File size: 40,704 Bytes
b52bbba | 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 | ---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:8194
- loss:MultipleNegativesRankingLoss
base_model: intfloat/multilingual-e5-large
widget:
- source_sentence: 'query: Что необходимо знать о распоряжении, касающемся ограничений
на денежные средства корпоративных клиентов?'
sentences:
- "passage: Проверить наличие ареста на счете, с которого необходимо произвести\
\ выдачу?\n\n\nНа счете НЕТ ареста\n\nПеред проведением операции сформировать\
\ выписку по счету банкрота за период, (историю операций по карточному счету)\
\ в котором должник может получить указанную в разрешении ФУ сумму, убедится,\
\ что сумма не получена. \nТак как ФУ и банкрот по карточным счетам обслуживаются\
\ под банкротом в случае наличия расходной операции по счету, связаться с ФУ для\
\ уточнения - кому была выдана сумма. \nЕсли по каким то причинам банкрот не получил\
\ положенную ему по разрешению ФУ сумму в прошлом периоде, ее можно выдать одновременно\
\ при обращении в текущем месяце. \n\nПри обращении клиента в отделение, отличное\
\ от места заведения заявки на разблокировку, проверить:\n - Снятие ареста со\
\ счета\n - Историю операций по карточному счёту (выписку по вкладному/текущему\
\ счету), на предмет отсутствия выдачи денежных средств, указанных в разрегении\
\ ФУ в других ДО.\nПри выполнении обоих условий осуществить расходную операцию\
\ по счёту."
- "passage: Выберите тип счет, с которого необходимо перевести денежные средства\n\
\nВкладной счет\n\nПод ролью \"Финансовый управляющий\" проводит частичную выдачу\
\ с выбранного счета.\n\nОформляет перевод (по России)/ перевода в пределах ПАО\
\ Сбербанк (ПДВ). \nПри оформлении перевода обязательно указать данные отправителя,\
\ что он является Финансовым управляющим. В назначении платежа указать, что денежные\
\ средства являются прожиточным минимумом банкрота."
- q2p
- source_sentence: 'query: Что может делать доверенное лицо банка клиента, находящегося
на стадии «Реализация имущества»?'
sentences:
- 'passage: ВНИМАНИЕ !
С 23 октября 2023г. в МП СБОЛ станет доступным заказ Детской СберКарты по свидетельству
о рождении Украины со штампом о гражданстве РФ.
Для получения Детской СберКарты в офисе банка необходимо будет предоставить нотариально
заверенное удостоверение перевода на русский язык свидетельства о рождении Украины
со штампом о гражданстве РФ.
Типичные вопросы по Детской СберКарте и ответы на них
12. Услуга СМС-информирование по Детской СберКарте
Выберите интересующий вопрос'
- "passage: Описание функционала во вложении ниже.\n\nТипичные вопросы по отображению\
\ молодёжных карт в МП СБОЛ родителя и ответы на них:\n\n07. Что законный представитель\
\ увидит и сможет сделать в карте ребенка 14-17 лет ? \n\nСуществуют следующие\
\ возможности:"
- q2p
- source_sentence: 'query: Что можно сделать с картой, если требуется ее перевыпуск
или закрытие?'
sentences:
- q2p
- "passage: Право распоряжения средствами на счете согласно требованиям ГК РФ (п.2\
\ ст. 26, п.1 ст.37)\n\n\n1. Суммы:\n- заработка, \n-стипендии, \n-пособия по\
\ безработице,\n-денежных средств в виде материальной поддержки (например, «Денежная\
\ компенсация питание, проезд»), \n-премий, присужденных за победу в олимпиадах,\
\ конкурсах и иных мероприятиях, в том числе спортивных, \n-сумм, перечисленных\
\ (за исключением перевода на счет банковской карты**) либо внесенных наличными\
\ самим несовершеннолетним,\n-причисленные проценты по вкладу,\n-сумм доходов\
\ от личной деятельности несовершеннолетнего в качестве «самозанятого», где источником\
\ дохода будет являться его творческий, физический труд, обучение (репетиторство),\
\ навыки, мастерство. (Порядок выдачи ДС со вклада/счета «самозанятого» НСШ от\
\ 14 до 18 лет во вложении).\n\n\nнесовершеннолетний распоряжается самостоятельно\
\ (не требуется разрешение органа опеки и попечительства и согласие законного\
\ представителя)"
- 'passage: Выберите интересующий вопрос
Как перевыпустить Детскую СберКарту ?
