Upload checkpoint-276 from local

6981c42 verified 19 days ago

55.1 kB

	---
	language:
	- vi
	license: apache-2.0
	tags:
	- sentence-transformers
	- sentence-similarity
	- feature-extraction
	- dense
	- generated_from_trainer
	- dataset_size:57371
	- loss:MatryoshkaLoss
	- loss:MultipleNegativesRankingLoss
	base_model: bkai-foundation-models/vietnamese-bi-encoder
	widget:
	- source_sentence: "Điều 1 Quyết_định 1788 / QĐ - UBND Quy_định tạm_thời định mức\
	\ chi_phí trong xây_dựng có nội_dung như sau : \n \n Điều 1 . : Quy_định tạm_thời\
	\ một_số định mức chi_phí trong xây_dựng cơ_bản lâm_sinh thuộc Dự_án 661 trên\
	\ địa_bàn tỉnh Quảng_Bình như sau : \n 1 . Đối_với trồng và chăm_sóc rừng trồng\
	\ phòng_hộ , rừng đặc_dụng : \n - Chi_phí trực_tiếp ( nhân_công , vật_tư ) được\
	\ xây_dựng trên cơ_sở định mức ban_hành tại Quyết_định số 38 / 2005 / QĐ - BNN\
	\ ngày 06 / 7 / 2005 của Bộ Nông_nghiệp và PTNT và đơn_giá trên địa_bàn tỉnh .\
	\ \n - Chi_phí phục_vụ được tính theo Phụ_lục kèm theo Quyết_định này . \n 2 .\
	\ Đối_với khoanh nuôi xúc_tiến tái_sinh có trồng bổ_sung cây lâm_nghiệp : \n Mức\
	\ đầu_tư bình_quân là 2 triệu đồng / ha / 6 năm . Mức đầu_tư cụ_thể cho từng năm\
	\ theo Phụ_lục kèm theo Quyết_định này ."
	sentences:
	- Khi có quyết_định tuyên_bố phá_sản thì doanh_nghiệp phải giải_quyết các khoản
	nợ theo thứ tự phân_chia tài_sản như thế_nào ?
	- Mức phạt đối_với hành_vi cản_trở trái_phép việc nghiên_cứu khoa_học sử_dụng ngân_sách
	nhà nướcđược quy_định như thế_nào ?
	- Điều 1 Quyết_định 1788 / QĐ - UBND Quy_định tạm_thời định mức chi_phí trong xây_dựng
	- source_sentence: "Điều 14 . Điều_kiện , mức hưởng , trình_tự , thủ_tục và cơ_quan\
	\ có trách_nhiệm bảo_đảm kinh_phí khám bệnh , chữa bệnh cho Dân_quân tự_vệ không\
	\ tham_gia_bảo_hiểm y_tế nếu bị ốm_đau , bị tai_nạn , bị_thương 1 . Điều_kiện\
	\ \n a ) Dân_quân tự_vệ trong thời_gian thực_hiện nhiệm_vụ theo quyết_định điều_động\
	\ , huy_động hoặc làm nhiệm_vụ theo kế_hoạch được cấp có thẩm_quyền phê_duyệt\
	\ , nếu bị ốm_đau , bị tai_nạn , bị_thương được khám bệnh , chữa bệnh tại các\
	\ cơ_sở khám bệnh , chữa bệnh quân , dân y theo quy_định ; \n b ) Dân_quân tự_vệ\
	\ không được khám bệnh , chữa bệnh nếu bị ốm_đau , bị tai_nạn , bị_thương khi\
	\ : cố_ý tự hủy_hoại sức_khỏe của bản_thân hoặc tai_nạn do mâu_thuẫn của chính\
	\ bản_thân với người gây ra tai_nạn mà không liên_quan đến thực_hiện nhiệm_vụ\
	\ hoặc tai_nạn do sử_dụng rượu , bia , sử_dụng chất ma_túy , tiền chất ma_túy\
