File size: 29,281 Bytes
f1206d5 |
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 |
---
language:
- ro
license: apache-2.0
tags:
- sentence-transformers
- ro
- cosine-similarity
- paraphrase
- generated_from_trainer
- dataset_size:1012436
- loss:CosineSimilarityLoss
base_model: readerbench/RoBERT-base
widget:
- source_sentence: După aceea i-a dus în casa lui și le-a pus masa. Și s-a bucurat
foarte mult, împreună cu toți cei din casa lui, pentru că a crezut în Dumnezeu.
sentences:
- După ce i-a dus în casă, le-a pus masa și s-a bucurat cu toată casa lui că a crezut
în Dumnezeu.
- 'Doamne, ascultă! Doamne, iartă! Doamne, ia aminte: fă și nu întârzia, de dragul
tău, Dumnezeule! Pentru că numele tău este invocat asupra cetății tale și asupra
poporului tău».'
- De aceea se vor numi argint lepădat, căci Domnul i-a lepădat.”
- source_sentence: Și chiar dacă aș avea dar de profeție și înțeleg toate misterele
și toată cunoașterea, și chiar dacă aș avea toată credința încât să mut munții,
dar nu am dragoste creștină, nu sunt nimic.
sentences:
- El i-a întrebat:‒ Dar voi, cine ziceți că sunt Eu?Petru, răspunzând, I-a zis:‒
Tu ești Cristosul!
- Și dacă aș avea darul profeției și aș pătrunde toate tainele și toată cunoașterea,
dacă aș avea toată credința, încât să mut și munții, dar n‑aș avea dragoste, n‑aș
fi nimic.
- Și s-a dus primul și a turnat potirul său peste pământ; și a căzut o rană vătămătoare
și dureroasă peste oamenii care au avut semnul fiarei și peste cei ce s-au închinat
icoanei ei.
- source_sentence: În fața lor, am cântărit Argintul, aurul primit Și-uneltele care
s-au dat În dar – de către împărat, De sfetnici și de-aceia cari Erau în slujba
lui mai mari – Casei lui Dumnezeu, pe care El, la Ierusalim, o are.
sentences:
- 'Moise și Aaron le-au zis tuturor fiilor lui Israel: „Diseară, veți ști că Domnul
v-a scos din țara Egiptului,'
- 'Așa vorbește Domnul Dumnezeu, care a făcut cerurile și le-a întins, care a întins
pământul și cele de pe el, care a dat suflare celor ce-l locuiesc și suflet celor
ce merg pe el:'
- Am cântărit înaintea lor argintul, aurul și uneltele date în dar pentru Casa Dumnezeului
nostru de către împărat, sfetnicii și căpeteniile lui și de toți cei din Israel
care se aflau acolo.
- source_sentence: Rabit, Chișion, Ebeț,
sentences:
- 'Fariseii, văzând aceasta, I‑au zis: „Uite că ucenicii Tăi fac ce nu este îngăduit
să se facă în ziua sabatului!”'
- Bărbații lui Israel se întorseseră; și bărbații lui Beniamin s-au înspăimântat,
văzând prăpădul care avea să-i ajungă.
- Scutură-te de țărână!Ridică-te! Așază-te pe tron, Ierusalime!Dezleagă-ți legăturile
de la gât,fiică a Sionului, aflată în captivitate!
- source_sentence: Mai bine e să locuiești Pe casă, decât să trăiești În ea – oricât
ar fi de mare – C-o soață rea, gâlcevitoare.
sentences:
- Nu i s-a spus domnului meu ce am făcut când Izabela a ucis pe profeții DOMNULUI,
cum am ascuns o sută de bărbați dintre profeții DOMNULUI, câte cincizeci într-o
peșteră și i-am hrănit cu pâine și apă?
- Și acum trimite‐mi un bărbat iscusit să lucreze în aur și în argint și în aramă
și în fier și în purpură și în cârmezin și albastru și care să știe să facă săpături,
ca să stea cu bărbații iscusiți care sunt la mine în Iuda și in Ierusalim, pe
care i‐a pregătit David, tatăl meu.
- Când te lovește cineva peste un obraz, întoarce-i-l și pe celălalt. Iar dacă cineva
îți ia haina (cu forța), nu te opune să îi lași și cămașa.
datasets:
- andyP/ro-paraphrase-bible
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- pearson_cosine
- spearman_cosine
model-index:
- name: Romanian Sentence Transformers, trained on the Romanian Paraphrase Bible dataset,
Cosine Similarity
results:
- task:
type: semantic-similarity
name: Semantic Similarity
dataset:
name: Unknown
type: unknown
metrics:
- type: pearson_cosine
value: 0.9914988976559584
name: Pearson Cosine
- type: spearman_cosine
value: 0.9723966272575787
name: Spearman Cosine
- task:
type: semantic-similarity
name: Semantic Similarity
dataset:
name: ro similarity test
type: ro_similarity-test
metrics:
- type: pearson_cosine
value: 0.9916272056252884
name: Pearson Cosine
- type: spearman_cosine
value: 0.9727582743535126
name: Spearman Cosine
---
# Romanian Sentence Transformers, trained on the Romanian Paraphrase Bible dataset, Cosine Similarity
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [readerbench/RoBERT-base](https://huggingface.co/readerbench/RoBERT-base) on the [Romanian Paraphrase Bible dataset](https://huggingface.co/datasets/andyP/ro-paraphrase-bible) dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for Sentence Similarity.
