| --- |
| tags: |
| - sentence-transformers |
| - sentence-similarity |
| - feature-extraction |
| - dense |
| - generated_from_trainer |
| - dataset_size:16399 |
| - loss:MultipleNegativesRankingLoss |
| base_model: vinai/phobert-base-v2 |
| widget: |
| - source_sentence: Khi điều_chỉnh quy_hoạch mạng_lưới đường_bộ , cần tuân_thủ những |
| nguyên_tắc nào ? |
| sentences: |
| - '[ Nghị_định 168 _ 2024 _ NĐ-CP ] > Chương II > Điều 7 . Xử_phạt , trừ điểm giấy_phép |
| lái của người điều_khiển xe mô_tô , xe_gắn_máy , các loại xe tương_tự xe mô_tô |
| và các loại xe tương_tự xe_gắn_máy vi_phạm quy_tắc giao_thông đường_bộ Theo Khoản |
| 13 : Ngoài việc bị áp_dụng hình_thức xử_phạt , người điều_khiển xe thực_hiện hành_vi |
| vi_phạm còn bị trừ điểm giấy_phép lái_xe như sau : Nội_dung Điểm d : Thực_hiện |
| hành_vi quy_định tại điểm b khoản 8 , khoản 10 Điều này bị trừ điểm giấy_phép |
| lái_xe 10 điểm .' |
| - '[ Nghị_định 168 _ 2024 _ NĐ-CP ] > Chương II > Điều 21 . Xử_phạt , trừ điểm giấy_phép |
| lái_xe của người điều_khiển xe ô_tô tải , máy_kéo ( bao_gồm cả rơ moóc hoặc sơ_mi |
| rơ moóc được kéo_theo ) và các loại xe tương_tự xe ô_tô vận_chuyển hàng_hoá vi_phạm |
| quy_định về bảo_đảm trật_tự , an_toàn giao_thông đường_bộ với xe ô_tô vận_chuyển |
| hàng_hoá Nội_dung Khoản 4 : Phạt tiền từ 2.000.000 đồng đến 3.000.000 đồng đối_với |
| người điều_khiển xe thực_hiện hành_vi chở hàng vượt quá chiều cao xếp_hàng cho_phép |
| đối_với xe ô_tô tải ( kể_cả rơ moóc và sơ_mi rơ moóc ) .' |
| - '[ Luật Đường_bộ ] > Chương I > Điều 5 . Quy_hoạch mạng_lưới đường_bộ , quy_hoạch |
| kết_cấu_hạ_tầng đường_bộ Theo Khoản 1 : Quy_hoạch mạng_lưới đường_bộ được quy_định |
| như sau : Nội_dung Điểm b : Việc lập , thẩm_định , phê_duyệt , điều_chỉnh quy_hoạch |
| mạng_lưới đường_bộ phải tuân_thủ quy_định của pháp_luật về quy_hoạch và bảo_đảm |
| kết_nối phương_thức vận_tải đường_bộ với các phương_thức vận_tải khác ;' |
| - source_sentence: Hạn chót để đầu_tư công_trình kiểm_soát tải_trọng xe trên các tuyến |
| đường_cao_tốc do doanh_nghiệp nhà_nước đầu_tư là khi nào ? |
| sentences: |
| - '[ Thông_tư 35 _ 2024 _ TT-BGTVT ] > Chương II > Điều 63 . Cơ_sở đào_tạo Theo |
| Khoản 1 : Đối_với công_tác đào_tạo lái_xe Nội_dung Điểm i : Tổ_chức kiểm_tra môn_học |
| : người đứng đầu cơ_sở đào_tạo lái_xe căn_cứ nội_dung kiểm_tra quy_định tại khoản |
| 4 Điều 6 , khoản 4 Điều 7 và khoản 4 Điều 8 Thông_tư này xây dựng quy_trình kiểm_tra |
| ;' |
| - '[ Nghị_định 165 _ 2024 _ NĐ-CP ] > Chương_VI > Điều 55 . Lộ_trình đầu_tư xây_dựng |
| đối_với đường_cao_tốc chưa đáp_ứng tiêu_chuẩn , quy_chuẩn kỹ_thuật theo khoản |
| 1 Điều 45 Luật Đường_bộ , đường gom , đường bên , Trung_tâm quản_lý , điều_hành |
| giao_thông tuyến đường_cao_tốc , công_trình kiểm_soát tải_trọng xe , hệ_thống |
| thu phí điện_tử không dừng Theo Khoản 3 : Đối_với Trung_tâm quản_lý , điều_hành |