Законному представителю в МП СБОЛ нужно выбрать Детскую СберКарту в списке карт
→ Настройки → Перевыпустить.
Карта будет перевыпущена в дизайне, который предусмотрен для Детских СберКарт
в момент перевыпуска.
Стоимость перевыпуска составляет 150 рублей (согласно Тарифам Банка).'
- source_sentence: 'query: Какие требования нужно соаблюдать, чтоубы получить выплаты
по наследству в случае долговой реструктуризации?'
sentences:
- 'passage: Выберите интересующий вопрос
1. Зачем подключают СМС-информирование для Детской СберКарты ?
Для того, чтобы Ребёнок получал переводы на карту на его номер телефона, коды
для подтверждения покупок в Интернете и уведомления по каждой операции по карте.
Если Законный представитель желает получать уведомления об операциях Ребёнка на
свой номер телефона, тогда ему необходимо подключить услугу "Совместные уведомления"
к Детской СберКарте.'
- 'passage: ВНИМАНИЕ !
С 23 октября 2023г. в МП СБОЛ станет доступным заказ Детской СберКарты по свидетельству
о рождении Украины со штампом о гражданстве РФ.
Для получения Детской СберКарты в офисе банка необходимо будет предоставить нотариально
заверенное удостоверение перевода на русский язык свидетельства о рождении Украины
со штампом о гражданстве РФ.
Типичные вопросы по Детской СберКарте и ответы на них
10. Закрытие Детской СберКарты
Выберите интересующий вопрос'
- q2p
- source_sentence: 'query: в общем-то Какие бумаги нужно показать для получения перевода
клиенту-банкроту?'
sentences:
- "passage: ВНИМАНИЕ !\nС 23 октября 2023г. в МП СБОЛ станет доступным заказ Детской\
\ СберКарты по свидетельству о рождении Украины со штампом о гражданстве РФ.\n\
Для получения Детской СберКарты в офисе банка необходимо будет предоставить нотариально\
\ заверенное удостоверение перевода на русский язык свидетельства о рождении Украины\
\ со штампом о гражданстве РФ.\n\n\n\n\n\nТипичные вопросы по Детской СберКарте\
\ и ответы на них\n\n02. Выдача Детской СберКарты\n\nПри выдаче Детской СберКарты\
\ всегда проверяйте правильность оформления документов, сверяйте данные, указанные\
\ в Заявлении на получение карты, с данными документа, удостоверяющего личность.\
\ \nВажно! Обращайте внимание на возраст ребёнка – он должен быть от 6 до 13 лет\
\ (включительно) на момент получения Детской СберКарты в офисе Банка.\n\nВыберите\
\ интересующий вопрос"
- q2p
- 'passage: С какой потребностью обратился клиент?
Открыть счет по заранее заполненному заявлению
Выберите кто предоставил заполненное заявление о присоединении'
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). 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 Dataset:** Unknown -->
<!-- - **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")
# Run inference
sentences = [
'query: в общем-то Какие бумаги нужно показать для получения перевода клиенту-банкроту?',
'passage: ВНИМАНИЕ !\nС 23 октября 2023г. в МП СБОЛ станет доступным заказ Детской СберКарты по свидетельству о рождении Украины со штампом о гражданстве РФ.\nДля получения Детской СберКарты в офисе банка необходимо будет предоставить нотариально заверенное удостоверение перевода на русский язык свидетельства о рождении Украины со штампом о гражданстве РФ.\n\n\n\n\n\nТипичные вопросы по Детской СберКарте и ответы на них\n\n02. Выдача Детской СберКарты\n\nПри выдаче Детской СберКарты всегда проверяйте правильность оформления документов, сверяйте данные, указанные в Заявлении на получение карты, с данными документа, удостоверяющего личность. \nВажно! Обращайте внимание на возраст ребёнка – он должен быть от 6 до 13 лет (включительно) на момент получения Детской СберКарты в офисе Банка.\n\nВыберите интересующий вопрос',
'q2p',
]