## Model Details
### Model Description
- **Model Type:** Sentence Transformer
- **Base model:** [readerbench/RoBERT-base](https://huggingface.co/readerbench/RoBERT-base) <!-- at revision 5cd118697a6dee9e8ffe03cea5aa3931555c001a -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- [Romanian Paraphrase Bible dataset](https://huggingface.co/datasets/andyP/ro-paraphrase-bible)
- **Language:** ro
- **License:** apache-2.0
### 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, 'architecture': 'BertModel'})
(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("andyP/ro-sentence-transformers-v2")
# Run inference
sentences = [
'Mai bine e să locuiești Pe casă, decât să trăiești În ea – oricât ar fi de mare – C-o soață rea, gâlcevitoare.',
'Nu i s-a spus domnului meu ce am făcut când Izabela a ucis pe profeții DOMNULUI, cum am ascuns o sută de bărbați dintre profeții DOMNULUI, câte cincizeci într-o peșteră și i-am hrănit cu pâine și apă?',
'Și acum trimite‐mi un bărbat iscusit să lucreze în aur și în argint și în aramă și în fier și în purpură și în cârmezin și albastru și care să știe să facă săpături, ca să stea cu bărbații iscusiți care sunt la mine în Iuda și in Ierusalim, pe care i‐a pregătit David, tatăl meu.',
]
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, 0.3137, 0.2443],
# [0.3137, 1.0000, 0.3197],
# [0.2443, 0.3197, 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
#### Semantic Similarity
* Datasets: `` and `ro_similarity-test`
* Evaluated with [<code>EmbeddingSimilarityEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.EmbeddingSimilarityEvaluator)
| Metric | | ro_similarity-test |
|:--------------------|:-----------|:-------------------|
| pearson_cosine | 0.9915 | 0.9916 |
| **spearman_cosine** | **0.9724** | **0.9728** |
<!--
## 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
#### Romanian Paraphrase Bible dataset
* Dataset: [Romanian Paraphrase Bible dataset](https://huggingface.co/datasets/andyP/ro-paraphrase-bible)
* Size: 1,012,436 training samples
* Columns: <code>text1</code>, <code>text2</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
| | text1 | text2 | label |
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------|
| type | string | string | float |
| details | <ul><li>min: 9 tokens</li><li>mean: 40.38 tokens</li><li>max: 136 tokens</li></ul> | <ul><li>min: 7 tokens</li><li>mean: 36.64 tokens</li><li>max: 122 tokens</li></ul> | <ul><li>min: 0.11</li><li>mean: 0.74</li><li>max: 1.0</li></ul> |
* Samples:
| text1 | text2 | label |
|:---------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------|:------------------|
| <code>O altă temelie dar, Față de cea care s-a pus – Și care e Hristos Iisus – Să mai așeze, nimenea, Nicicând, de-acum, nu va putea.</code> | <code>Căci nimeni nu poate pune o altă temelie în afară de Cea care este așezată și Care este Isus Cristos.</code> | <code>0.81</code> |
| <code>Voi da în mâna lui mareași în dreapta lui râurile.</code> | <code>Voi pune mâna lui pe mare și dreapta lui pe râuri.</code> | <code>0.89</code> |
| <code>Căutați binele, nu răul,ca să trăiți!Astfel Domnul, Dumnezeul Oștirilor,va fi cu voi, așa cum spuneți că este!</code> | <code>Căutați binele, și nu răul, ca să trăiți!Astfel, Domnul Dumnezeul Sabaótva fi cu voi, după cum spuneți.</code> | <code>0.9</code> |
* Loss: [<code>CosineSimilarityLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosinesimilarityloss) with these parameters:
```json
{
"loss_fct": "torch.nn.modules.loss.MSELoss"
}
```