| giao_thông tuyến đường_cao_tốc , công_trình kiểm_soát tải_trọng xe Nội_dung Điểm |
| a : Đối_với dự_án đường_bộ cao_tốc đầu_tư theo hình_thức đầu_tư công và đường_cao_tốc |
| do doanh_nghiệp nhà_nước đầu_tư : trường_hợp dự_án cân_đối được nguồn vốn để đầu_tư |
| các hạng_mục trên thì tổ_chức thực_hiện đầu_tư trước ngày 31 tháng 12 năm 2027 |
| . Trường_hợp dự_án không cân_đối được nguồn vốn để đầu_tư , chủ đầu_tư hoặc người_quản_lý |
| , sử_dụng đường_cao_tốc báo_cáo cấp có thẩm_quyền bố_trí vốn đầu_tư để đầu_tư |
| , bảo_đảm khai_thác an_toàn ;' |
| - '[ Nghị_định 158 _ 2024 _ NĐ-CP ] > Chương II > Điều 25 . Quy_định đối_với vận_tải |
| hàng_hoá nội_bộ bằng xe ô_tô Theo Khoản 1 : Xe ô_tô vận_tải hàng_hoá nội_bộ Nội_dung |
| Điểm a : Xe ô_tô phải đáp_ứng các điều_kiện tham_gia giao_thông theo quy_định |
| tại khoản 1 Điều 35 , khoản 1 , khoản 2 và khoản 3 Điều 40 của Luật Trật_tự , |
| an_toàn giao_thông đường_bộ ; phải có dây an_toàn tại vị_trí ghế_ngồi , có hướng_dẫn |
| về an_toàn giao_thông và thoát hiểm khi xảy ra sự_cố trên xe ;' |
| - source_sentence: Nếu các văn_bản pháp_luật được viện_dẫn trong Nghị_định 165/2024/NĐ-CP |
| bị thay thế thì tôi phải áp_dụng theo văn_bản nào ? |
| sentences: |
| - '[ Nghị_định 168 _ 2024 _ NĐ-CP ] > Chương II > Điều 18 . Xử_phạt , trừ điểm giấy_phép |
| lái_xe các hành_vi vi_phạm quy_định về điều_kiện của người điều_khiển xe_cơ_giới |
| Theo Khoản 3 : Phạt tiền từ 300.000 đồng đến 400.000 đồng đối_với một trong các |
| hành_vi vi_phạm sau đây : Nội_dung Điểm a : Người điều_khiển xe ô_tô , xe chở |
| người bốn bánh có gắn động_cơ , xe chở hàng bốn bánh có gắn động_cơ và các loại |
| xe tương_tự xe ô_tô kinh_doanh vận_tải không mang theo giấy_phép lái_xe , trừ |
| hành_vi vi_phạm quy_định tại điểm c khoản 8 Điều này ;' |
| - '[ Thông_tư 12 _ 2025 _ TT-BCA ] > Chương II > Điều 16 . Hồ_sơ dự sát_hạch lái_xe |
| Theo Khoản 3 : Hồ_sơ đề_nghị sát_hạch cấp giấy_phép lái_xe do quá thời_hạn sử_dụng |
| , do giấy_phép lái_xe mất và quá thời_hạn sử_dụng của cá_nhân nộp tại Phòng Cảnh_sát |
| giao_thông Nội_dung Điểm d : Giấy khám sức_khoẻ của người lái_xe do cơ_sở khám |
| bệnh , chữa bệnh đủ tiêu_chuẩn theo quy_định của pháp_luật về khám bệnh , chữa |
| bệnh cấp còn hiệu_lực ;' |
| - '[ Nghị_định 165 _ 2024 _ NĐ-CP ] > Chương_IX > Điều 68 . Hiệu_lực thi_hành Nội_dung |
| Khoản 2 : Trường_hợp các văn_bản quy_phạm_pháp_luật được viện_dẫn tại Nghị_định |
| này được sửa_đổi , bổ_sung , thay thế thì áp_dụng theo các quy_định tại các văn_bản |
| quy_phạm_pháp_luật sửa_đổi , bổ_sung , thay_thế đó .' |
| - source_sentence: Cơ_quan nào cần thống_nhất với Bộ Giao_thông vận_tải trước khi |
| mở tuyến xe_buýt tại khu_vực cảng_hàng_không ? |
| sentences: |
| - '[ Luật Đường_bộ ] > Chương_IV > Điều 58 . Quyền và nghĩa_vụ của đơn_vị kinh_doanh |
| vận_tải hành_khách bằng xe ô_tô Theo Khoản 2 : Đơn_vị kinh_doanh vận_tải hành_khách |