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 Dataset
#### Unnamed Dataset
* Size: 8,194 training samples
* Columns: <code>anchor</code>, <code>positive</code>, and <code>task_type</code>
* Approximate statistics based on the first 1000 samples:
| | anchor | positive | task_type |
|:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 11 tokens</li><li>mean: 22.23 tokens</li><li>max: 42 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 163.34 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 5 tokens</li><li>mean: 5.0 tokens</li><li>max: 5 tokens</li></ul> |
* Samples:
| anchor | positive | task_type |
|:-------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------|
| <code>query: Как долго рассматривается решение по операции ПЦП в Центре комплаенса Московского Банка?</code> | <code>passage: ВНИМАНИЕ !<br>С 23 октября 2023г. в МП СБОЛ станет доступным заказ Детской СберКарты по свидетельству о рождении Украины со штампом о гражданстве РФ.<br>Для получения Детской СберКарты в офисе банка необходимо будет предоставить нотариально заверенное удостоверение перевода на русский язык свидетельства о рождении Украины со штампом о гражданстве РФ.<br><br><br><br><br><br>Типичные вопросы по Детской СберКарте и ответы на них<br><br>16. Переводы по Детской СберКарте<br><br>Выберите интересующий вопрос</code> | <code>q2p</code> |
| <code>query: Гдеп осмотреть варианты офромления Дтеской СберКарты?</code> | <code>passage: Узнайте у клиента, кем является его подопечный<br><br>Недееспособным<br><br>Попросите предоставить клиента соответсвующие документы. После того, как документы были предъявлены, проверьте их, прожмите галочку "Документы предъявлены" и нажмите продолжить.</code> | <code>q2p</code> |
| <code>query: Какие сведения необходимо заполнить при добавлении подопечного?</code> | <code>passage: Обслуживание клиента Банка с определенной степенью дееспособности<br>(несовершеннолетний, недееспособный, ограниченный в дееспособности)</code> | <code>q2p</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 Dataset
#### Unnamed Dataset
* Size: 432 evaluation samples
* Columns: <code>anchor</code>, <code>positive</code>, and <code>task_type</code>
* Approximate statistics based on the first 432 samples:
| | anchor | positive | task_type |
|:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 11 tokens</li><li>mean: 22.46 tokens</li><li>max: 38 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 148.38 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 5 tokens</li><li>mean: 5.0 tokens</li><li>max: 5 tokens</li></ul> |
* Samples:
| anchor | positive | task_type |
|:------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------|
| <code>query: Кто имеет право подтвердить операцию при использовании второго указания?</code> | <code>passage: Клиент желает выполнить расход <br><br>Если в разрешении ФУ указана сумма в размере 50 000 рублей денежные средства можно выдавать по КОПИИ разрешения ФУ/ по разрешению ФУ, подписанному электронной подписью, так как эти средства положены должнику по закону. <br>В случаях, когда в разрешении ФУ указана сумма, ПРЕВЫШАЮЩАЯ 50 000 рублей:<br> - выдачу копии разрешения ФУ <br> - разрешение ФУ, подписанного электронной подписью <br>необходимо проверить у ФУ по телефону (при наличии телефона ФУ в разрешении)/ требовать оригинал разрешения ФУ, предложить порядок предоставления оригинала разрешения на получение ДС в любое отделение банка с указанием отделения получения ДС банкротом (порядок описан в последнем абзаце шага).<br><br>Клиент желает выполнить расход <br><br>Если в разрешении ФУ указана сумма в размере 50 000 рублей денежные средства можно выдавать по КОПИИ разрешения ФУ/ по разрешению ФУ, подписанному электронной подписью, так как эти средства положены должнику по закону. <br>В случаях, когда в разрешении Ф...</code> | <code>q2p</code> |