### Evaluation Dataset
#### Romanian Paraphrase Bible dataset
* Dataset: [Romanian Paraphrase Bible dataset](https://huggingface.co/datasets/andyP/ro-paraphrase-bible)
* Size: 56,246 evaluation samples
* Columns: <code>text1</code>, <code>text2</code>, and <code>label</code>
* Approximate statistics based on the first 1000 samples:
| | text1 | text2 | label |
|:--------|:-----------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:---------------------------------------------------------------|
| type | string | string | float |
| details | <ul><li>min: 6 tokens</li><li>mean: 39.53 tokens</li><li>max: 145 tokens</li></ul> | <ul><li>min: 9 tokens</li><li>mean: 35.85 tokens</li><li>max: 141 tokens</li></ul> | <ul><li>min: 0.1</li><li>mean: 0.75</li><li>max: 1.0</li></ul> |
* Samples:
| text1 | text2 | label |
|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------|
| <code>Cel ce le arde, să păzească Ce trebuie să împlinească:‘Nainte ca să intre iară, În tabără, să-și spele-afară, Trupul și straiele și-apoi, Să intre-n tabără-napoi. ”</code> | <code>Cel care le va arde, trebuie să își spele hainele și tot corpul în apă; apoi va putea reveni în tabără.</code> | <code>0.77</code> |
| <code>Și nu cumva, când vin din nou, Dumnezeul meu să mă umilească printre voi și să deplâng pe mulți care au păcătuit deja și nu s-au pocăit de necurăția și curvia și desfrânarea pe care le-au practicat.</code> | <code>Mă tem ca nu cumva, atunci când vin din nou, Dumnezeul meu să mă smerească înaintea voastră și să trebuiască astfel să-i jelesc pe mulți care au păcătuit în trecut și nu s-au pocăit de necurăția, imoralitatea și depravarea în care au trăit.</code> | <code>0.82</code> |
| <code>Nu suspina după noapte,care ia popoarele din locul lor.</code> | <code>Căci se vor ridica hristoși mincinoși și proroci mincinoși și vor face semne și minuni ca să ducă în rătăcire, dacă este cu putință, pe cei aleși.</code> | <code>0.27</code> |
* Loss: [<code>CosineSimilarityLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosinesimilarityloss) with these parameters:
```json
{
"loss_fct": "torch.nn.modules.loss.MSELoss"
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `per_device_train_batch_size`: 156
- `per_device_eval_batch_size`: 256
- `learning_rate`: 2e-05
- `num_train_epochs`: 20
- `warmup_ratio`: 0.1
- `bf16`: True
- `load_best_model_at_end`: True
- `batch_sampler`: no_duplicates
#### 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`: 156
- `per_device_eval_batch_size`: 256
- `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`: 2e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1.0
- `num_train_epochs`: 20
- `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`: True
- `fp16`: False
- `fp16_opt_level`: O1
- `half_precision_backend`: auto
- `bf16_full_eval`: False
- `fp16_full_eval`: False
- `tf32`: None
- `local_rank`: 1
- `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}
- `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`: 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_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
- `liger_kernel_config`: None
- `eval_use_gather_object`: False
- `average_tokens_across_devices`: False
- `prompts`: None
- `batch_sampler`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
- `router_mapping`: {}
- `learning_rate_mapping`: {}
</details>
### Training Logs
| Epoch | Step | Training Loss | Validation Loss | spearman_cosine | ro_similarity-test_spearman_cosine |
|:-----------:|:---------:|:-------------:|:---------------:|:---------------:|:----------------------------------:|
| 0.3083 | 1000 | 0.0161 | 0.0053 | 0.8762 | - |
