File size: 60,905 Bytes
efcf241 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 |
---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:41115
- loss:TripletLoss
base_model: intfloat/multilingual-e5-large
widget:
- source_sentence: 'query: Какое заверение требуется для разрешения Финансового управляющего
на снятие всех ограничений?'
sentences:
- 'passage: Выберите причину розыска?
Интересует компенсация по вкладам 1991 года
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).'
- "passage: При обращении клиента - банкрота для выполнения платежей по Плану реструктуризации\
\ долгов, он должен дополнительно предъявить: \n\n- Решение суда об утверждении\
\ Плана реструктуризации долгов;\n- Разрешение ФУ на снятие блокировок со счетов,\
\ отличных от Специального банковского счета (в случае необходимости)\n- Разрешение\
\ ФУ на снятие всех ограничений и возможность пользоваться всеми банковскими продуктами\
\ \n\n\n!!!!! Разрешение Финансового управляющего должно быть заверено личной\
\ подписью ФУ, копия удостоверена нотариусом (печать ФУ при наличии).\n\n\n\n\n\
Предоставлено разрешение ФУ на снятие всех ограничений \n\nДля снятия всех ограничений\
\ и для проведения платежей по \"Плану реструктуризации долгов\" необходимо\n\
Завести заявку через кнопку \"Решить вопрос клиента\" \n\nПо тематике: Банкротство\
\ ФЛ\n\nПрикрепить файлы сканов: \n - Решение АС о признании обоснованным заявления\
\ о признании гражданина банкротом и введения реструктуризации его долгов, \n\
\ + Решение АС об утверждении финансового управляющего (это может быть один документ),\
\ \n - Решение АС об утверждении Плана РД\n - Письменное разрешение/согласие финансового\
\ управляющего на снятие всех огранничений с продуктов должника с целью исполнения\
\ Плана РД. \n\n \nПосле снятия арестов, должник сам распоряжается счетами и\
\ выполняет операции согласно Плана реструктуризации долгов."
- "passage: Для снятия всех ограничений необходимо предоставить Решение АС о завершении/прекращении\
\ банкротства.\n\n\n* В решении арбитражного суда могут быть указаны следующие\
\ определения:\n\n- Завершена реализация имущества;\n- Прекращено банкротство\
\ (в том числе заключение мирового соглашения);\n- Завершено конкурсное производство.\n\
\nКлиент обратился впервые\n\nСотрудник запрашивает у клиента Решение суда о завершении/\
\ прекращении процедуры банкротства (Копию). \n\nЕсли по клиенту закончилась процедура\
\ реструктуризация долгов и клиент пользовался банковской картой в качестве специального\
\ банковского счета с ежемесячным лимитом 50 000.00, необходимо проверить наличие\
\ установленного по карте лимита в АС ФС, и при его наличии, убрать выставленный\
\ лимит."
- source_sentence: 'query: Каковы шаги для оформления заявки на разблокировку счета
в АС ''Сбердруг''?'
sentences:
- "passage: Проверить наличие ареста на счет, с которого необходимо произвести выдачу\n\
\n\nЕСТЬ АРЕСТ на счете\n\nОформить заявку в АС \"Сбердруг\" на разблокировку\
\ счета\n1.\tОткрыть Каталог –> \nОбслуживание клиентов –> \nОперационный центр\
\ –> \nСопровождение операций Физических лиц –>\nФЛ. Работа с операциями Банкротов,\
\ откроется шаблон заявки.\n2.\tЗаполнить поля шаблона заявки в соответствии:\
\ \nНомер ТБ: Номер ТБ, ведения счета \nВыберите тематику запроса: Взаимодействие\
\ с ВСП/ОСБ\nТип запроса: Разблокировка счетов\nТема запроса: Разблокировка счетов\
\ для выдачи наличных\nДалее указать:\nФИО банкрота - ФИО банкрота \nНомер счета\
\ - Номер счета/вклада \nОбратился - (выбор Банкрот/ ФУ)\nВид получения\
\ (выбор нарочно / почта)\nВнутренний клиент (указать фамилию сотрудника,\
\ который сможет отследить исполнение заявки в случае отсутствия сотрудника, зарегистрировавшего\
\ заявку) \nСообщение в случае необходимости\n\n\nПрикрепить файлы сканов: ДУЛ\
\ клиента+ иные документы\nи нажать зеленую кнопку \"ОТПРАВИТЬ\".\nЗапрос направлен\
\ на исполнение.\n\nОригиналы всех предоставленных и оформленных в процессе подготовки\
\ заявки документов остаются у клиента."