	\ hoặc chất gây nghiện khác theo quy_định của pháp_luật . \n 2 . Mức_hưởng \n\
	\ Chi_phí khám bệnh , chữa bệnh như mức hưởng bảo_hiểm y_tế cho hạ_sĩ_quan , binh_sĩ\
	\ Quân_đội nhân_dân Việt_Nam đang tại_ngũ . Trong thời_gian điều_trị nội_trú được\
	\ bảo_đảm tiền ăn bệnh_lý . Trường_hợp Dân_quân tự_vệ đang điều_trị nội_trú ,\
	\ nhưng hết thời_gian làm nhiệm_vụ thì được thanh_toán chi_phí khám bệnh , chữa\
	\ bệnh và tiền ăn bệnh_lý nhưng tối_đa không quá 15 ngày ; nếu hết 15 ngày bệnh\
	\ vẫn chưa ổn_định thì điều_trị đến khi ổn_định và được thanh_toán 100 % tiền\
	\ khám , chữa bệnh . \n 3 . Trình_tự giải_quyết \n a ) Dân_quân hoặc người đại_diện\
	\ hợp_pháp của dân_quân gửi trực_tiếp hoặc qua bưu_chính , môi_trường điện_tử\
	\ đơn đề_nghị thanh_toán tiền khám bệnh , chữa bệnh cho dân_quân kèm theo phiếu\
	\ xét_nghiệm , đơn thuốc , hóa_đơn thu tiền , giấy ra viện cho cơ_quan quân_sự\
	\ địa_phương . Dân_quân thuộc đơn_vị Dân_quân tự_vệ của cấp nào tổ_chức thì gửi\
	\ đơn cho cơ_quan quân_sự địa_phương cấp đó ; trường_hợp không hợp_lệ , trong\
	\ thời_hạn 03 ngày làm_việc kể từ ngày nhận được đơn đề_nghị , cơ_quan quân_sự\
	\ địa_phương phải có văn_bản hướng_dẫn gửi người nộp đơn để bổ_sung , hoàn_thiện\
	\ ; \n b ) Trong thời_hạn 10 ngày làm_việc , kể từ ngày nhận đơn đề_nghị , cơ_quan\
	\ quân_sự địa_phương lập 01 bộ hồ_sơ . Tư_lệnh Bộ Tư_lệnh Thủ_đô Hà_Nội , Tư_lệnh\
	\ Bộ Tư_lệnh Thành_phố Hồ_Chí_Minh , Chỉ_huy_trưởng Bộ_chỉ_huy \n quân_sự cấp\
	\ tỉnh , Chỉ_huy_trưởng Ban chỉ_huy quân_sự cấp huyện trình Chủ_tịch Ủy_ban nhân_dân\
	\ cùng cấp quyết_định . Chỉ_huy_trưởng Ban chỉ_huy quân_sự cấp xã báo_cáo Chủ_tịch\
	\ Ủy_ban nhân_dân cấp xã trình Chủ_tịch Ủy_ban nhân_dân cấp huyện quyết_định ;\
	\ \n c ) Trong thời_hạn 05 ngày làm_việc , kể từ ngày nhận được hồ_sơ trình ,\
	\ Chủ_tịch Ủy_ban nhân_dân cấp huyện hoặc Chủ_tịch Ủy_ban nhân_dân cấp tỉnh quyết_định\
	\ kinh_phí khám bệnh , chữa bệnh cho dân_quân ; \n d ) Trong thời_hạn 10 ngày\
	\ làm_việc , kể từ ngày ra quyết_định , Ủy_ban nhân_dân cấp xã có trách_nhiệm\
	\ thực_hiện chi_trả kinh_phí khám bệnh , chữa bệnh cho dân_quân ; nơi không có\
	\ đơn_vị hành_chính cấp xã do Ban chỉ_huy quân_sự cấp huyện thực_hiện chi_trả\
	\ ; việc chi_trả bằng hình_thức chuyển_khoản hoặc qua đường bưu_chính hoặc trực_tiếp_nhận\
	\ ở cấp xã . \n 4 . Hồ_sơ : \n a ) Đơn đề_nghị thanh_toán chi_phí khám bệnh ,\
	\ chữa bệnh của dân_quân hoặc người đại_diện hợp_pháp của dân_quân . Mẫu_đơn quy_định\