| 0.6165 | 2000 | 0.0044 | 0.0045 | 0.8992 | - |
| 0.9248 | 3000 | 0.0036 | 0.0036 | 0.9133 | - |
| 1.2330 | 4000 | 0.0031 | 0.0032 | 0.9212 | - |
| 1.5413 | 5000 | 0.0027 | 0.0028 | 0.9278 | - |
| 1.8496 | 6000 | 0.0023 | 0.0026 | 0.9319 | - |
| 2.1578 | 7000 | 0.002 | 0.0022 | 0.9381 | - |
| 2.4661 | 8000 | 0.0018 | 0.0021 | 0.9407 | - |
| 2.7744 | 9000 | 0.0015 | 0.0019 | 0.9451 | - |
| 3.0826 | 10000 | 0.0014 | 0.0018 | 0.9471 | - |
| 3.3909 | 11000 | 0.0012 | 0.0018 | 0.9496 | - |
| 3.6991 | 12000 | 0.0011 | 0.0016 | 0.9524 | - |
| 4.0074 | 13000 | 0.001 | 0.0017 | 0.9534 | - |
| 4.3157 | 14000 | 0.0009 | 0.0015 | 0.9534 | - |
| 4.6239 | 15000 | 0.0009 | 0.0014 | 0.9565 | - |
| 4.9322 | 16000 | 0.0008 | 0.0014 | 0.9574 | - |
| 5.2404 | 17000 | 0.0008 | 0.0014 | 0.9584 | - |
| 5.5487 | 18000 | 0.0007 | 0.0014 | 0.9597 | - |
| 5.8570 | 19000 | 0.0007 | 0.0013 | 0.9603 | - |
| 6.1652 | 20000 | 0.0006 | 0.0013 | 0.9602 | - |
| 6.4735 | 21000 | 0.0006 | 0.0013 | 0.9603 | - |
| 6.7818 | 22000 | 0.0006 | 0.0013 | 0.9626 | - |
| 7.0900 | 23000 | 0.0006 | 0.0013 | 0.9634 | - |
| 7.3983 | 24000 | 0.0005 | 0.0012 | 0.9634 | - |
| 7.7065 | 25000 | 0.0005 | 0.0012 | 0.9643 | - |
| 8.0148 | 26000 | 0.0005 | 0.0012 | 0.9651 | - |
| 8.3231 | 27000 | 0.0005 | 0.0012 | 0.9648 | - |
| 8.6313 | 28000 | 0.0005 | 0.0011 | 0.9664 | - |
| 8.9396 | 29000 | 0.0004 | 0.0012 | 0.9660 | - |
| 9.2478 | 30000 | 0.0004 | 0.0012 | 0.9659 | - |
| 9.5561 | 31000 | 0.0004 | 0.0011 | 0.9667 | - |
| 9.8644 | 32000 | 0.0004 | 0.0011 | 0.9677 | - |
| 10.1726 | 33000 | 0.0004 | 0.0011 | 0.9677 | - |
| 10.4809 | 34000 | 0.0004 | 0.0011 | 0.9678 | - |
| 10.7891 | 35000 | 0.0004 | 0.0011 | 0.9680 | - |
| 11.0974 | 36000 | 0.0004 | 0.0011 | 0.9680 | - |
| 11.4057 | 37000 | 0.0004 | 0.0011 | 0.9685 | - |
| 11.7139 | 38000 | 0.0003 | 0.0011 | 0.9691 | - |
| 12.0222 | 39000 | 0.0003 | 0.0011 | 0.9692 | - |
| 12.3305 | 40000 | 0.0003 | 0.0011 | 0.9690 | - |
| 12.6387 | 41000 | 0.0003 | 0.0011 | 0.9693 | - |
| 12.9470 | 42000 | 0.0003 | 0.0010 | 0.9698 | - |
| 13.2552 | 43000 | 0.0003 | 0.0010 | 0.9697 | - |
| 13.5635 | 44000 | 0.0003 | 0.0010 | 0.9704 | - |
| 13.8718 | 45000 | 0.0003 | 0.0010 | 0.9703 | - |
| 14.1800 | 46000 | 0.0003 | 0.0010 | 0.9703 | - |
| 14.4883 | 47000 | 0.0003 | 0.0010 | 0.9696 | - |
| 14.7965 | 48000 | 0.0003 | 0.0010 | 0.9707 | - |
| 15.1048 | 49000 | 0.0003 | 0.0010 | 0.9707 | - |
| 15.4131 | 50000 | 0.0003 | 0.0010 | 0.9711 | - |
| 15.7213 | 51000 | 0.0003 | 0.0010 | 0.9714 | - |
| 16.0296 | 52000 | 0.0003 | 0.0010 | 0.9716 | - |
| 16.3379 | 53000 | 0.0003 | 0.0010 | 0.9712 | - |
| 16.6461 | 54000 | 0.0003 | 0.0010 | 0.9718 | - |
| 16.9544 | 55000 | 0.0003 | 0.0010 | 0.9716 | - |
| 17.2626 | 56000 | 0.0002 | 0.0010 | 0.9717 | - |
| 17.5709 | 57000 | 0.0002 | 0.0010 | 0.9716 | - |
| 17.8792 | 58000 | 0.0002 | 0.0010 | 0.9719 | - |
| 18.1874 | 59000 | 0.0002 | 0.0010 | 0.9718 | - |
| 18.4957 | 60000 | 0.0002 | 0.0010 | 0.9719 | - |
| 18.8039 | 61000 | 0.0002 | 0.0010 | 0.9723 | - |
| 19.1122 | 62000 | 0.0002 | 0.0010 | 0.9723 | - |
| 19.4205 | 63000 | 0.0002 | 0.0010 | 0.9724 | - |
| **19.7287** | **64000** | **0.0002** | **0.0009** | **0.9724** | **-** |
| -1 | -1 | - | - | - | 0.9728 |
* The bold row denotes the saved checkpoint.
### Framework Versions
- Python: 3.12.3
- Sentence Transformers: 5.0.0
- Transformers: 4.53.3
- PyTorch: 2.7.1+cu126
- Accelerate: 1.9.0
- Datasets: 4.0.0
- Tokenizers: 0.21.2
## 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",
}
```
<!--
## 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.*
--> |