- 'passage: Кто обратился?
Вкладчик/Представитель вкладчика (полномочия подтверждены)
Выберите причину розыска?'
- "passage: Сотрудник формирует заявку в \"Сбердруг\" по шаблону:\nКаталог→\nОбслуживание\
\ клиентов –> \nОперационный центр –> \nСопровождение операций Физических лиц\
\ –>\nФЛ. Работа с операциями Банкротов, откроется шаблон заявки\n\nЗаполнить\
\ поля шаблона заявки в соответствии: \nНомер ТБ: Номер ТБ, ведения счета (Для\
\ более быстрой обработки заявки верно указывайте ТБ клиента)\nВыберите тематику\
\ запроса: Взаимодействие с ВСП/ОСБ\n\nТип запроса: Разблокировка счетов\nТема\
\ запроса: Завершение процедуры банкротства\n\nДалее указать:\nФИО банкрота -\
\ ФИО банкрота \nНомер счета - Номер счета/вклада \nОбратился - (выбор\
\ Банкрот/ ФУ) \nВид получения - (выбор нарочно / почта)\nСообщение\
\ заполнить в случае необходимости указания особенностей\n\nК заявке приложить\
\ скан-копии:\n - Определение арбитражного суда о прекращении/завершении банкротства\n\
\ - ДУЛ Клиента\nнажать зеленую кнопку \"ОТПРАВИТЬ\".\nЗапрос направлен на исполнение.\n\
\n\nПредупредить клиента, что мероприятия по снятию ограничений с продуктов будут\
\ выполнены в течении 7 рабочих дней.\nОригиналы предоставленных документов остаются\
\ у клиента.\n\n!!!!!ОБЯЗАТЕЛЬНО ВЫБРАТЬ ВЕРНУЮ ТЕМУ ЗАПРОСА!!!!! Тема запроса:\
\ Завершение процедуры банкротства\nЕсли выбрать тему запроса: разблокировка счета,\
\ счет может заблокировать повторно \n\n\nВ случае если блокирован СБОЛ клиента\
\ дополнительно\nСотрудник регистрирует обращение в СРМ Розничный\nВыбирает\n\
Тематика: Банкротство физического лица\nПодтематика: Проведение операций\
\ по счету банкрота (в том числа открытие/закрытие)\nВыбирает причину обращения:\
\ РАЗБЛОКИРОВКА личного кабинета СБОЛ банкрота/ Блокировка Мобильного банка. \n\
В обращении обязательно указывает Фамилию Имя Отчество банкрота, День рождения.\
\ \nВкладывает в обращение:\n - Определение арбитражного суда о прекращении/завершении\
\ банкротства\n - ДУЛ Клиента \nОтправляет в работу."
- source_sentence: 'query: Кто может выступать в качестве инициатора изменения контракта
согласно документу с memo_id 63368?'
sentences:
- 'query: Кто имеет право запросить изменение контракта согласно документу с memo_id
63368?'
- 'query: Когда можно изменить контракт согласно memo_id 63368?'
- 'query: Что необходимо отправить в ПЦП Центр комплаенс при подозрении на отмывание
денег?'
- source_sentence: 'query: Что нужно сделать, если клиент найден?'
sentences:
- 'query: Что делать, если произошел сбой в системе Сбол.про?'
- 'query: Какие шаги необходимо предпринять, если клиент обнаружен?'
- 'query: Что делать после того, как клиент найден?'
- source_sentence: 'query: Кто отвечает за подтверждение замены владельца номинального
счета?'
sentences:
- 'query: Кто должен дать согласие на смену владельца номинального счета?'
- 'query: Где можно установить индивидуальные лимиты по Детской СберКарте для законного
представителя?'
- 'query: Какой документ требуется для подтверждения личности клиента при смене
владельца номинального счета?'
