Решение суда о признании гражданина\
\ банкротом и введении процедуры реализации имущества и решение суда об утверждении\
\ финансового управляющего;\n - заявление финансового управляющего на предоставление\
\ информации по клиенту-банкроту (в свободной форме и по форме Заявление о розыске/предоставлении\
\ информации), заверенное подписью сотрудника ВСП с указанием ФИО, должности и\
\ даты приема заявления ФУ.\n\n!!! После подготовки, диск с информацией будет\
\ направлен ФУ по почте России, по адресу, указанному в заявлении ФУ."
- source_sentence: 'query: Что не отображается в истории трат и пополнений по карте?'
sentences:
- 'passage: Вид специального счета:
Специальный брокерский счет
Дополнительно к документам, указанным в П-25, Клиент предоставляет:
1. лицензии на право осуществления соответствующего вида профессиональной деятельности
на рынке ценных бумаг.'
- 'passage: Существуют следующие возможности:
02. Увидеть историю трат и пополнений по карте:
Отображается список расходных операций по карте (за исключением снятия денег в
банкоматах), а также все зачисления денежных средств.'
- "passage: Сотрудник проверяет у клиента наличие оригинала сберкнижки или иного\
\ документа (копия книжки/дубликат книжки/договор вклада/квитанция ф. 31/банковский\
\ ордер или банковская справка, выписка/вкладчик получал компенсацию ранее по\
\ данному вкладу) (далее - Сберкнижка). \n\nНет Сберкнижки\n\nЕсли книжка не предоставлена.\
\ Сообщи клиенту, что Банк не может произвести выплату компенсации. Выплата производится\
\ при наличии Сберкнижки. Попросить клиента принести Сберкнижку.\n\nВыплата компенсации\
\ по закрытым счетам осуществляется на основании заявления, оформленного в АС\
\ ФС ФП \"Компенсация и выплата\" с указанием в заявление, получение компенсации\
\ по закрытым счетам."
- source_sentence: 'query: Когда возникает окно для подтверждения операции с комплаенсом?'
sentences:
- 'query: Что должно соответствовать клиенту, кроме условия, что он не является
филиалом или представительством?'
- 'query: В каких случаях появляется модальное окно для согласования с комплаенсом?'
- 'query: На какой номер нужно позвонить, чтобы снять лимит расходов на день для
ребенка?'
- source_sentence: 'query: Что происходит на экране после ввода суммы при проведении
валютно-обменной операции, если необходимо согласование?'
sentences:
- 'query: Какие бумаги необходимы для объявления клиента недееспособным?'
- 'query: Что отображается на экране после ввода суммы для валютного обмена, если
нужно согласование?'
- 'query: Какой документ необходим для удостоверения статуса иностранного гражданина
в России?'
- source_sentence: 'query: Когда родитель теряет доступ к картам ребенка от 14 до
17 лет?'
sentences:
- 'query: Кто имеет право претендовать на наследство, если наследодатель объявлен
банкротом?'
- 'query: Что необходимо сделать перед вводом суммы для снятия наличных с карты
в СБОЛ.про?'
- 'query: В каких ситуациях родитель не сможет управлять картами ребенка в возрасте
14-17 лет?'
