Hugging Face's logo

George2002
/
sledopyt_embedder_with_neg

Sentence Similarity
sentence-transformers
Safetensors
xlm-roberta
feature-extraction
Generated from Trainer
dataset_size:66813
loss:TripletLoss
text-embeddings-inference
Model card Files
xet
Community

SentenceTransformer based on intfloat/multilingual-e5-large

This is a sentence-transformers model finetuned from 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
  • Maximum Sequence Length: 512 tokens
  • Output Dimensionality: 1024 dimensions
  • Similarity Function: Cosine Similarity
  • Training Datasets:
    • q2q_data
    • q2p_data

Model Sources

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:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("George2002/sledopyt_embedder")
# Run inference
sentences = [
    'query: Как должен выглядеть ярлык на Транспортной единице (ТЕ)?',
    'query: Где подается заявление на выплату вкладов Чеченского банка?',
    'query: Какие данные обязательно должны быть на ярлыке для Транспортной единицы?',
]
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 Datasets

q2q_data

  • Dataset: q2q_data
  • Size: 51,395 training samples
  • Columns: query_1, query_2, and negative
  • Approximate statistics based on the first 1000 samples:
    query_1 query_2 negative
    type string string string
    details
    • min: 11 tokens
    • mean: 21.21 tokens
    • max: 39 tokens
    • min: 11 tokens
    • mean: 21.15 tokens
    • max: 42 tokens
    • min: 11 tokens
    • mean: 20.91 tokens
    • max: 34 tokens
  • Samples:
    query_1 query_2 negative
    query: Какой статус имеет доверенное лицо, выполняющее операции по счетам другого клиента? query: Как поступить, если в списке опекаемых не хватает подопечного? query: Что доверенное лицо имеет право делать с счетами своего доверителя?
    query: Что становится с правами законного представителя, когда клиент достигает 18 лет? query: Как изменяются полномочия законного представителя после того, как клиент становится совершеннолетним? query: Когда заканчивается связь законного представителя с несовершеннолетним клиентом автоматом?
    query: С каким вопросом может обратиться банкрот в банк? query: Какие шаги предпринять, если банкрот не получил сумму по разрешению ФУ раньше? query: Что может спросить банкрот, когда обращается в банк?
  • Loss: TripletLoss with these parameters:
    {
    "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
    "triplet_margin": 5
}

q2p_data

  • Dataset: q2p_data
  • Size: 15,418 training samples
  • Columns: query, chunk, and negative
  • Approximate statistics based on the first 1000 samples:
    query chunk negative
    type string string string
    details
    • min: 11 tokens
    • mean: 21.46 tokens
    • max: 40 tokens
    • min: 12 tokens
    • mean: 159.46 tokens
    • max: 512 tokens
    • min: 12 tokens
    • mean: 139.38 tokens
    • max: 512 tokens
  • Samples:
    query chunk negative
    query: Кто может получить выписку по счету, если клиент ограниченно дееспособный из-за пристрастия? passage: Описание функционала во вложении ниже.

    Типичные вопросы по отображению молодёжных карт в МП СБОЛ родителя и ответы на них:

    02. В каком канале обслуживания родителю или законному представителю будут доступны карты ребенка 14-17 лет ?

    В мобильном приложении «СберБанк Онлайн» (iPhone/Android) версии не ниже 12.6.0. В web-версии СБОЛ данный функционал недоступен.    		 passage: Выписка по счету (вкладу) может быть выдана:

    - Ограниченно дееспособный в силу пристрастия

    -Доверенное лицо ограниченно дееспособного
    query: Как влияет стадия банкротства на арест или блокировку счетов ИБЦ и ГЖС? passage: С каким вопросом обратился банкрот?