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")
# Run inference
sentences = [
'query: Кто отвечает за подтверждение замены владельца номинального счета?',
'query: Кто должен дать согласие на смену владельца номинального счета?',
'query: Какой документ требуется для подтверждения личности клиента при смене владельца номинального счета?',
]
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: 33,406 training samples
* Columns: <code>query_1</code>, <code>query_2</code>, and <code>negative</code>
* Approximate statistics based on the first 1000 samples:
| | query_1 | query_2 | negative |
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 12 tokens</li><li>mean: 22.08 tokens</li><li>max: 42 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 21.77 tokens</li><li>max: 43 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 21.45 tokens</li><li>max: 39 tokens</li></ul> |
* Samples:
| query_1 | query_2 | negative |
|:-----------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------|
| <code>query: Какой телефон для отключения дневного расходного лимита для ребенка?</code> | <code>query: На какой номер нужно позвонить, чтобы снять лимит расходов на день для ребенка?</code> | <code>query: Как отключить лимиты по детской карте через мобильное приложение, если родитель хочет это сделать?</code> |
| <code>query: При каком условии можно выбрать возраст ребенка представительством?</code> | <code>query: При каких обстоятельствах можно определить возраст ребенка в представительстве?</code> | <code>query: Какой статус должен быть у представителя для определения возраста ребенка?</code> |
| <code>query: Какие бумаги нужны при обращении, если счет не удается найти?</code> | <code>query: Что требуется приложить к запросу, если счет отсутствует?</code> | <code>query: Что нужно предоставить для регистрации обращения, если счёт не обнаружен?</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
}
```
#### q2p_data
* Dataset: q2p_data
* Size: 7,709 training samples
* Columns: <code>query</code>, <code>chunk</code>, and <code>negative</code>
* Approximate statistics based on the first 1000 samples:
| | query | chunk | negative |
|:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 13 tokens</li><li>mean: 22.14 tokens</li><li>max: 40 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 162.33 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 129.72 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
| query | chunk | negative |
|:-----------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>query: Что такое ДУЛ законного представителя и зачем он нужен?</code> | <code>passage: Документы, необходимые для прикрепления законного представителя к подопечному (несовершеннолетнему от 14 до 18 лет):<br><br>Приемный родитель<br><br>ДУЛ законного представителя<br><br>Документ из органа опеки и попечительства о передаче ребенка в приемную семью</code> | <code>passage: Документы, необходимые для прикрепления законного представителя к подопечному (несовершеннолетнему от 14 до 18 лет):<br><br>Попечитель (физ. лицо)<br><br>ДУЛ законного представителя<br><br>Решение органа опеки и попечительства о назначении попечителя</code> |
| <code>query: Что требуется для получения выписки по счету вкладчика с ограниченной дееспособностью?</code> | <code>passage: Выписка по счету (вкладу) может быть выдана:<br><br>- Ограниченно дееспособный в силу пристрастия<br><br>-Доверенное лицо ограниченно дееспособного</code> | <code>passage: Кто обратился?<br><br>Вкладчик/Представитель вкладчика (полномочия подтверждены)<br><br>Выберите причину розыска?</code> |