pipeline_tag: sentence-similarity
library_name: sentence-transformers
---
# SentenceTransformer based on intfloat/multilingual-e5-large
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) on the q2q_data and q2p_data datasets. 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:** [intfloat/multilingual-e5-large](https://huggingface.co/intfloat/multilingual-e5-large) <!-- at revision 0dc5580a448e4284468b8909bae50fa925907bc5 -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 1024 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Datasets:**
- q2q_data
- q2p_data
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### Model Sources
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
### Full Model Architecture
```
SentenceTransformer(
(0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel
(1): Pooling({'word_embedding_dimension': 1024, '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})
(2): Normalize()
)
```
## 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("George2002/sledopyt_embedder_v3")
# Run inference
sentences = [
'query: Когда родитель теряет доступ к картам ребенка от 14 до 17 лет?',
'query: В каких ситуациях родитель не сможет управлять картами ребенка в возрасте 14-17 лет?',
'query: Кто имеет право претендовать на наследство, если наследодатель объявлен банкротом?',
]
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]
```
<!--
### 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.*
-->
<!--
## 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 Datasets
#### q2q_data
* Dataset: q2q_data
* Size: 8,012 training samples
* Columns: <code>query_1</code> and <code>query_2</code>
* Approximate statistics based on the first 1000 samples:
| | query_1 | query_2 |
|:--------|:----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 12 tokens</li><li>mean: 21.5 tokens</li><li>max: 34 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 21.24 tokens</li><li>max: 37 tokens</li></ul> |
* Samples:
| query_1 | query_2 |
|:---------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------|
| <code>query: Что произойдет с процедурой банкротства, если банкрот умрет?</code> | <code>query: Как будет развиваться процедура банкротства после смерти должника?</code> |
| <code>query: Как ребенку изменить лимит на расход по карте, который установил опекун?</code> | <code>query: Что нужно сделать, чтобы изменить лимит расходов по карте, заданный законным представителем?</code> |
| <code>query: Какие документы подтверждают полномочия опекуна несовершеннолетнего до 14 лет?</code> | <code>query: Какие бумаги нужны, чтобы подтвердить полномочия опекуна несовершеннолетнего до 14-ти лет?</code> |
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
#### q2p_data
* Dataset: q2p_data
* Size: 2,502 training samples
* Columns: <code>query</code> and <code>chunk</code>
* Approximate statistics based on the first 1000 samples:
| | query | chunk |
|:--------|:----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 11 tokens</li><li>mean: 21.8 tokens</li><li>max: 37 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 173.04 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
| query | chunk |
|:------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>query: Что можно использовать для получения данных наследодателя, если у клиента нет паспорта?</code> | <code>passage: У клиента ЕСТЬ/НЕТ документа подтверждающего наследственное право (далее - ДПНП) - свидетельства о праве на наследство/завещание в банке в его пользу до 01.03.2002 <br><br>Нет ДПНП<br><br>Клиента необходимо направить к нотариусу для открытия наследственного дела и розыска наследственной массы через запрос Нотариуса. Сообщите клиенту необходимость взять к нотариусу следующие документы для более качественного и быстрого розыска:<br>1. Паспорт наследодателя или его данные(можно взять из любого договора)<br>2. Все известные сберкнижки наследодателя или их номера<br>3. ИНН если наследодателя был ИП<br><br>Обращение в СРМ «Розничный не регистрируй!!!</code> |