    17. Открытие счета/ вклада на третье лицо, в том числе с внесением наличных

    Клиенту, в отношении которого введена процедура банкротства запрещено открывать счета и вносить денежные средства на имя третьего лица.    		 passage: В случае



    Получения наследства банкротом

    В случае, если Клиент, обратившийся за получением наследства при идентификации обнаружен в Стоп-Листе банкротов: 
    - сообщить клиенту, что у Банка есть информация о его банкротстве и он может получить только Выплату на достойные похороны
    - выплату наследства Банк осуществляет в зависимости от стадии банкротства:

    !!! Получить наследство и распоряжаться им самостоятельно клиент банкрот может только после завершения процедуры банкротства.

    Наследством банкрота в стадии реализация имущества распоряжается утвержденный для проведения процедуры финансовый управляющий.

    В этом случае

    Наследником в заявке на выплату через ОЦ заводим банкрота, выплата наследства перевеодится ему на счет.
    После выплаты, ФУ уже в рамках своих полномочий сможет этими ДС распорядиться.
    .
    query: Какой статус может быть, если связь не была успешно создана? 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

    14. Управление лимитами по Детской СберКарте

    Выберите интересующий вопрос    		 passage: Возможные ошибки:

    Связь не создана

    Техническая ошибка. Повторите операцию позже.
  • Loss: TripletLoss with these parameters:
    {
    "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
    "triplet_margin": 5
}

Evaluation Datasets

q2q_data

  • Dataset: q2q_data
  • Size: 2,705 evaluation samples
  • Columns: query_1, query_2, and negative
  • Approximate statistics based on the first 1000 samples:
    query_1 query_2 negative
    type string string string
    details
    • min: 11 tokens
    • mean: 21.08 tokens
    • max: 35 tokens
    • min: 11 tokens
    • mean: 21.2 tokens
    • max: 38 tokens
    • min: 11 tokens
    • mean: 20.98 tokens
    • max: 36 tokens
  • Samples:
    query_1 query_2 negative
    query: Какой тип документа следует выбрать для подтверждения полномочий попечителя в случае ограничения дееспособности? query: Какие суммы разрешены для использования на счете по Гражданскому кодексу РФ? query: Что подтверждает полномочия попечителя по отношению к ограниченно дееспособному клиенту?
    query: Когда клиент имеет право обратиться в банк для установки связи с подопечным? query: В каких ситуациях клиент может связаться с банком для оформления связи с подопечным? query: Какие бумаги необходимы законному представителю, чтобы установить контакт с подопечным?
    query: Что происходит с сохранением скана документа при редактировании? query: Какие шаги необходимо предпринять для перевыпуска или закрытия карты? query: Как обрабатывается скан-образ исполнительного документа после того, как его зарегистрировали?
  • Loss: TripletLoss with these parameters:
    {
    "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
    "triplet_margin": 5
}

q2p_data

  • Dataset: q2p_data
  • Size: 812 evaluation samples
  • Columns: query, chunk, and negative
  • Approximate statistics based on the first 812 samples:
    query chunk negative
    type string string string
    details
    • min: 11 tokens
    • mean: 21.33 tokens
    • max: 33 tokens
    • min: 12 tokens
    • mean: 162.98 tokens
    • max: 512 tokens
    • min: 12 tokens
    • mean: 131.49 tokens
    • max: 512 tokens
  • Samples:
    query chunk negative
    query: Что нужно сделать на экране 'Подтверждение полномочий'? passage: Осторожно! Это может быть мошенник!

    Информирует ФУ:

    "В Банке нет сведений о банкротстве клиента. Вы опубликовали факт о начале процедуры банкротства гражданина?"

    ДА

    Информирует ФУ:
    "Банку требуется провести дополнительную проверку. Она займет 1 рабочий день. Прошу обратиться в любое отделение Банка для выполнения операции через один рабочий день."    		 passage: Выберите способ подтверждения операции

    С помощью СМС

    Попросите клиента ввести код из смс на терминале
    query: Какие операции может выполнять Доверенное лицо клиента - банкрота в стадии 'Реализация имущества'? passage: Срок исполнения задачи 1 рабочий день. Договоритесь о встрече с Клиентом не ранее, чем на следующий рабочий день.