| <code>query: Какие учредительные документы необходимы для государственного социального учреждения?</code> | <code>passage: Документ (распоряжение/приказ/акт/путевка) органа опеки и попечительства о помещении (передаче под надзор) несовершеннолетнего в государственную социальную организацию <br><br>Учредительные документы государственного социального учреждения (далее –учреждение)<br><br>Свидетельство о постановке на учет в налоговом органе учреждения<br><br>Выписка из Единого государственного реестра юридических лиц<br><br>Свидетельство о государственной регистрации учреждения<br><br>Документ (как правило, приказ) о назначении (избрании) единоличного исполнительного органа (директора) социального учреждения</code> | <code>passage: Документ (распоряжение/приказ/акт/путевка) органа опеки и попечительства о помещении (передаче под надзор) ограниченно дееспособного гражданина в государственную социальную организацию <br>Учредительные документы государственного социального учреждения (далее –учреждение)<br><br>Свидетельство о постановке на учет в налоговом органе учреждения<br><br>Выписка из Единого государственного реестра юридических лиц<br><br>Свидетельство о государственной регистрации учреждения<br><br>Документы об избрании (назначении) единоличного исполнительного органа</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 Datasets
#### q2q_data
* Dataset: q2q_data
* Size: 1,759 evaluation samples
* Columns: <code>query_1</code>, <code>query_2</code>, and <code>negative</code>
* Approximate statistics based on the first 1000 samples:
| | query_1 | query_2 | negative |
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 11 tokens</li><li>mean: 22.02 tokens</li><li>max: 40 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 21.69 tokens</li><li>max: 39 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 21.38 tokens</li><li>max: 37 tokens</li></ul> |
* Samples:
| query_1 | query_2 | negative |
|:---------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------|
| <code>query: Что необходимо сделать при получении отрицательного заключения?</code> | <code>query: Какие действия нужно предпринять после получения отрицательного ответа?</code> | <code>query: Какие шаги следует предпринять при получении негативного ответа после открытия счета?</code> |
| <code>query: Нужно ли согласовывать операцию с комплаенсом при переводе в СБОЛ.Про?</code> | <code>query: Обязательно ли получить согласие комплаенса для операции перевода в СБОЛ.Про?</code> | <code>query: Необходимо ли согласовывать перевод с комплаенсом в СБОЛ.Про?</code> |
| <code>query: Что появляется на экране после нажатия кнопки «Ребенок до 14 лет» или «Ребенок от 14 до 18 лет»?</code> | <code>query: Какой экран показывается после нажатия на кнопки «Ребенок до 14 лет» и «Ребенок от 14 до 18 лет»?</code> | <code>query: Каким лицам доступна выписка по счету несовершеннолетнего в возрасте от 14 до 18 лет?</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
}
```
#### q2p_data
* Dataset: q2p_data
* Size: 406 evaluation samples
* Columns: <code>query</code>, <code>chunk</code>, and <code>negative</code>
* Approximate statistics based on the first 406 samples:
| | query | chunk | negative |
|:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
| type | string | string | string |
| details | <ul><li>min: 13 tokens</li><li>mean: 22.26 tokens</li><li>max: 40 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 163.57 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 126.02 tokens</li><li>max: 512 tokens</li></ul> |
* Samples:
| query | chunk | negative |