| <code>query: Что делать, если в документах клиента нет сведений о месте пребывания?</code> | <code>passage: Для любого представителя Клиента (ЕИО, уполномоченного сотрудника, доверенного лица) :<br><br>Нерезидент<br><br>1. Документ, удостоверяющий личность представителя юридического лица/ИП (В случае если Клиент/представитель Клиента предоставил в Банк иностранный документ, удостоверяющий личность, без нотариально удостоверенного перевода, дополнительно предоставляется Приложение 4 к Информационным сведениям клиента)<br>Дополнительно: id-карта является полноценным ДУЛ только для граждан Киргизии и Казахстана. Граждане других государств id-карту как самостоятельный ДУЛ использовать не могут. <br>2. Документ, подтверждающий право иностранного гражданина или лица без гражданства на пребывание (проживание) в Российской Федерации: <br>- вид на жительство; <br>- либо временное удостоверение личности лица без гражданства в Российской Федерации; <br>- либо разрешение на временное проживание; <br>- либо визу; <br>- либо миграционную карту; <br>- либо свидетельство о рассмотрении ходатайства о признании беженцем на территории Р...</code> |
| <code>query: Под какие документы подпадает исполнительный документ о взыскании задолженности?</code> | <code>passage: Уважаемый коллега! <br>Вы приняли от клиента:<br><br>Исполнительный документ о взыскании задолженности/наложении ареста/отмене ареста (взыскания)<br><br>Исполнительные документы (ИД), могут быть предъявлены клиентом/его представителем в филиалы и подразделения Банка с целью исполнения Банком требований федерального закона от 02.10.2007 №229-ФЗ "Об исполнительном производстве".</code> |
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
### Evaluation Datasets
#### q2q_data
* Dataset: q2q_data
* Size: 422 evaluation samples
* Columns: <code>query_1</code> and <code>query_2</code>
* Approximate statistics based on the first 422 samples:
| | query_1 | query_2 |
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 12 tokens</li><li>mean: 21.71 tokens</li><li>max: 38 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 21.24 tokens</li><li>max: 35 tokens</li></ul> |
* Samples:
| query_1 | query_2 |
|:-------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------|
| <code>query: Как банк реагирует на выявление клиента-банкрота при выдаче карты?</code> | <code>query: Как банк поступает, если выясняется, что клиент-банкрот при оформлении кредитки?</code> |
| <code>query: query: Что является целевым путем для выплаты наследства при возникновении технической ошибки?</code> | <code>query: Какие действия нужно предпринять для выплаты наследства при наличии технической ошибки?</code> |
| <code>query: Что делать, если клиент сообщает, что выпуск карты осуществляется по просьбе третьего лица?</code> | <code>query: Что предпринимать, если клиент жалуется, что кто-то другой просит выпустить карту?</code> |
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
#### q2p_data
* Dataset: q2p_data
* Size: 132 evaluation samples
* Columns: <code>query</code> and <code>chunk</code>
* Approximate statistics based on the first 132 samples:
| | query | chunk |
|:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 14 tokens</li><li>mean: 22.05 tokens</li><li>max: 40 tokens</li></ul> | <ul><li>min: 13 tokens</li><li>mean: 172.31 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
| query | chunk |
|:------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>query: Как завершать процедуру банкротства в случае смерти банкрота?</code> | <code>passage: С каким вопросом обратился ФУ?<br><br>12. Поведение процедуры банкротства в случае смерти банкрота/ Вступления банкрота в наследство <br><br>В случае</code> |
| <code>query: Что произойдет, если Законный представитель подключит уведомления на свой номер телефона вместо номера Ребёнка?</code> | <code>passage: Выберите интересующий вопрос<br><br>5. Можно ли подключить СМС-информирование по Детской СберКарте на номер телефона Законного Представителя ?<br><br>Нет, это можно сделать только на номер телефона Ребёнка.<br>Если Законный представитель подключил уведомления на свой номер, тогда нужно поменять его на номер телефона Ребёнка в офисе Банка или банкомате.<br>Иначе Ребёнок не сможет получать уведомления с кодами подтверждения и воспользоваться банкоматом, а Законный представитель столкнётся с техническими сложностями при пользовании сервисами Банка.<br><br><br>Если Законный представитель желает получать уведомления об операциях Ребёнка на свой номер телефона, тогда ему необходимо подключить услугу "Совместные уведомления" к Детской СберКарте.</code> |