| bằng xe ô_tô có các nghĩa_vụ sau đây : Nội_dung Điểm d : Bồi_thường thiệt_hại |
| do người lao_động , người đại_diện của đơn_vị kinh_doanh vận_tải hành_khách bằng |
| xe ô_tô gây ra trong quá_trình vận_tải theo quy_định của pháp_luật ;' |
| - '[ Nghị_định 158 _ 2024 _ NĐ-CP ] > Chương_IV > Điều 73 . Uỷ_ban_nhân_dân cấp |
| tỉnh Nội_dung Khoản 2 : Phối_hợp với Uỷ_ban_nhân_dân cấp tỉnh có tuyến xe_buýt |
| đi qua để thống_nhất thực_hiện các nhiệm_vụ nêu tại khoản 3 Điều 5 của Nghị_định |
| này . Thống_nhất với Bộ Giao_thông vận_tải trước khi mở tuyến xe_buýt có điểm |
| đầu hoặc điểm cuối nằm trong khu_vực cảng_hàng_không .' |
| - '[ Nghị_định 165 _ 2024 _ NĐ-CP ] > Chương_V > Điều 41 . Cấp lại chứng_chỉ thẩm_tra_viên |
| an_toàn giao_thông đường_bộ Nội_dung Khoản 4 : Chứng_chỉ cấp lại có thời_hạn theo |
| thời_hạn của chứng_chỉ đã cấp .' |
| - source_sentence: Tôi lái_xe không giữ khoảng_cách an_toàn dẫn đến va_chạm với xe |
| phía trước thì bị xử_phạt như_thế_nào ? |
| sentences: |
| - '[ Thông_tư 38 _ 2024 _ TT-BGTVT ] > Chương I > Điều 2 . Đối_tượng áp_dụng Nội_dung |
| : Thông_tư này áp_dụng đối_với người lái_xe , người điều_khiển xe_máy chuyên_dùng |
| và tổ_chức , cá_nhân liên_quan đến quản_lý và thực_hiện các quy_định về tốc_độ |
| thiết_kế , tốc_độ khai_thác của đường_bộ và khoảng_cách an_toàn của xe_cơ_giới |
| , xe_máy chuyên_dùng khi tham_gia giao_thông trên đường_bộ .' |
| - '[ Nghị_định 168 _ 2024 _ NĐ-CP ] > Chương II > Điều 18 . Xử_phạt , trừ điểm giấy_phép |
| lái_xe các hành_vi vi_phạm quy_định về điều_kiện của người điều_khiển xe_cơ_giới |
| Nội_dung Khoản 6 : Phạt tiền từ 4.000.000 đồng đến 6.000.000 đồng đối_với người |
| từ đủ 16 tuổi đến dưới 18 tuổi điều_khiển xe ô_tô , xe chở người bốn bánh có gắn |
| động_cơ , xe chở hàng bốn bánh có gắn động_cơ và các loại xe tương_tự xe ô_tô |
| .' |
| - '[ Nghị_định 168 _ 2024 _ NĐ-CP ] > Chương II > Điều 6 . Xử_phạt , trừ điểm giấy_phép |
| lái_xe của người điều_khiển xe ô_tô , xe chở người bốn bánh có gắn động_cơ , xe |
| chở hàng bốn bánh có gắn động_cơ và các loại xe tương_tự xe ô_tô vi_phạm quy_tắc |
| giao_thông đường_bộ Theo Khoản 4 : Phạt tiền từ 2.000.000 đồng đến 3.000.000 đồng |
| đối_với người điều_khiển xe thực_hiện một trong các hành_vi vi_phạm sau đây : |
| Nội_dung Điểm l : Không giữ khoảng_cách an_toàn để xảy ra va_chạm với xe chạy |
| liền trước hoặc không giữ khoảng_cách theo quy_định của biển_báo hiệu “ Cự_ly |
| tối_thiểu giữa hai xe ” , trừ các hành_vi vi_phạm quy_định tại điểm d khoản 5 |
| Điều này .' |
| pipeline_tag: sentence-similarity |
| library_name: sentence-transformers |
| metrics: |
| - cosine_accuracy@1 |
| - cosine_accuracy@3 |
| - cosine_accuracy@5 |
| - cosine_accuracy@10 |
| - cosine_precision@1 |
| - cosine_precision@3 |
| - cosine_precision@5 |
| - cosine_precision@10 |
| - cosine_recall@1 |
| - cosine_recall@3 |
| - cosine_recall@5 |
| - cosine_recall@10 |
| - cosine_ndcg@10 |