|:----------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>query: Куда следует направить информацию, полученную для розыска?</code> | <code>passage: Выберите причину розыска?<br><br>Информация нужна для предоставления в Суд/в органы опеки/ др. гос органы<br><br>Зарегистрируй обращение в СРМ «Розничный». Приложи (при наличии) документы, подтверждающие .....</code> | <code>passage: Заполните информацию о подопечном</code> |
| <code>query: Кто может обратиться за открытием карты МИР без согласия Финансового управляющего?</code> | <code>passage: С каким вопросом обратился банкрот?<br><br>06. Открытие счета/вклада (отличного от Специального счета банкрота)<br><br>Банкрот в любой стадии банкротства может открыть самостоятельно в стандартном режиме без согласия Финансового управляющего следующие виды счетов: <br><br>- Номинальный счет для получения пособий на подопечного/ алиментов на ребенка без согласия своего финансового управляющего. <br><br>Любой другой счет может открыть только банкрот в стадии реструктуризация долгов, предоставив разрешение Финансового управляющего<br><br>!!!!!! при обращении МОБИЛИЗОВАННОГО (участник СВО) банкрота (в стадии РИ) для открытия и получения карты МИР для зачисления военного довольствия, открываем и выдаем карту МИР БЕЗ РАЗРЕШЕНИЯ ФУ</code> | <code>passage: Банкрот в любой стадии банкротства может открыть самостоятельно в стандартном режиме без согласия Финансового управляющего следующие виды счетов: <br><br>- Номинальный счет для получения пособий на подопечного/ алиментов на ребенка без согласия своего финансового управляющего. <br><br>Любой другой счет может открыть только банкрот в стадии реструктуризация долгов, предоставив разрешение Финансового управляющего<br><br>!!!!!! при обращении МОБИЛИЗОВАННОГО (участник СВО) банкрота (в стадии РИ) для открытия и получения карты МИР для зачисления военного довольствия, открываем и выдаем карту МИР БЕЗ РАЗРЕШЕНИЯ ФУ<br><br>Процедура банкротства Реструктуризация долгов<br><br>Клиент, признанный банкротом в стадии реструктуризация долгов имеет право без согласия Финансового управляющего открыть счета:<br>- Специальный счет банкрота с ежемесячным лимитом в 50 000.00<br>- Счет ГЖС (Счет ГЖС открывается в стандартном режиме, арест/ блокировка на счет ГЖС не накладывается). <br>При открытии любого другого счёта банкрот должен п...</code> |
| <code>query: Что должно быть на свидетельстве о рождении Украины для оформления Детской СберКарты?</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>18. Сколько изготавливается Детская СберКарта ?<br><br>Актуальные сроки выпуска карты размещены на сайте Банка: Детская СберКарт -> Тарифы -> Документы и ссылки</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>05. Бонусы Спасибо по Детской СберКарте<br><br>Выберите интересующий вопрос</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`: 36
- `learning_rate`: 1e-05
- `weight_decay`: 0.01
- `num_train_epochs`: 2
- `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`: 36
- `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`: 2
- `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
<details><summary>Click to expand</summary>
| Epoch | Step | Training Loss | q2q data loss | q2p data loss |
|:------:|:----:|:-------------:|:-------------:|:-------------:|
| 0.0175 | 10 | 4.957 | - | - |
| 0.0351 | 20 | 4.9467 | - | - |
| 0.0526 | 30 | 4.9452 | - | - |
| 0.0702 | 40 | 4.9325 | - | - |
| 0.0877 | 50 | 4.9056 | 4.8804 | 4.9222 |
| 0.1053 | 60 | 4.9041 | - | - |
| 0.1228 | 70 | 4.8866 | - | - |
| 0.1404 | 80 | 4.844 | - | - |
| 0.1579 | 90 | 4.8064 | - | - |
| 0.1754 | 100 | 4.8182 | 4.7243 | 4.8660 |
| 0.1930 | 110 | 4.7791 | - | - |
| 0.2105 | 120 | 4.7659 | - | - |
| 0.2281 | 130 | 4.7572 | - | - |
| 0.2456 | 140 | 4.7234 | - | - |
| 0.2632 | 150 | 4.726 | 4.6268 | 4.8712 |
| 0.2807 | 160 | 4.6932 | - | - |