    Подробная инструкция по ссылке ниже

    Заявка исполнена

    Если получен отказ, проинформируйте Клиента при обращении.
    Если получены документы для открытия счета, перейдите к следующему шагу- отправка подготовленных документов для открытия счета    		 passage: Полномочия по доверенности, выданной Финансовым управляющим ограничены и зависят от действующей процедуры банкротства.

    По доверенности ФУ, выданной по счетам клиента, признанного банкротом в стадии Реструктуризация долгов, возможны следующие операции (если они указаны в доверенности):
    - Получение справок выписок по счетам/вкладам банкрота;

    По доверенности ФУ, выданной по счетам клиента, признанного банкротом в стадии Реализация имущества, возможны следующие операции (если они указаны в доверенности):
    - Получение справок выписок по счетам/вкладам банкрота;
    - Открытие/ закрытие счетов на имя банкрота, , в том числе заключение ДБО (только в АС ФС);;
    - Приходные операции;
    - Расходные операции;
    query: Что нужно сделать после выбора курьера с доверенностью для открытия счета? passage: Кто обратился для выполнения операции?

    1. Финансовый управляющий/ Конкурсный управляющий

    Финансовый управляющий (далее – ФУ), назначается Арбитражным судом для контроля проведения процедуры "Реструктуризации долгов" или проведения процедуры "Реализации имущества" гражданина.

    !!!! Конкурсный управляющий назначается Арбитражным судом для проведения процедуры "Конкурсное производство" гражданина, признанного банкротом категории Крестьянское фермерское хозяйство (далее КФХ). Для проведения процедуры банкротства управляющего направляем в отделение по обслуживанию юридических лиц, так как введена процедура, характерная для проведения процедур банкротства юр.лиц.

    Финансовый управляющий может выполнить операции по всем счетам банкрота (кроме номинального счета) в зависимости от введенной процедуры банкротства:

    Реструктуризация долгов:
    - Получение справок выписок по счетам/вкладам банкрота;
    - Выдача разрешений на проведение банкротом операций по своим счетам.

    Реализация имуще...    		 passage: Выберите способ подтверждения операции

    С помощью карты


    Попросите клиента приложить карту к терминалу
  • Loss: TripletLoss with these parameters:
    {
    "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
    "triplet_margin": 5
}

Training Hyperparameters

Non-Default Hyperparameters

  • eval_strategy: steps
  • per_device_train_batch_size: 32
  • learning_rate: 1e-05
  • weight_decay: 0.01
  • 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: 32
  • 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: 3
  • 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

