Training in progress, epoch 1, checkpoint

75a3c6e verified 11 months ago

37.3 kB

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:1299712
  - loss:MatryoshkaLoss
  - loss:MultipleNegativesRankingLoss
base_model: intfloat/multilingual-e5-base
widget:
  - source_sentence: >-
      query: عندما يحل الأَجَلُ المحدد لتسديد الفواتير، يبدأ الناس في البحث عن
      حلول للدفع
    sentences:
      - 'passage: عندما يقترب الموعد العَاجِلُ للدفع، يزداد التوتر في الأجواء'
      - >-
        passage: "خلال المهرجان السنوي، وزعت البلدية كمية الفيض من المأكولات
        للمدعوين تكريمًا لهم."
      - >-
        passage: عندما يحين الموعد المُتَأَخِّرُ لتسوية الحسابات، يبدأ القلق
        بالتسلل إلى النفوس
  - source_sentence: >-
      query: عاد الرجل المُبْتَهِجُ من الرحلة وهو يغني في السيارة بعد ظهر
      اليوم."
    sentences:
      - >-
        passage: "تَضَاعَفَتِ الهِمَّةُ فِي الْمَعْمَلِ مَسَاءً مَعَ اقْتِرَابِ
        مَوْعِدِ التَّسْلِيْمِ وَتَفَانِي الْعَامِلِينَ."
      - 'passage: "رجع الرجل الكَئِيبُ من السفر وهو صامت في السيارة هذا المساء.'
      - 'passage: "رجع الرجل المَسْرُور من السفر وهو يترنم في المركبة بعد الظهر."'
  - source_sentence: 'query: فتى صغير يرتدي المئزر يساعد أمه في الطهي'
    sentences:
      - 'passage: فتى يساعد أمه'
      - 'passage: رجل وامرأة يخرجون ويدخلون المطبخ'
      - 'passage: كبير طهاة آسيوي خبير يبتسم للعميل بعد أن وضع طعامه في حاوية'
      - 'passage: امرأة شابة ترتدي قميصاً تطبخ الخضروات'
  - source_sentence: 'query: مصنع الإكليل'
    sentences:
      - >-
        passage: مع وجود عدد قليل من المراجعات، يمكن أن يكون رأيك في مصنع
        الإكليل هائلاً. ابدأ مراجعتك اليوم. 5/15/2016. أول من قام بالمراجعة.
        مكان ممتع مع الكثير من الهدايا الرائعة. فن الحديقة رائع حقًا وأنا أحب
        زيارته خاصةً خلال موسم العطلات. إذا كنت تبحث عن زينة، فهذا هو المكان.
      - >-
        passage: مع وجود عدد قليل من المراجعات، يمكن أن يكون رأيك في مصنع
        الإكليل هائلاً. ابدأ مراجعتك اليوم. مكان ممتع مع الكثير من الهدايا
        الرائعة. فن الحديقة رائع حقًا وأنا أحب زيارته خاصةً خلال موسم العطلات.
        إذا كنت تبحث عن زينة، فهذا هو المكان.
      - >-
        passage: مصنع الإكليل. مصنع الإكليل هو مركز حديقة وجهة، يزهر بالنباتات
        الفريدة، والأفكار المبتكرة للعيش في الهواء الطلق والتصميم الإبداعي.
        الإكليل الأخضر الطازج المصنوع يدويًا المعروض خلال العطلات مع 16,000 قدم
        مربع من صالة العرض المستوحاة من الفصول. الجولات وورش العمل الموسمية
        متاحة على مدار العام.
      - >-
        passage: أزهار رائعة. قدمنا لمصنع الإكليل أفكارًا حول ما نريده لزفافنا،
