---
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)
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 1024 dimensions
- **Similarity Function:** Cosine Similarity
### 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]
```
## Training Details
### Training Dataset
#### Unnamed Dataset
* Size: 8,194 training samples
* Columns: anchor, positive, and task_type
* Approximate statistics based on the first 1000 samples:
| | anchor | positive | task_type |
|:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------|
| type | string | string | string |
| details | - min: 11 tokens
- mean: 22.23 tokens
- max: 42 tokens
| - min: 12 tokens
- mean: 163.34 tokens
- max: 512 tokens
| - min: 5 tokens
- mean: 5.0 tokens
- max: 5 tokens
|
* Samples:
| anchor | positive | task_type |
|:-------------------------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------|
| query: Как долго рассматривается решение по операции ПЦП в Центре комплаенса Московского Банка? | 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
16. Переводы по Детской СберКарте
Выберите интересующий вопрос | q2p |
| query: Гдеп осмотреть варианты офромления Дтеской СберКарты? | passage: Узнайте у клиента, кем является его подопечный
Недееспособным
Попросите предоставить клиента соответсвующие документы. После того, как документы были предъявлены, проверьте их, прожмите галочку "Документы предъявлены" и нажмите продолжить. | q2p |
| query: Какие сведения необходимо заполнить при добавлении подопечного? | passage: Обслуживание клиента Банка с определенной степенью дееспособности
(несовершеннолетний, недееспособный, ограниченный в дееспособности) | q2p |
* Loss: [MultipleNegativesRankingLoss](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: anchor, positive, and task_type
* Approximate statistics based on the first 432 samples:
| | anchor | positive | task_type |
|:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------|
| type | string | string | string |
| details | - min: 11 tokens
- mean: 22.46 tokens
- max: 38 tokens
| - min: 12 tokens
- mean: 148.38 tokens
- max: 512 tokens
| - min: 5 tokens
- mean: 5.0 tokens
- max: 5 tokens
|
* Samples:
| anchor | positive | task_type |
|:------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------|
| query: Кто имеет право подтвердить операцию при использовании второго указания? | passage: Клиент желает выполнить расход
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.
В случаях, когда в разрешении ФУ указана сумма, ПРЕВЫШАЮЩАЯ 50 000 рублей:
- выдачу копии разрешения ФУ
- разрешение ФУ, подписанного электронной подписью
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).
Клиент желает выполнить расход
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.
В случаях, когда в разрешении Ф... | q2p |
| query: Куда подаются заявления от вкладчиков по Федеральному закону от 23.12.2003 N 177-ФЗ? | 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
Есть ДПНП
Клиент хочет получить выплату наследства на основании ДПНП? | q2p |
| query: В каких можно выпустить или перевыпустить карту без согласования с ПЦП Центр комплаенс? | passage: Выберите интересующий вопрос
2. Как закрыть Детскую СберКарту в МП СБОЛ ?
Детскую СберКарту можно закрыть в МП СБОЛ, если на ней нет средств.
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. | q2p |
* Loss: [MultipleNegativesRankingLoss](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
Click to expand
- `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