Training Logs

Click to expand
Epoch Step Training Loss q2q data loss q2p data loss
0.0096 10 5.0879 - -
0.0192 20 5.1046 - -
0.0288 30 5.0837 - -
0.0384 40 5.0778 - -
0.0479 50 5.0643 5.0714 5.0469
0.0575 60 5.0424 - -
0.0671 70 5.0255 - -
0.0767 80 5.0099 - -
0.0863 90 5.0063 - -
0.0959 100 5.0033 5.0147 5.0005
0.1055 110 5.003 - -
0.1151 120 4.9967 - -
0.1246 130 4.998 - -
0.1342 140 5.0012 - -
0.1438 150 4.9989 5.0095 4.9424
0.1534 160 4.9908 - -
0.1630 170 4.9735 - -
0.1726 180 4.9965 - -
0.1822 190 4.9825 - -
0.1918 200 4.9514 5.0074 4.8744
0.2013 210 4.9521 - -
0.2109 220 4.968 - -
0.2205 230 4.96 - -
0.2301 240 4.9758 - -
0.2397 250 4.9834 5.0065 4.8428
0.2493 260 4.9273 - -
0.2589 270 4.9796 - -
0.2685 280 4.9517 - -
0.2780 290 4.9763 - -
0.2876 300 4.9372 5.0056 4.8253
0.2972 310 4.9325 - -
0.3068 320 4.9477 - -
0.3164 330 4.9455 - -
0.3260 340 4.9258 - -
0.3356 350 4.9799 5.0045 4.8434
0.3452 360 4.9791 - -
0.3547 370 4.9437 - -
0.3643 380 4.9873 - -
0.3739 390 4.9425 - -
0.3835 400 4.9837 5.0043 4.8419
0.3931 410 5.0006 - -
0.4027 420 4.9831 - -
0.4123 430 4.9531 - -
0.4219 440 4.9856 - -
0.4314 450 4.8996 5.0056 4.8652
0.4410 460 4.9467 - -
0.4506 470 4.9724 - -
0.4602 480 4.9797 - -
0.4698 490 4.9735 - -
0.4794 500 4.8765 5.0036 4.8457
0.4890 510 4.9136 - -
0.4986 520 4.9688 - -
0.5081 530 4.9436 - -
0.5177 540 5.0017 - -
0.5273 550 4.9867 5.0043 4.8609
0.5369 560 4.9716 - -
0.5465 570 4.9338 - -
0.5561 580 4.9975 - -
0.5657 590 4.9485 - -
0.5753 600 4.8959 5.0026 4.7809
0.5849 610 4.9769 - -
0.5944 620 4.9407 - -
0.6040 630 4.9941 - -
0.6136 640 4.976 - -
0.6232 650 4.986 5.0030 4.8102
0.6328 660 4.94 - -
0.6424 670 4.9917 - -
0.6520 680 4.9938 - -
0.6616 690 4.9373 - -
0.6711 700 5.0235 5.0321 4.8794
0.6807 710 4.939 - -
0.6903 720 4.9682 - -
0.6999 730 4.9813 - -
0.7095 740 4.9442 - -
0.7191 750 4.9354 5.0024 4.8053
0.7287 760 4.9105 - -
0.7383 770 4.9271 - -
0.7478 780 4.9476 - -
0.7574 790 4.8887 - -
0.7670 800 4.9576 5.0020 4.7397
0.7766 810 4.9577 - -
0.7862 820 4.8974 - -
0.7958 830 5.0033 - -
0.8054 840 4.976 - -
0.8150 850 4.9915 5.0422 4.9367
0.8245 860 4.9856 - -
0.8341 870 4.9566 - -
0.8437 880 4.8738 - -
0.8533 890 4.9258 - -
0.8629 900 4.9118 5.0033 4.7945
0.8725 910 4.9782 - -
0.8821 920 4.8659 - -
0.8917 930 4.9197 - -
0.9012 940 4.9281 - -
0.9108 950 4.9427 5.0021 4.7857
0.9204 960 4.8966 - -
0.9300 970 4.9657 - -
0.9396 980 4.9597 - -
0.9492 990 4.9627 - -
0.9588 1000 4.8603 5.0017 4.8015
0.9684 1010 4.9817 - -
0.9779 1020 4.813 - -
0.9875 1030 4.9688 - -
0.9971 1040 4.9802 - -
1.0067 1050 4.8651 5.0015 4.7961
1.0163 1060 4.9286 - -
1.0259 1070 4.9124 - -
1.0355 1080 4.9927 - -
1.0451 1090 4.9769 - -
1.0547 1100 5.0158 5.0046 5.1203
1.0642 1110 5.0234 - -
1.0738 1120 4.9903 - -