        وكانت الزهور المكتملة تتجاوز توقعاتنا. تلقينا العديد من الإطراءات
        والتعليقات الإيجابية من ضيوف الزفاف والحفلة أيضًا. سنستخدم هذه الشركة
        مرة أخرى بالتأكيد.
  - source_sentence: 'query: ما هو اسم الرمز الأسود للنازيين'
    sentences:
      - >-
        passage: منذ اعتماده من قبل حزب النازية تحت قيادة أدولف هتلر، أصبح
        الصليب المعقوف مرتبطًا بالنازية، الفاشية، العنصرية في شكلها (التفوق
        الأبيض)، قوى المحور في الحرب العالمية الثانية، والمجزرة في معظم الغرب.
        يظل الصليب المعقوف رمزًا أساسيًا لمجموعات النازيين الجدد، ويُستخدم
        بانتظام من قبل المجموعات النشطة. غالبًا ما يتم التعامل مع نشأة رمز
        الصليب المعقوف مع الرموز الصليبية بشكل عام، مثل صليب الشمس في دين العصر
        البرونزي الوثني. بخلاف وجوده المؤكد في أنظمة الرموز الأولية التي ظهرت في
        العصر الحجري الحديث، لا يُعرف شيئًا مؤكدًا عن أصل الرمز.
      - >-
        passage: كان استخدام علم الصليب المعقوف كعلم وطني رمزًا لتسريع أجندة
        النازية المعادية للسامية، والتي تضمنت قانون "حماية الدم والشرف الألماني"
        في 15 سبتمبر 1935. ألغت هذه القوانين الجنسية اليهودية في الرايخ.
        بتعريفه، الصليب المعقوف هو رمز أو زخرفة بدائية على شكل صليب. كما يظهر
        الرسم التوضيحي أدناه، الأذرع الأربعة للصليب متساوية الطول، مع جزء من كل
        ذراع يبرز بزاوية قائمة من نهاية كل ذراع، كلها في نفس الاتجاه وعادة ما
        يكون عكس اتجاه عقارب الساعة.
      - >-
        passage: يُزعم أن رمز الشمس السوداء يجمع بين أهم ثلاثة رموز في
        أيديولوجية النازية - عجلة الشمس، الصليب المعقوف، والروني النصري
        المُصَوَّر. ويعتبر هذا الرمز رمزيًا في شكله، حيث يمثل الفرسان الإثني عشر
        للس إس من فرسان رتبة الرأس الميت وثلاثة مرافقين لهم. أو للاستخدامات
        الأخرى، راجع الشمس السوداء (توضيح). يُظهر تصوير للشمس السوداء تصميمًا
        يعتمد بشكل أساسي على شكل موزاييك عجلة الشمس في ويلزبورغ في قاعة
        الجنرالات الس إس (Obergruppenführer).
      - >-
        passage: يستخدم النازيون الجدد أيضًا رموزًا رقمية مختلفة مثل: 1  18، رمز
        لأدولف هتلر. 2  88، رمز لحي هتلر. 3  14، من كلمات ديفيد لين البالغة
        أربعة عشر كلمة، وهو ناشط أمريكي من أنصار التفوق الأبيض في أواخر القرن
        العشرين: "يجب أن نضمن وجود شعبنا ومستقبلًا للأطفال البيض." تم الاستيلاء
        على العديد من الرموز التي استخدمها النازيون من قبل مجموعات النازيين
        الجدد، بما في ذلك عدد من الرunes. يستخدم النازيون الجدد أيضًا رموزًا
        رقمية مختلفة مثل: 1  18، رمز لأدولف هتلر. 2  الرقم يأتي من موضع الحروف
        في الأبجدية: A = 1، H = 8.