	\ tại Phụ_lục III ban_hành kèm theo Nghị_định này ; \n b ) Phiếu xét_nghiệm ,\
	\ đơn thuốc , hóa_đơn thu tiền , giấy xuất_viện ; \n c ) Quyết_định công_dân thực_hiện\
	\ nghĩa_vụ tham_gia Dân_quân tự_vệ ; quyết_định điều_động hoặc huy_động hoặc kế_hoạch\
	\ thực_hiện nhiệm_vụ được cấp có thẩm_quyền phê_duyệt . \n 5 . Kinh_phí bảo_đảm\
	\ thực_hiện chế_độ , chính_sách theo quy_định tại Điều này do Ủy_ban nhân_dân\
	\ cấp huyện bảo_đảm đối_với dân_quân do cơ_quan quân_sự địa_phương cấp huyện ,\
	\ cấp xã quản_lý ; Ủy_ban nhân_dân cấp tỉnh bảo_đảm kinh_phí đối_với dân_quân\
	\ do cơ_quan quân_sự địa_phương cấp tỉnh quản_lý ."
	sentences:
	- Áp_dụng xuất_xứ hàng_hóa hàng dệt may thế_nào ?
	- Trẻ_em là công_dân Việt_Nam được người nước_ngoài nhận nuôi thì có được giữ quốc_tịch
	Việt_Nam không ?
	- Dân_quân tự_vệ được hưởng kinh_phí khám chữa bệnh khi không tham_gia BHYT phải
	thỏa_các điều_kiện nào ?
	- source_sentence: "Điều 87 . Nghĩa_vụ của người được hưởng án_treo 1 . Có_mặt theo\
	\ giấy triệu_tập và cam_kết việc chấp_hành án theo quy_định tại khoản 1 Điều 85\
	\ của Luật này . \n 2 . Thực_hiện nghiêm_chỉnh cam_kết trong việc tuân_thủ pháp_luật\
	\ , nghĩa_vụ công_dân , nội_quy , quy_chế của nơi cư_trú , nơi làm_việc , học_tập\
	\ ; chấp_hành đầy_đủ hình_phạt bổ_sung , nghĩa_vụ bồi_thường thiệt_hại , trừ trường_hợp\
	\ vì lý_do khách_quan được cơ_quan nhà_nước có thẩm_quyền xác_nhận . \n 3 . Chịu\
	\ sự giám_sát , giáo_dục của Ủy_ban nhân_dân cấp xã , đơn_vị quân_đội được giao\
	\ giám_sát , giáo_dục , cơ_quan thi_hành án hình_sự Công_an cấp huyện , cơ_quan\
	\ thi_hành án hình_sự cấp quân_khu nơi cư_trú , nơi làm_việc . \n 4 . Chấp_hành\
	\ quy_định tại Điều 92 của Luật này . \n 5 . Phải có_mặt theo yêu_cầu của Ủy_ban\
	\ nhân_dân cấp xã hoặc đơn_vị quân_đội được giao giám_sát , giáo_dục , cơ_quan\
	\ thi_hành án hình_sự Công_an cấp huyện , cơ_quan thi_hành án hình_sự cấp quân_khu\
	\ . \n 6 . Hằng tháng phải báo_cáo bằng văn_bản với Ủy_ban nhân_dân cấp xã , đơn_vị\
	\ quân_đội được giao giám_sát , giáo_dục về tình_hình chấp_hành nghĩa_vụ của mình\
	\ . Trường_hợp vắng_mặt theo quy_định tại khoản 1 Điều 92 của Luật này thì khi\
	\ hết thời_hạn vắng_mặt , người được hưởng án_treo phải báo_cáo về tình_hình chấp_hành\
	\ nghĩa_vụ của mình ."
	sentences:
	- Thẩm_quyền tiếp_nhận , giải_quyết chế_độ cho các trường_hợp F1
	- Doanh_nghiệp nước_ngoài có được mua nhà , đất tại Việt_Nam ?