1.0834 1130 5.008 - -
1.0930 1140 4.9987 - -
1.1026 1150 5.0091 5.0155 5.1031
1.1122 1160 5.0562 - -
1.1218 1170 5.0129 - -
1.1314 1180 5.0033 - -
1.1409 1190 4.9961 - -
1.1505 1200 4.988 5.0005 5.0025
1.1601 1210 4.9687 - -
1.1697 1220 4.9824 - -
1.1793 1230 4.9955 - -
1.1889 1240 4.9943 - -
1.1985 1250 5.0552 5.0002 5.0005
1.2081 1260 5.0073 - -
1.2176 1270 4.9928 - -
1.2272 1280 5.0183 - -
1.2368 1290 4.9932 - -
1.2464 1300 4.9737 5.0003 5.0018
1.2560 1310 5.012 - -
1.2656 1320 5.0138 - -
1.2752 1330 5.0107 - -
1.2848 1340 5.0226 - -
1.2943 1350 4.9827 5.0009 5.0021
1.3039 1360 5.0089 - -
1.3135 1370 4.9869 - -
1.3231 1380 5.0178 - -
1.3327 1390 5.0038 - -
1.3423 1400 4.9761 5.0003 5.0008
1.3519 1410 5.0025 - -
1.3615 1420 4.9973 - -
1.3710 1430 4.9911 - -
1.3806 1440 5.0088 - -
1.3902 1450 4.986 5.0001 5.0005
1.3998 1460 5.0025 - -
1.4094 1470 4.9907 - -
1.4190 1480 5.0012 - -
1.4286 1490 4.9928 - -
1.4382 1500 4.9955 5.0002 5.0006
1.4477 1510 4.9952 - -
1.4573 1520 4.9875 - -
1.4669 1530 5.0027 - -
1.4765 1540 4.963 - -
1.4861 1550 4.9662 5.0016 5.0061
1.4957 1560 4.9284 - -
1.5053 1570 4.9773 - -
1.5149 1580 5.0154 - -
1.5244 1590 4.9956 - -
1.5340 1600 5.0147 5.0152 5.0622
1.5436 1610 5.0216 - -
1.5532 1620 5.0276 - -
1.5628 1630 5.0115 - -
1.5724 1640 4.9836 - -
1.5820 1650 5.0171 5.0001 5.0022
1.5916 1660 5.0266 - -
1.6012 1670 4.9617 - -
1.6107 1680 4.9691 - -
1.6203 1690 5.0004 - -
1.6299 1700 5.0173 5.0399 5.0408
1.6395 1710 4.9824 - -
1.6491 1720 5.0099 - -
1.6587 1730 5.003 - -
1.6683 1740 5.0039 - -
1.6779 1750 5.0031 5.0021 5.0106
1.6874 1760 4.9992 - -
1.6970 1770 4.9997 - -
1.7066 1780 4.9999 - -
1.7162 1790 5.0022 - -
1.7258 1800 4.9988 5.0017 5.0100
1.7354 1810 4.9987 - -
1.7450 1820 5.0029 - -
1.7546 1830 4.9949 - -
1.7641 1840 4.999 - -
1.7737 1850 5.0017 5.0033 4.9873
1.7833 1860 4.9866 - -
1.7929 1870 4.9976 - -
1.8025 1880 4.9784 - -
1.8121 1890 4.9824 - -
1.8217 1900 4.9945 5.0142 5.1557
1.8313 1910 4.9445 - -
1.8408 1920 4.9477 - -
1.8504 1930 5.0047 - -
1.8600 1940 4.9307 - -
1.8696 1950 4.9634 5.0023 4.8261
1.8792 1960 4.9791 - -
1.8888 1970 4.9792 - -
1.8984 1980 4.9041 - -
1.9080 1990 4.9349 - -
1.9175 2000 4.8942 5.0013 4.7501
1.9271 2010 4.9871 - -
1.9367 2020 4.9631 - -
1.9463 2030 4.9604 - -
1.9559 2040 4.9346 - -
1.9655 2050 4.9398 5.0012 4.7617
1.9751 2060 4.9262 - -
1.9847 2070 4.9505 - -
1.9942 2080 4.9667 - -
2.0038 2090 4.8763 - -
2.0134 2100 4.9116 5.0010 4.7720
2.0230 2110 4.9367 - -
2.0326 2120 4.9546 - -
2.0422 2130 4.9743 - -
2.0518 2140 4.9795 - -
2.0614 2150 4.9647 5.0010 4.7732
2.0709 2160 4.9856 - -
2.0805 2170 4.9553 - -
2.0901 2180 4.9479 - -
2.0997 2190 4.9672 - -
2.1093 2200 4.9645 5.0011 4.7576
2.1189 2210 4.9299 - -
2.1285 2220 4.9777 - -