        ---
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
  - cosine_accuracy
model-index:
  - name: SentenceTransformer based on intfloat/multilingual-e5-base
    results:
      - task:
          type: triplet
          name: Triplet
        dataset:
          name: validation eval
          type: validation_eval
        metrics:
          - type: cosine_accuracy
            value: 0.9431434869766235
            name: Cosine Accuracy

SentenceTransformer based on intfloat/multilingual-e5-base

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-base on the multi_negative and triplets datasets. 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: intfloat/multilingual-e5-base
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Datasets:
- multi_negative
- triplets

Model Sources

Documentation: Sentence Transformers Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (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})
  (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("TawasulAI/Faheem-mE5_Base_new_data")
# Run inference
sentences = [
    'query: ما هو اسم الرمز الأسود للنازيين',
    'passage: يُزعم أن رمز الشمس السوداء يجمع بين أهم ثلاثة رموز في أيديولوجية النازية - عجلة الشمس، الصليب المعقوف، والروني النصري المُصَوَّر. ويعتبر هذا الرمز رمزيًا في شكله، حيث يمثل الفرسان الإثني عشر للس إس من فرسان رتبة الرأس الميت وثلاثة مرافقين لهم. أو للاستخدامات الأخرى، راجع الشمس السوداء (توضيح). يُظهر تصوير للشمس السوداء تصميمًا يعتمد بشكل أساسي على شكل موزاييك عجلة الشمس في ويلزبورغ في قاعة الجنرالات الس إس (Obergruppenführer).',
    'passage: كان استخدام علم الصليب المعقوف كعلم وطني رمزًا لتسريع أجندة النازية المعادية للسامية، والتي تضمنت قانون "حماية الدم والشرف الألماني" في 15 سبتمبر 1935. ألغت هذه القوانين الجنسية اليهودية في الرايخ. بتعريفه، الصليب المعقوف هو رمز أو زخرفة بدائية على شكل صليب. كما يظهر الرسم التوضيحي أدناه، الأذرع الأربعة للصليب متساوية الطول، مع جزء من كل ذراع يبرز بزاوية قائمة من نهاية كل ذراع، كلها في نفس الاتجاه وعادة ما يكون عكس اتجاه عقارب الساعة.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Triplet

Dataset: validation_eval
Evaluated with TripletEvaluator

Metric	Value
cosine_accuracy	0.9431

Training Details

Training Datasets

multi_negative

Dataset: multi_negative
Size: 400,732 training samples
Columns: query, positive, negative_1, negative_2, and negative_3

Approximate statistics based on the first 1000 samples:

	query	positive	negative_1	negative_2	negative_3
type	string	string	string	string	string
details	min: 7 tokens mean: 22.34 tokens max: 512 tokens	min: 7 tokens mean: 81.44 tokens max: 512 tokens	min: 8 tokens mean: 79.21 tokens max: 512 tokens	min: 7 tokens mean: 79.31 tokens max: 512 tokens	min: 6 tokens mean: 76.87 tokens max: 512 tokens

Samples:

query	positive	negative_1	negative_2	negative_3
`query: what strain of corn makes popcorn`	`passage: كما يتضح، الذرة التي نأكلها عادةً تختلف عن الحبوب التي تصبح فشارًا. هناك نوع واحد فقط من الذرة يمكن أن يصنعها - Zea mays everta. على الرغم من أنها تبدو مثل حبة ذرة نموذجية، إلا أن هذا النوع المعين هو الوحيد الذي لديه القدرة على الانفجار وتحويله إلى وجبة خفيفة لذيذة.`	passage: هبة الله. 1 صفات: براعم كثيفة، رائحة طازجة، ناتج محلي إجمالي، جيد للاكتئاب، جيد للاسترخاء، جيد للتوتر، جراند دادي بورب، ماريجوانا طبية في هاواي، رأس صاخب، هجين، إنديكا، كوش، استخدام في الليل، أو جي كوش، براعم الفشار، طعم توابل، طعم توابل، رائحة حلوة، طعم حلو، رف العلوي، رائحة زهور برية.	passage: حسناً ها هي الصور الصورة الأولى هي بعض براعم الفشار التي أنموها الآن 3 أسابيع من النباتات و الآن هي في طور الإزهار، الصورة الثانية لا يمكن رؤية النبات بأكمله ولكنها كانت نبتة نمت من البذرة في 12-12 و نمت إلى 24 بوصة فقط، الصورة الثالثة هي نفس السلالة 3 أسابيع من النباتات و هي أكثر من 5 أقدام، الآن بدأت تتفتح.	`passage: 只有 بعض أنواع نباتات الذرة تحمل آذانًا بحبوب تنفجر. تُصنف أصناف الذرة إلى أربع فئات: ذرة حلوة، ذرة حقل، ذرة زينة وذرة فشار. يمكن أن تكون ذرة الحقل من نوعين: ذرة حقلية أو ذرة حجرية، وهي قاسية القشرة و تُستخدم عادةً لطحن الدقيق أو كعلف للحيوانات.`
`query: من صمم نصب لنكولن التذكاري`	passage: نصب لنكولن التذكاري هو نصب تذكاري مخصص لأبراهام لنكولن، الرئيس السادس عشر للولايات المتحدة. خلال فترة رئاسته، حرر لنكولن العبيد وقاد الولايات المتحدة خلال الحرب الأهلية. نصب تذكاري للرئيس السادس عشر للولايات المتحدة، أبراهام لنكولن، هو نصب لنكولن التذكاري. صممه هنري بيكون على خطة تشبه خطة البارثينون في أثينا، اليونان، وهو مخصص لفضائل التسامح والصدق والثبات في الروح الإنسانية.	`passage: زيارة نصب لنكولن التذكاري أمر لا بد منه أثناء وجودك في واشنطن العاصمة! إنه النصب التذكاري الأكثر زيارة في المدينة، حيث يزوره 6 ملايين شخص كل عام. وهو مجاني تمامًا، بالطبع، ولا توجد تذاكر مطلوبة. أفضل طريقة لرؤية نصب لنكولن التذكاري هي من خلال واحدة من جولاتنا.`	passage: دائرة نصب لنكولن التذكاري. واشنطن العاصمة. يتناسب نصب لنكولن التذكاري مع محيطه بشكل جيد لدرجة أنه يبدو وكأنه كان دائمًا هناك. لم يستطع مصمم المدينة الرئيسي، بيير لانفانت، أن يتخيل محورًا معماريًا أفضل للنهاية الغربية للمول، المنطقة العشبية التي تصورها بين مبنى الكابيتول ونهر بوتوماك.	passage: النصب التذكاري هو تكريم لأبراهام لنكولن، الرئيس السادس عشر للولايات المتحدة. كما أنه نصب تذكاري للحرية منذ أن كان أبراهام لنكولن رئيسًا خلال الحرب الأهلية وتم إلغاء العبودية. صمم هنري بيكون النصب التذكاري الذي يشبه البارثينون في اليونان. بدأ البناء في 12 فبراير 1914. المبنى مصنوع من رخام يول كولورادو وحجر جيري إنديانا.
`query: أين تقع تاونشيب تشسترفيلد في ميشيغان`	passage: تاونشيب تشسترفيلد، ميشيغان. تاونشيب تشسترفيلد الميثاق هي تاونشيب ميثاق في مقاطعة ماكومب في ولاية ميشيغان بالولايات المتحدة. وفقًا لإحصاء عام 2000، كان عدد سكان التاونشيب 37,405 نسمة. يقدر عدد السكان في تعداد عام 2010 بـ 43,381 نسمة. تم تنظيم التاونشيب في عام 1842، وتم تشكيله من جزء من تاونشيب ماكومب.	passage: من هنا ستتمكن من التسجيل عبر الإنترنت للدورات والدوريات والأحداث الخاصة التي ننظمها. (يرجى ملاحظة أن هناك رسوم معاملة ستُفرض عند استخدام التسجيل عبر الإنترنت للتسجيل في البرامج. يتم إضافة رسوم قدرها 2.50% إلى مبلغ الدفع مع حد أدنى للرسوم قدره 1.95 دولار). ستتمكن أيضًا من متابعة أحدث الأحداث في قسمنا. كتيب برامج الشتاء لعام 2017. أصبح كتيب برامج الشتاء لعام 2017 متاحًا الآن. لعرض جميع البرامج والدوريات والأحداث القادمة، انقر هنا.	passage: فنادق في تشسترفيلد. 1. الأكثر حجزًا: هامبتون إن آند سويتس ديترويت/تاونشيب تشسترفيلد 2.5 نجوم ممتاز 4.3 / 5 (118 تقييمًا حقيقيًا) برنامج مكافآت Hotels.com® لكل 10 ليالٍ، تحصل على ليلة مجانية! تمت مشاهدة هذا الفندق من قبل 29 شخصًا في الساعة الماضية. أحدث تقييم: سجلت دخولي متأخرًا بعد رحلة طويلة إلى ديترويت.	`passage: مكتب مؤتمر وزوار ديترويت مترو. تقع تشسترفيلد في الربع الشمالي الشرقي من مقاطعة ماكومب على بعد حوالي 30 ميلًا شمال وسط مدينة ديترويت. يبلغ مساحة أرض تشسترفيلد أكثر من 26 ميلًا مربعًا، ويشكل الحد الشرقي بأكمله لها طول خليج آنكور في شمال بحيرة سانت كلير.`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "MultipleNegativesRankingLoss",
    "matryoshka_dims": [
        768,
        256,
        128,
        64
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