| 0.2982 | 170 | 4.6654 | - | - |
| 0.3158 | 180 | 4.6776 | - | - |
| 0.3333 | 190 | 4.6617 | - | - |
| 0.3509 | 200 | 4.6928 | 4.5581 | 4.8814 |
| 0.3684 | 210 | 4.6497 | - | - |
| 0.3860 | 220 | 4.677 | - | - |
| 0.4035 | 230 | 4.6344 | - | - |
| 0.4211 | 240 | 4.6612 | - | - |
| 0.4386 | 250 | 4.6274 | 4.5154 | 4.8396 |
| 0.4561 | 260 | 4.6556 | - | - |
| 0.4737 | 270 | 4.6382 | - | - |
| 0.4912 | 280 | 4.6053 | - | - |
| 0.5088 | 290 | 4.6131 | - | - |
| 0.5263 | 300 | 4.6453 | 4.4957 | 4.8314 |
| 0.5439 | 310 | 4.5819 | - | - |
| 0.5614 | 320 | 4.5948 | - | - |
| 0.5789 | 330 | 4.5288 | - | - |
| 0.5965 | 340 | 4.6152 | - | - |
| 0.6140 | 350 | 4.5831 | 4.4657 | 4.7953 |
| 0.6316 | 360 | 4.5507 | - | - |
| 0.6491 | 370 | 4.5718 | - | - |
| 0.6667 | 380 | 4.6269 | - | - |
| 0.6842 | 390 | 4.6017 | - | - |
| 0.7018 | 400 | 4.5155 | 4.4396 | 4.7694 |
| 0.7193 | 410 | 4.5055 | - | - |
| 0.7368 | 420 | 4.534 | - | - |
| 0.7544 | 430 | 4.5358 | - | - |
| 0.7719 | 440 | 4.5443 | - | - |
| 0.7895 | 450 | 4.5309 | 4.4183 | 4.7751 |
| 0.8070 | 460 | 4.5952 | - | - |
| 0.8246 | 470 | 4.5561 | - | - |
| 0.8421 | 480 | 4.5191 | - | - |
| 0.8596 | 490 | 4.5066 | - | - |
| 0.8772 | 500 | 4.4875 | 4.4138 | 4.8195 |
| 0.8947 | 510 | 4.5051 | - | - |
| 0.9123 | 520 | 4.4872 | - | - |
| 0.9298 | 530 | 4.4918 | - | - |
| 0.9474 | 540 | 4.5357 | - | - |
| 0.9649 | 550 | 4.4898 | 4.3754 | 4.7799 |
| 0.9825 | 560 | 4.5742 | - | - |
| 1.0 | 570 | 4.5461 | - | - |
| 1.0175 | 580 | 4.5505 | - | - |
| 1.0351 | 590 | 4.5027 | - | - |
| 1.0526 | 600 | 4.5747 | 4.4060 | 4.7915 |
| 1.0702 | 610 | 4.5296 | - | - |
| 1.0877 | 620 | 4.4262 | - | - |
| 1.1053 | 630 | 4.5415 | - | - |
| 1.1228 | 640 | 4.5386 | - | - |
| 1.1404 | 650 | 4.4552 | 4.3632 | 4.8105 |
| 1.1579 | 660 | 4.4473 | - | - |
| 1.1754 | 670 | 4.5069 | - | - |
| 1.1930 | 680 | 4.5129 | - | - |
| 1.2105 | 690 | 4.4611 | - | - |
| 1.2281 | 700 | 4.5104 | 4.3530 | 4.7875 |
| 1.2456 | 710 | 4.4742 | - | - |
| 1.2632 | 720 | 4.4887 | - | - |
| 1.2807 | 730 | 4.406 | - | - |
| 1.2982 | 740 | 4.4049 | - | - |
| 1.3158 | 750 | 4.4165 | 4.3484 | 4.7866 |
| 1.3333 | 760 | 4.4274 | - | - |
| 1.3509 | 770 | 4.4855 | - | - |
| 1.3684 | 780 | 4.4571 | - | - |
| 1.3860 | 790 | 4.4307 | - | - |
| 1.4035 | 800 | 4.4387 | 4.3450 | 4.7628 |
| 1.4211 | 810 | 4.4592 | - | - |
| 1.4386 | 820 | 4.4368 | - | - |
| 1.4561 | 830 | 4.4863 | - | - |
| 1.4737 | 840 | 4.463 | - | - |
| 1.4912 | 850 | 4.4113 | 4.3252 | 4.7610 |
| 1.5088 | 860 | 4.4368 | - | - |
| 1.5263 | 870 | 4.4738 | - | - |
| 1.5439 | 880 | 4.4195 | - | - |
| 1.5614 | 890 | 4.4478 | - | - |
| 1.5789 | 900 | 4.3849 | 4.3140 | 4.7519 |
| 1.5965 | 910 | 4.4896 | - | - |
| 1.6140 | 920 | 4.4301 | - | - |
| 1.6316 | 930 | 4.4142 | - | - |
| 1.6491 | 940 | 4.4582 | - | - |
| 1.6667 | 950 | 4.5075 | 4.3189 | 4.7259 |
| 1.6842 | 960 | 4.4454 | - | - |
| 1.7018 | 970 | 4.3547 | - | - |
| 1.7193 | 980 | 4.4016 | - | - |
| 1.7368 | 990 | 4.4064 | - | - |
| 1.7544 | 1000 | 4.4356 | 4.3151 | 4.7276 |
| 1.7719 | 1010 | 4.4105 | - | - |
| 1.7895 | 1020 | 4.4067 | - | - |
| 1.8070 | 1030 | 4.4296 | - | - |
| 1.8246 | 1040 | 4.4147 | - | - |
| 1.8421 | 1050 | 4.3743 | 4.3136 | 4.7182 |
| 1.8596 | 1060 | 4.4065 | - | - |
| 1.8772 | 1070 | 4.4025 | - | - |
| 1.8947 | 1080 | 4.3912 | - | - |
| 1.9123 | 1090 | 4.3731 | - | - |
| 1.9298 | 1100 | 4.3817 | 4.3120 | 4.7357 |
| 1.9474 | 1110 | 4.4305 | - | - |
| 1.9649 | 1120 | 4.3914 | - | - |
| 1.9825 | 1130 | 4.4753 | - | - |
| 2.0 | 1140 | 4.4536 | - | - |
</details>
### 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",
}
```
#### 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.*
--> |