2.1381 2230 4.94 - -
2.1477 2240 4.978 - -
2.1572 2250 4.968 4.9994 4.7557
2.1668 2260 4.9512 - -
2.1764 2270 4.9539 - -
2.1860 2280 4.9508 - -
2.1956 2290 4.8871 - -
2.2052 2300 4.909 5.0010 4.7444
2.2148 2310 4.9587 - -
2.2244 2320 4.8956 - -
2.2339 2330 4.9891 - -
2.2435 2340 4.8795 - -
2.2531 2350 4.887 5.0010 4.7448
2.2627 2360 4.9723 - -
2.2723 2370 4.8967 - -
2.2819 2380 4.8975 - -
2.2915 2390 4.9177 - -
2.3011 2400 4.9272 5.0010 4.7287
2.3106 2410 4.9283 - -
2.3202 2420 4.9061 - -
2.3298 2430 4.9279 - -
2.3394 2440 4.9856 - -
2.3490 2450 4.8988 5.0010 4.7268
2.3586 2460 4.9269 - -
2.3682 2470 4.9318 - -
2.3778 2480 4.8814 - -
2.3873 2490 4.9912 - -
2.3969 2500 4.9226 5.0009 4.7197
2.4065 2510 4.9437 - -
2.4161 2520 4.9553 - -
2.4257 2530 4.9355 - -
2.4353 2540 4.9063 - -
2.4449 2550 4.9095 4.9973 4.7481
2.4545 2560 4.9624 - -
2.4640 2570 4.9731 - -
2.4736 2580 4.9156 - -
2.4832 2590 4.8714 - -
2.4928 2600 4.9532 5.0009 4.7327
2.5024 2610 4.9196 - -
2.5120 2620 4.9477 - -
2.5216 2630 4.9725 - -
2.5312 2640 4.9483 - -
2.5407 2650 4.9124 5.0008 4.7752
2.5503 2660 4.9056 - -
2.5599 2670 4.9396 - -
2.5695 2680 4.9472 - -
2.5791 2690 4.9322 - -
2.5887 2700 4.9147 5.0008 4.7360
2.5983 2710 4.9511 - -
2.6079 2720 4.9229 - -
2.6174 2730 4.9207 - -
2.6270 2740 4.9695 - -
2.6366 2750 4.8886 5.0008 4.7616
2.6462 2760 4.9878 - -
2.6558 2770 4.9647 - -
2.6654 2780 4.9552 - -
2.6750 2790 5.0171 - -
2.6846 2800 4.9379 5.0008 4.7563
2.6942 2810 4.9727 - -
2.7037 2820 4.9798 - -
2.7133 2830 4.9726 - -
2.7229 2840 4.956 - -
2.7325 2850 4.9512 5.0007 4.7669
2.7421 2860 4.9705 - -
2.7517 2870 4.8603 - -
2.7613 2880 4.9764 - -
2.7709 2890 4.9187 - -
2.7804 2900 4.8941 5.0008 4.7311
2.7900 2910 4.9592 - -
2.7996 2920 4.9141 - -
2.8092 2930 4.9198 - -
2.8188 2940 5.0112 - -
2.8284 2950 4.9778 5.0007 4.7333
2.8380 2960 4.8999 - -
2.8476 2970 4.9223 - -
2.8571 2980 4.9369 - -
2.8667 2990 4.8722 - -
2.8763 3000 4.9299 5.0008 4.7280
2.8859 3010 4.8457 - -
2.8955 3020 4.8864 - -
2.9051 3030 4.882 - -
2.9147 3040 4.8897 - -
2.9243 3050 4.9663 5.0007 4.7238
2.9338 3060 4.946 - -
2.9434 3070 4.9555 - -
2.9530 3080 4.9005 - -
2.9626 3090 4.9097 - -
2.9722 3100 4.924 5.0007 4.7231
2.9818 3110 4.8929 - -
2.9914 3120 4.93 - -

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 

@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 

@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}
}
Downloads last month
1
Safetensors
Model size
0.6B params
Tensor type
F32
·
Inference Providers NEW
Sentence Similarity
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for George2002/sledopyt_embedder_with_neg

Base model

intfloat/multilingual-e5-large
Finetuned
(143)
this model

Papers for George2002/sledopyt_embedder_with_neg