Hugging Face's logo Hugging Face
  • Models
  • Datasets
  • Spaces
  • Buckets new
  • Docs
  • Enterprise
  • Pricing
    • Website
      • Tasks
      • HuggingChat
      • Collections
      • Languages
      • Organizations
    • Community
      • Blog
      • Posts
      • Daily Papers
      • Hardware
      • Learn
      • Discord
      • Forum
      • GitHub
    • Solutions
      • Team & Enterprise
      • Hugging Face PRO
      • Enterprise Support
      • Inference Providers
      • Inference Endpoints
      • Storage Buckets

  • Log In
  • Sign Up

avemio
/
German-RAG-ModernBERT-Base-TRIPLES

Sentence Similarity
sentence-transformers
Safetensors
English
German
modernbert
feature-extraction
Generated from Trainer
dataset_size:264810
loss:MatryoshkaLoss
loss:MultipleNegativesRankingLoss
Eval Results (legacy)
text-embeddings-inference
Model card Files Files and versions
xet
Community

Instructions to use avemio/German-RAG-ModernBERT-Base-TRIPLES with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

  • Libraries
  • sentence-transformers

    How to use avemio/German-RAG-ModernBERT-Base-TRIPLES with sentence-transformers:

    from sentence_transformers import SentenceTransformer
    
    model = SentenceTransformer("avemio/German-RAG-ModernBERT-Base-TRIPLES")
    
    sentences = [
        "Die Einwohner Haarens protestierten, da der Name ihrer Gemeinde bei der Eröffnung der Strecke von den Wegweisern entfernt und durch \"Wünnenberg\" ersetzt wurde.",
        "Die Wirksamkeit von Duolingos Ansatz wurde von einer externen Studie untersucht, die von der Firma selbst in Auftrag gegeben worden war. Professoren der City University of New York und der University of South Carolina haben die Studie durchgeführt und schätzen, dass 34 Stunden Duolingo den gleichen Fortschritt bei Lesen und Schreiben erzielen wie ein Erstsemesterkurs an einem US-College, der mehr als geschätzte 130 Stunden dauert. Die Studie untersuchte nicht die Sprechfähigkeiten der Probanden. Bei einem Vergleich wurde festgestellt, dass Benutzer der Software Rosetta Stone etwa 55 bis 60 Stunden benötigten, um den gleichen Stoff zu lernen. Die Studie hat darüber hinaus keine Vergleiche mit anderen kostenlosen oder günstigen Kursen durchgeführt wie \"BBC\", \"Book2\", oder \"Before You Know It\".",
        "Da im selben Jahr im Zuge der Gebietsreform in Nordrhein-Westfalen die Gemeinde Haaren in die Stadt Wünnenberg eingemeindet wurde, änderte man kurzfristig vor Eröffnung der Strecke den Namen der Anschlussstelle \"Haaren\" in \"Wünnenberg\", sodass Haaren von den Wegweisern gänzlich verschwand. Bei der feierlichen Eröffnung der Strecke kam es zu Protestaktionen seitens Einwohner Haarens, bei denen die Fahrbahn blockiert wurde, sodass die Eröffnungskolonne nicht wie geplant stattfinden konnte. Wünnenberger Lokalpolitiker erwirkten schließlich beim Landesverkehrsministerium in Düsseldorf einen Kompromiss, sodass die Anschlussstelle, wie das spätere Autobahnkreuz, ab Oktober 1975 \"Wünnenberg-Haaren\" hieß. Bemerkenswerterweise trägt das Autobahnkreuz (noch 2021) diesen Namen, obwohl Wünnenberg seit dem Jahr 2000 \"Bad Wünnenberg\" heißt und das Voranstellen des Gemeinde- bzw. Städtenamens vor den Stadtteilnamen bei Orten mit weniger als 100.000 Einwohnern gegen die nordrhein-westfälischen Wegweisungs-Richtlinien verstößt.",
        "Auf Basis der Planungen einer 1957 gegründeten Arbeitsgruppe der Industrie- und Handelskammer Kassel genehmigte das Bundesverkehrsministerium in Bonn den Bau einer 4,7 km langen Verbindung zwischen der Autobahn Hamburg–Frankfurt und der B 3. Die einbahnige \"hochwasserfreie Verbindung Kassel\" entstand von 1958 bis 1962 auf der vorbereiteten Trasse der Reichsautobahn. Dabei wurde auch die Fuldatalbrücke Bergshausen mit einer Fahrbahn fertiggestellt. Der Bau dieser Brücke wurde bereits in der NS-Zeit begonnen, bis zur Einstellung des Baus infolge des Zweiten Weltkriegs waren nur einige Arbeiten an der Gründung im Gange gewesen."
    ]
    embeddings = model.encode(sentences)
    
    similarities = model.similarity(embeddings, embeddings)
    print(similarities.shape)
    # [4, 4]
  • Notebooks
  • Google Colab
  • Kaggle
German-RAG-ModernBERT-Base-TRIPLES
600 MB
Ctrl+K
Ctrl+K
  • 1 contributor
History: 6 commits
avemio-digital's picture
avemio-digital
Update README.md
4269e9c verified over 1 year ago
  • 1_Pooling
    Add new SentenceTransformer model over 1 year ago
  • .gitattributes
    1.52 kB
    initial commit over 1 year ago
  • README.md
    60.5 kB
    Update README.md over 1 year ago
  • config.json
    1.33 kB
    Add new SentenceTransformer model over 1 year ago
  • config_sentence_transformers.json
    205 Bytes
    Add new SentenceTransformer model over 1 year ago
  • model.safetensors
    596 MB
    xet
    Add new SentenceTransformer model over 1 year ago
  • modules.json
    229 Bytes
    Add new SentenceTransformer model over 1 year ago
  • sentence_bert_config.json
    54 Bytes
    Add new SentenceTransformer model over 1 year ago
  • special_tokens_map.json
    694 Bytes
    Add new SentenceTransformer model over 1 year ago
  • tokenizer.json
    3.58 MB
    Add new SentenceTransformer model over 1 year ago
  • tokenizer_config.json
    21 kB
    Add new SentenceTransformer model over 1 year ago