| - cosine_mrr@10 |
| - cosine_map@100 |
| model-index: |
| - name: SentenceTransformer based on vinai/phobert-base-v2 |
| results: |
| - task: |
| type: information-retrieval |
| name: Information Retrieval |
| dataset: |
| name: bi eval |
| type: bi_eval |
| metrics: |
| - type: cosine_accuracy@1 |
| value: 0.22984092155787164 |
| name: Cosine Accuracy@1 |
| - type: cosine_accuracy@3 |
| value: 0.5874931431705979 |
| name: Cosine Accuracy@3 |
| - type: cosine_accuracy@5 |
| value: 0.6889742183214481 |
| name: Cosine Accuracy@5 |
| - type: cosine_accuracy@10 |
| value: 0.7942951179374658 |
| name: Cosine Accuracy@10 |
| - type: cosine_precision@1 |
| value: 0.22984092155787164 |
| name: Cosine Precision@1 |
| - type: cosine_precision@3 |
| value: 0.19583104772353263 |
| name: Cosine Precision@3 |
| - type: cosine_precision@5 |
| value: 0.13779484366428962 |
| name: Cosine Precision@5 |
| - type: cosine_precision@10 |
| value: 0.07942951179374658 |
| name: Cosine Precision@10 |
| - type: cosine_recall@1 |
| value: 0.22984092155787164 |
| name: Cosine Recall@1 |
| - type: cosine_recall@3 |
| value: 0.5874931431705979 |
| name: Cosine Recall@3 |
| - type: cosine_recall@5 |
| value: 0.6889742183214481 |
| name: Cosine Recall@5 |
| - type: cosine_recall@10 |
| value: 0.7942951179374658 |
| name: Cosine Recall@10 |
| - type: cosine_ndcg@10 |
| value: 0.5121922323159882 |
| name: Cosine Ndcg@10 |
| - type: cosine_mrr@10 |
| value: 0.42142312950047534 |
| name: Cosine Mrr@10 |
| - type: cosine_map@100 |
| value: 0.4289544134167863 |
| name: Cosine Map@100 |
| --- |
| |
| # SentenceTransformer based on vinai/phobert-base-v2 |
|
|
| This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2). It maps sentences & paragraphs to a 768-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:** [vinai/phobert-base-v2](https://huggingface.co/vinai/phobert-base-v2) <!-- at revision e2375d266bdf39c6e8e9a87af16a5da3190b0cc8 --> |
| - **Maximum Sequence Length:** 256 tokens |
| - **Output Dimensionality:** 768 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/huggingface/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': 256, 'do_lower_case': False, 'architecture': 'RobertaModel'}) |
| (1): Pooling({'word_embedding_dimension': 768, '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}) |
| ) |
| ``` |
|
|
| ## 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("HiImHa/phobert-bi-encoder") |
| # Run inference |
| sentences = [ |
| 'Tôi lái_xe không giữ khoảng_cách an_toàn dẫn đến va_chạm với xe phía trước thì bị xử_phạt như_thế_nào ?', |