| <code>query: Что необходимо для того, чтобы ребёнок мог сам совершить операцию?</code> | <code>passage: Возможные ошибки:<br><br>Ребёнку необходимо совершить операцию самому<br><br>Ребёнку больше 14 лет</code> |
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim"
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `per_device_train_batch_size`: 64
- `learning_rate`: 1e-05
- `weight_decay`: 0.01
- `num_train_epochs`: 10
- `warmup_ratio`: 0.1
- `load_best_model_at_end`: True
- `push_to_hub`: True
- `hub_model_id`: George2002/sledopyt_embedder_v3
- `hub_strategy`: end
#### 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`: 64
- `per_device_eval_batch_size`: 8
- `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`: 1e-05
- `weight_decay`: 0.01
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 10
- `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`: 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`: True
- `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`: True
- `resume_from_checkpoint`: None
- `hub_model_id`: George2002/sledopyt_embedder_v3
- `hub_strategy`: end
- `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
- `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`: batch_sampler
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
| Epoch | Step | Training Loss | q2q data loss | q2p data loss |
|:----------:|:-------:|:-------------:|:-------------:|:-------------:|
| 0.2439 | 10 | 2.0065 | - | - |
| 0.4878 | 20 | 1.1826 | - | - |
| 0.6098 | 25 | - | 0.0102 | 0.2422 |
| 0.7317 | 30 | 0.6224 | - | - |
| 0.9756 | 40 | 0.1914 | - | - |
| 1.2195 | 50 | 0.1785 | 0.0003 | 0.1165 |
| 1.4634 | 60 | 0.1897 | - | - |
| 1.7073 | 70 | 0.1862 | - | - |
| 1.8293 | 75 | - | 0.0002 | 0.0839 |
| 1.9512 | 80 | 0.0917 | - | - |
| 2.1951 | 90 | 0.0855 | - | - |
| 2.4390 | 100 | 0.1282 | 0.0002 | 0.0868 |
| 2.6829 | 110 | 0.1329 | - | - |
| 2.9268 | 120 | 0.0627 | - | - |
| 3.0488 | 125 | - | 0.0002 | 0.0720 |
| 3.1707 | 130 | 0.0621 | - | - |
| 3.4146 | 140 | 0.0882 | - | - |
| **3.6585** | **150** | **0.1041** | **0.0002** | **0.069** |
| 3.9024 | 160 | 0.0564 | - | - |
| 4.1463 | 170 | 0.0515 | - | - |
| 4.2683 | 175 | - | 0.0001 | 0.0795 |
| 4.3902 | 180 | 0.0858 | - | - |
| 4.6341 | 190 | 0.082 | - | - |
| 4.8780 | 200 | 0.0431 | 0.0001 | 0.0725 |
| 5.1220 | 210 | 0.0482 | - | - |
| 5.3659 | 220 | 0.0643 | - | - |
| 5.4878 | 225 | - | 0.0001 | 0.0813 |
| 5.6098 | 230 | 0.0863 | - | - |
| 5.8537 | 240 | 0.041 | - | - |
| 6.0976 | 250 | 0.0446 | 0.0001 | 0.0724 |
| 6.3415 | 260 | 0.0594 | - | - |
| 6.5854 | 270 | 0.0705 | - | - |
| 6.7073 | 275 | - | 0.0001 | 0.0760 |
| 6.8293 | 280 | 0.0451 | - | - |
| 7.0732 | 290 | 0.0447 | - | - |
| 7.3171 | 300 | 0.0507 | 0.0001 | 0.0783 |
| 7.5610 | 310 | 0.0571 | - | - |
| 7.8049 | 320 | 0.0534 | - | - |
| 7.9268 | 325 | - | 0.0001 | 0.0787 |
| 8.0488 | 330 | 0.041 | - | - |
| 8.2927 | 340 | 0.0458 | - | - |
| 8.5366 | 350 | 0.0534 | 0.0001 | 0.0819 |
| 8.7805 | 360 | 0.0594 | - | - |
| 9.0244 | 370 | 0.0381 | - | - |
| 9.1463 | 375 | - | 0.0001 | 0.0815 |
| 9.2683 | 380 | 0.046 | - | - |
| 9.5122 | 390 | 0.0507 | - | - |
| 9.7561 | 400 | 0.0575 | 0.0001 | 0.0822 |
| 10.0 | 410 | 0.0372 | - | - |
* The bold row denotes the saved checkpoint.
### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 4.1.0
- Transformers: 4.51.3
- PyTorch: 2.7.0+cu126
- Accelerate: 1.6.0
- Datasets: 3.5.0
- Tokenizers: 0.21.1
## Citation
### BibTeX
#### Sentence Transformers
```bibtex
@inproceedings{reimers-2019-sentence-bert,
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
author = "Reimers, Nils and Gurevych, Iryna",
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
month = "11",
year = "2019",
publisher = "Association for Computational Linguistics",
url = "https://arxiv.org/abs/1908.10084",
}
```
#### MultipleNegativesRankingLoss
```bibtex
@misc{henderson2017efficient,
title={Efficient Natural Language Response Suggestion for Smart Reply},
author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
year={2017},
eprint={1705.00652},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
```
<!--
## Glossary
*Clearly define terms in order to be accessible across audiences.*
-->
<!--
## Model Card Authors
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
-->
<!--
## Model Card Contact
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
--> |