| <code>query: Куда подаются заявления от вкладчиков по Федеральному закону от 23.12.2003 N 177-ФЗ?</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>Есть ДПНП <br><br>Клиент хочет получить выплату наследства на основании ДПНП?</code> | <code>q2p</code> |
| <code>query: В каких можно выпустить или перевыпустить карту без согласования с ПЦП Центр комплаенс?</code> | <code>passage: Выберите интересующий вопрос<br><br>2. Как закрыть Детскую СберКарту в МП СБОЛ ?<br><br>Детскую СберКарту можно закрыть в МП СБОЛ, если на ней нет средств.<br>Для этого Законному представителю нужно выбрать карту Ребёнка в списке карт, затем перейти в пункт «Настройки» → «Закрыть» → подтвердить операцию. Карта немедленно заблокируется, а счет закроется автоматический через 30 дней.</code> | <code>q2p</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
- `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
- `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 | Validation Loss |
|:------:|:----:|:-------------:|:---------------:|
| 0.1562 | 10 | 4.4544 | - |
| 0.3125 | 20 | 4.2972 | - |
| 0.3906 | 25 | - | 2.1215 |
| 0.4688 | 30 | 4.2058 | - |
| 0.625 | 40 | 4.1676 | - |
| 0.7812 | 50 | 4.1589 | 2.0754 |
| 0.9375 | 60 | 4.1537 | - |
| 1.0938 | 70 | 4.1414 | - |
| 1.1719 | 75 | - | 2.0523 |
| 1.25 | 80 | 4.1134 | - |
| 1.4062 | 90 | 4.0985 | - |
| 1.5625 | 100 | 4.0703 | 2.0018 |
| 1.7188 | 110 | 4.0612 | - |
| 1.875 | 120 | 4.0258 | - |
| 1.9531 | 125 | - | 1.9405 |
| 2.0312 | 130 | 3.9457 | - |
| 2.1875 | 140 | 3.8651 | - |
| 2.3438 | 150 | 3.7917 | 1.8741 |
| 2.5 | 160 | 3.6884 | - |
| 2.6562 | 170 | 3.6679 | - |
| 2.7344 | 175 | - | 1.7795 |
| 2.8125 | 180 | 3.6507 | - |
| 2.9688 | 190 | 3.5815 | - |
| 3.125 | 200 | 3.3862 | 1.6903 |
| 3.2812 | 210 | 3.3398 | - |
| 3.4375 | 220 | 3.23 | - |
| 3.5156 | 225 | - | 1.6646 |
| 3.5938 | 230 | 3.2616 | - |
| 3.75 | 240 | 3.1892 | - |
| 3.9062 | 250 | 3.1402 | 1.5480 |
| 4.0625 | 260 | 3.0188 | - |
| 4.2188 | 270 | 2.8433 | - |
| 4.2969 | 275 | - | 1.4929 |
| 4.375 | 280 | 2.8547 | - |
| 4.5312 | 290 | 2.8257 | - |
| 4.6875 | 300 | 2.7926 | 1.4208 |
| 4.8438 | 310 | 2.8348 | - |
| 5.0 | 320 | 2.7752 | - |
| 5.0781 | 325 | - | 1.3631 |
| 5.1562 | 330 | 2.5492 | - |
| 5.3125 | 340 | 2.5594 | - |
| 5.4688 | 350 | 2.5388 | 1.3001 |
| 5.625 | 360 | 2.4945 | - |
| 5.7812 | 370 | 2.4622 | - |
| 5.8594 | 375 | - | 1.2738 |
| 5.9375 | 380 | 2.4739 | - |
| 6.0938 | 390 | 2.3813 | - |
| 6.25 | 400 | 2.25 | 1.2204 |
| 6.4062 | 410 | 2.3371 | - |
| 6.5625 | 420 | 2.2495 | - |
| 6.6406 | 425 | - | 1.1891 |
| 6.7188 | 430 | 2.2528 | - |
| 6.875 | 440 | 2.2632 | - |
| 7.0312 | 450 | 2.1912 | 1.1430 |
| 7.1875 | 460 | 2.0829 | - |
| 7.3438 | 470 | 2.0772 | - |
| 7.4219 | 475 | - | 1.1309 |
| 7.5 | 480 | 2.0683 | - |
| 7.6562 | 490 | 2.1433 | - |
| 7.8125 | 500 | 2.1272 | 1.1044 |
| 7.9688 | 510 | 2.0564 | - |
| 8.125 | 520 | 1.9743 | - |
| 8.2031 | 525 | - | 1.0847 |
| 8.2812 | 530 | 1.9884 | - |
| 8.4375 | 540 | 1.9915 | - |
| 8.5938 | 550 | 2.007 | 1.0686 |
| 8.75 | 560 | 1.9727 | - |
| 8.9062 | 570 | 1.9395 | - |
| 8.9844 | 575 | - | 1.0611 |
| 9.0625 | 580 | 1.9538 | - |
| 9.2188 | 590 | 1.9069 | - |
| 9.375 | 600 | 1.8768 | 1.0467 |
| 9.5312 | 610 | 1.8875 | - |
| 9.6875 | 620 | 1.8867 | - |
| 9.7656 | 625 | - | 1.0414 |
| 9.8438 | 630 | 1.846 | - |
| 10.0 | 640 | 1.9162 | - |
### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 4.1.0
- Transformers: 4.51.3
- PyTorch: 2.6.0+cu124
- 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.*
--> |