| '[ Nghị_định 168 _ 2024 _ NĐ-CP ] > Chương II > Điều 6 . Xử_phạt , trừ điểm giấy_phép lái_xe của người điều_khiển xe ô_tô , xe chở người bốn bánh có gắn động_cơ , xe chở hàng bốn bánh có gắn động_cơ và các loại xe tương_tự xe ô_tô vi_phạm quy_tắc giao_thông đường_bộ Theo Khoản 4 : Phạt tiền từ 2.000.000 đồng đến 3.000.000 đồng đối_với người điều_khiển xe thực_hiện một trong các hành_vi vi_phạm sau đây : Nội_dung Điểm l : Không giữ khoảng_cách an_toàn để xảy ra va_chạm với xe chạy liền trước hoặc không giữ khoảng_cách theo quy_định của biển_báo hiệu “ Cự_ly tối_thiểu giữa hai xe ” , trừ các hành_vi vi_phạm quy_định tại điểm d khoản 5 Điều này .', |
| '[ Thông_tư 38 _ 2024 _ TT-BGTVT ] > Chương I > Điều 2 . Đối_tượng áp_dụng Nội_dung : Thông_tư này áp_dụng đối_với người lái_xe , người điều_khiển xe_máy chuyên_dùng và tổ_chức , cá_nhân liên_quan đến quản_lý và thực_hiện các quy_định về tốc_độ thiết_kế , tốc_độ khai_thác của đường_bộ và khoảng_cách an_toàn của xe_cơ_giới , xe_máy chuyên_dùng khi tham_gia giao_thông trên đường_bộ .', |
| ] |
| embeddings = model.encode(sentences) |
| print(embeddings.shape) |
| # [3, 768] |
| |
| # Get the similarity scores for the embeddings |
| similarities = model.similarity(embeddings, embeddings) |
| print(similarities) |
| # tensor([[1.0000, 0.8185, 0.1573], |
| # [0.8185, 1.0000, 0.1459], |
| # [0.1573, 0.1459, 1.0000]]) |
| ``` |
|
|
| <!-- |
| ### 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.* |
| --> |
|
|
| ## Evaluation |
|
|
| ### Metrics |
|
|
| #### Information Retrieval |
|
|
| * Dataset: `bi_eval` |
| * Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) |
|
|
| | Metric | Value | |
| |:--------------------|:-----------| |
| | cosine_accuracy@1 | 0.2298 | |
| | cosine_accuracy@3 | 0.5875 | |
| | cosine_accuracy@5 | 0.689 | |
| | cosine_accuracy@10 | 0.7943 | |
| | cosine_precision@1 | 0.2298 | |
| | cosine_precision@3 | 0.1958 | |
| | cosine_precision@5 | 0.1378 | |
| | cosine_precision@10 | 0.0794 | |
| | cosine_recall@1 | 0.2298 | |
| | cosine_recall@3 | 0.5875 | |
| | cosine_recall@5 | 0.689 | |
| | cosine_recall@10 | 0.7943 | |
| | **cosine_ndcg@10** | **0.5122** | |
| | cosine_mrr@10 | 0.4214 | |
| | cosine_map@100 | 0.429 | |
| |
| <!-- |
| ## 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: 16,399 training samples |
| * Columns: <code>sentence_0</code> and <code>sentence_1</code> |
| * Approximate statistics based on the first 1000 samples: |
| | | sentence_0 | sentence_1 | |
| |:--------|:----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------| |
| | type | string | string | |
| | details | <ul><li>min: 10 tokens</li><li>mean: 19.8 tokens</li><li>max: 36 tokens</li></ul> | <ul><li>min: 29 tokens</li><li>mean: 88.98 tokens</li><li>max: 250 tokens</li></ul> | |
| * Samples: |
| | sentence_0 | sentence_1 | |
| |:----------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