triplets

Dataset: triplets
Size: 898,980 training samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 1000 samples:

	anchor	positive	negative
type	string	string	string
details	min: 18 tokens mean: 53.76 tokens max: 150 tokens	min: 9 tokens mean: 55.48 tokens max: 159 tokens	min: 5 tokens mean: 51.11 tokens max: 166 tokens

Samples:

anchor	positive	negative
`query: لقد قدم الباحث مُسْتَطْرَفًا من الأبحاث في المؤتمر، حيث عرض نتائج غير مألوفة أثارت جدلاً واسعاً بين الحضور البارحة."`	`passage: "لقد قدم الباحث جديدًا من الدراسات في الملتقى، إذ بين معطيات غير تقليدية أثارت نقاشًا مستفيضًا بين المشاركين بالأمس."`	`passage: "لقد قدم الباحث قديمًا من الأبحاث في الندوة، حيث عرض معلومات مألوفة لم تثر أي حوار بين الحاضرين قبل يوم.`
`query: بعد يوم حار، اغتسلت بماء زُلال كان يجري في الجدول الصغير بجانب الحقل.`	`passage: بعد يوم قائظ، تطهرت بماء فُرَات كان يتدفق في النهر الضيق قرب المزرعة.`	`passage: بعد يوم مشمس، تلطخت بماء أَجِنّ كان راكدا في البركة قرب المرعى.`
`query: أَوْقَدَ المُخَيِّمُونَ نَارَ المَخِيمِ بِحَمَاسَةٍ قُبَيْلَ اللَيْلِ لِطَهْيِ العَشَاءِ."`	`passage: "أَثَارَ المُخَيِّمُونَ لَهَبَ المَوْقِدِ بِشَغَفٍ قَبْلَ مَجِيءِ اللَّيْلِ لِإِعْدَادِ الْعَشَاء."`	`passage: "أَطْفَأَ المُخَيِّمُونَ نَارَ المَخِيمِ بَعْدَ الْعَشَاءِ لِلْخَلُودِ إِلَى النَّوْمِ.`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "MultipleNegativesRankingLoss",
    "matryoshka_dims": [
        768,
        256,
        128,
        64
    ],
    "matryoshka_weights": [
        1,
        1,
        1,
        1
    ],
    "n_dims_per_step": -1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
gradient_accumulation_steps: 16
learning_rate: 4e-05
weight_decay: 0.01
max_grad_norm: 2.0
lr_scheduler_type: cosine
warmup_ratio: 0.1
fp16: True
optim: adamw_8bit
push_to_hub: True
hub_model_id: TawasulAI/Faheem-mE5_Base_new_data
hub_strategy: checkpoint

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 16
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 4e-05
weight_decay: 0.01
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 2.0
num_train_epochs: 3
max_steps: -1
lr_scheduler_type: cosine
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: True
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: False
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: False
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}
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_8bit
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: TawasulAI/Faheem-mE5_Base_new_data
hub_strategy: checkpoint
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

Epoch	Step	Training Loss	validation_eval_cosine_accuracy
None	0	-	0.9081
1.0	5078	21.1932	0.9431

Framework Versions

Python: 3.12.3
Sentence Transformers: 4.1.0
Transformers: 4.52.4
PyTorch: 2.7.0+cu128
Accelerate: 1.7.0
Datasets: 3.6.0
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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

MultipleNegativesRankingLoss

@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}
}