| | <code>Những hành_vi nào của người được chở trên xe mô_tô , xe_gắn_máy bị xử_phạt từ 400.000 đến 600.000 đồng ?</code> | <code>[ Nghị_định 168 _ 2024 _ NĐ-CP ] > Chương II > Điều 12 . Xử_phạt , trừ điểm giấy_phép lái_xe các hành_vi vi_phạm khác về quy_tắc giao_thông đường_bộ ; sử_dụng lòng_đường , vỉa_hè vào mục_đích khác Theo Khoản 5 : Phạt tiền từ 400.000 đồng đến 600.000 đồng đối_với người được chở trên xe mô_tô , xe_gắn_máy , các loại xe tương_tự xe mô_tô , các loại xe tương_tự xe_gắn_máy thực_hiện một trong các hành_vi vi_phạm sau đây : Nội_dung Điểm a : Bám , kéo , đẩy xe khác , vật khác , dẫn_dắt vật_nuôi , mang vác vật cồng_kềnh , đứng trên yên , giá đèo_hàng hoặc ngồi trên tay_lái của xe ;</code> | |
| | <code>Tổng quãng đường đào_tạo thực_hành mà tôi phải đi khi nâng hạng từ B lên C là bao_nhiêu kilomet ?</code> | <code>[ Thông_tư 35 _ 2024 _ TT-BGTVT ] > Chương I > Điều 8 . Đào_tạo nâng hạng giấy_phép lái_xe Theo Khoản 1 : Khối_lượng chương_trình và phân_bổ thời_gian đào_tạo tối_thiểu : Chi_tiết bảng ( Dòng 10 ) : SỐ TT : 3 \| NỘI_DUNG : Tổng quãng đường đào_tạo thực_hành của 01 học_viên \| ĐƠN_VỊ TÍNH : km \| HẠNG GIẤY_PHÉP LÁI_XE - B lên C 1 : 120 \| HẠNG GIẤY_PHÉP LÁI_XE - B lên C : 240 \| HẠNG GIẤY_PHÉP LÁI_XE - B lên D 1 : 380 \| HẠNG GIẤY_PHÉP LÁI_XE - B lên D 2 : 380 \| HẠNG GIẤY_PHÉP LÁI_XE - B lên BE : 240</code> | |
| | <code>Chi_phí để lập phương_án tổ_chức giao_thông cho một dự_án đường_cao_tốc mới được tính vào đâu ?</code> | <code>[ Nghị_định 165 _ 2024 _ NĐ-CP ] > Chương_IV > Điều 26 . Lập , thẩm_định , phê_duyệt phương_án tổ_chức giao_thông trước khi đưa đường_cao_tốc vào khai_thác , phê_duyệt điều_chỉnh , bổ_sung phương_án tổ_chức giao_thông đường_cao_tốc trong thời_gian khai_thác Nội_dung Khoản 5 : Chi_phí lập phương_án tổ_chức giao_thông được tính trong chi_phí tư_vấn thiết_kế khi đầu_tư xây_dựng công_trình đường_cao_tốc ; chi_phí khảo_sát , lập phương_án tổ_chức giao_thông điều_chỉnh khi đường_cao_tốc đã đưa vào khai_thác được tính trong chi_phí quản_lý , vận_hành , khai_thác và bảo_trì đường_cao_tốc .</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", |
| "gather_across_devices": false |
| } |
| ``` |
| |
| ### Training Hyperparameters |
| #### Non-Default Hyperparameters |
| |
| - `per_device_train_batch_size`: 32 |
| - `per_device_eval_batch_size`: 32 |
| - `num_train_epochs`: 5 |
| - `multi_dataset_batch_sampler`: round_robin |
| |
| #### All Hyperparameters |
| <details><summary>Click to expand</summary> |
| |
| - `do_predict`: False |
| - `eval_strategy`: no |
| - `prediction_loss_only`: True |
| - `per_device_train_batch_size`: 32 |
| - `per_device_eval_batch_size`: 32 |
| - `gradient_accumulation_steps`: 1 |
| - `eval_accumulation_steps`: None |
| - `torch_empty_cache_steps`: None |
| - `learning_rate`: 5e-05 |
| - `weight_decay`: 0.0 |
| - `adam_beta1`: 0.9 |
| - `adam_beta2`: 0.999 |
| - `adam_epsilon`: 1e-08 |
| - `max_grad_norm`: 1 |
| - `num_train_epochs`: 5 |
| - `max_steps`: -1 |
| - `lr_scheduler_type`: linear |
| - `lr_scheduler_kwargs`: None |
| - `warmup_ratio`: None |
| - `warmup_steps`: 0 |
| - `log_level`: passive |
| - `log_level_replica`: warning |
| - `log_on_each_node`: True |
| - `logging_nan_inf_filter`: True |
| - `enable_jit_checkpoint`: False |
| - `save_on_each_node`: False |
| - `save_only_model`: False |
| - `restore_callback_states_from_checkpoint`: False |
| - `use_cpu`: False |
| - `seed`: 42 |
| - `data_seed`: None |
| - `bf16`: False |
| - `fp16`: False |
| - `bf16_full_eval`: False |
| - `fp16_full_eval`: False |
| - `tf32`: None |
| - `local_rank`: -1 |
| - `ddp_backend`: None |
| - `debug`: [] |
| - `dataloader_drop_last`: False |
| - `dataloader_num_workers`: 0 |
| - `dataloader_prefetch_factor`: None |
| - `disable_tqdm`: False |
| - `remove_unused_columns`: True |
| - `label_names`: None |
| - `load_best_model_at_end`: False |
| - `ignore_data_skip`: False |
| - `fsdp`: [] |
| - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False} |
| - `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None} |
| - `parallelism_config`: None |
| - `deepspeed`: None |
| - `label_smoothing_factor`: 0.0 |
| - `optim`: adamw_torch_fused |
| - `optim_args`: None |
| - `group_by_length`: False |
| - `length_column_name`: length |
| - `project`: huggingface |
| - `trackio_space_id`: trackio |
| - `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 |
| - `push_to_hub`: False |
| - `resume_from_checkpoint`: None |
| - `hub_model_id`: None |
| - `hub_strategy`: every_save |
| - `hub_private_repo`: None |
| - `hub_always_push`: False |
| - `hub_revision`: None |
| - `gradient_checkpointing`: False |
| - `gradient_checkpointing_kwargs`: None |
| - `include_for_metrics`: [] |
| - `eval_do_concat_batches`: True |
| - `auto_find_batch_size`: False |
| - `full_determinism`: False |
| - `ddp_timeout`: 1800 |
| - `torch_compile`: False |
| - `torch_compile_backend`: None |
| - `torch_compile_mode`: None |
| - `include_num_input_tokens_seen`: no |
| - `neftune_noise_alpha`: None |
| - `optim_target_modules`: None |
| - `batch_eval_metrics`: False |
| - `eval_on_start`: False |
| - `use_liger_kernel`: False |
| - `liger_kernel_config`: None |
| - `eval_use_gather_object`: False |
| - `average_tokens_across_devices`: True |
| - `use_cache`: False |
| - `prompts`: None |
| - `batch_sampler`: batch_sampler |
| - `multi_dataset_batch_sampler`: round_robin |
| - `router_mapping`: {} |
| - `learning_rate_mapping`: {} |
| |
| </details> |
| |
| ### Training Logs |
| | Epoch | Step | Training Loss | bi_eval_cosine_ndcg@10 | |
| |:------:|:----:|:-------------:|:----------------------:| |
| | 1.0 | 257 | - | 0.4887 | |
| | 1.9455 | 500 | 0.4220 | - | |
| | 2.0 | 514 | - | 0.5036 | |
| | 3.0 | 771 | - | 0.5044 | |
| | 3.8911 | 1000 | 0.0569 | - | |
| | 4.0 | 1028 | - | 0.5122 | |
| |
| |
| ### Framework Versions |
| - Python: 3.12.12 |
| - Sentence Transformers: 5.2.3 |
| - Transformers: 5.0.0 |
| - PyTorch: 2.10.0+cu128 |
| - Accelerate: 1.12.0 |
| - Datasets: 4.8.3 |
| - Tokenizers: 0.22.2 |
| |
| ## 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.* |
| --> |