	- Nghĩa_vụ thông_báo tình_hình chấp_hành của người được hưởng án_treo được quy_định
	như thế_nào ?
	- source_sentence: "Căn_cứ khoản 2 Điều 185 Luật Doanh_nghiệp 2020 quy_định chấm_dứt\
	\ tư_cách thành_viên hợp danh như sau : \n \n Thành_viên hợp danh có quyền rút\
	\ vốn khỏi công_ty nếu được Hội_đồng thành_viên chấp_thuận . Trường_hợp này ,\
	\ thành_viên muốn rút vốn khỏi công_ty phải thông_báo bằng văn_bản yêu_cầu rút\
	\ vốn chậm nhất là 06 tháng trước ngày rút vốn ; chỉ được rút vốn vào thời_điểm\
	\ kết_thúc năm tài_chính và báo_cáo tài_chính của năm tài_chính đó đã được thông_qua\
	\ . \n \n \n Theo quy_định trên thì chỉ được rút vốn vào thời_điểm kết_thúc năm\
	\ tài_chính và báo_cáo tài_chính của năm tài_chính đó đã được thông_qua ."
	sentences:
	- Thành_viên hợp danh rút được vốn ra khỏi công_ty vào thời_điểm nào ?
	- Dịch_vụ viễn_thông cước trả sau là gì ?
	- Cách tính thời_gian giảng_dạy để hưởng phụ_cấp thâm_niên
	- source_sentence: 'Tôi làm hộ_lý theo hợp_đồng 68 tại khoa kiểm_soát nhiễm_khuẩn
	ở bệnh_viện huyện . Công_việc hàng ngày là xử_lý đồ vải bệnh_nhân và xử_lý_dụng_cụ
	y_tế của bệnh_viện . Tôi đang hưởng lương bậc 4 , hệ_số 2,19 . Tôi xin hỏi , theo
	Nghị_định 111 / 2022 / NĐ - CP , tôi có được tiếp_tục làm_việc và hưởng các chế_độ
	của hợp_đồng 68 nữa không hay tôi phải chuyển sang ký hợp_đồng khác ? Nếu chuyển
	sang loại hợp_đồng khác thì lương và các chế_độ sẽ hưởng thế_nào ? Bộ Nội_vụ trả_lời
	vấn_đề này như sau : Khoản 1 Điều 13 Nghị_định số111 / 2022 / NĐ - CPquy định
	: " Người đang thực_hiện các công_việc hỗ_trợ , phục_vụ theo quy_định tại khoản
	1 Điều 4 Nghị_định này nếu chưa chuyển sang ký hợp_đồng lao_động theo quy_định
	của Nghị_định số 161 / 2018 / NĐ - CP ngày 29 tháng 11 năm 2018 của Chính_phủ
	sửa_đổi , bổ_sung một_số quy_định về tuyển_dụng công_chức , viên_chức , nâng ngạch
	công_chức , thăng_hạng viên_chức và thực_hiện chế_độ hợp_đồng một_số loại công_việc
	trong cơ_quan hành_chính nhà_nước , đơn_vị sự_nghiệp công_lập ( sau đây viết tắt
	là Nghị_định số 161 / 2018 / NĐ - CP ) và cơ_quan , tổ_chức , đơn_vị không ký
	hợp_đồng dịch_vụ thì trong thời_hạn 12 tháng kể từ ngày Nghị_định này có hiệu_lực
	, cơ_quan , tổ_chức , đơn_vị phải chuyển sang ký hợp_đồng lao_động . Hợp_đồng
	lao_động ký_kết phải bảo_đảm quyền , lợi_ích hợp_pháp về tiền_lương , chế_độ bảo_hiểm
	xã_hội và các chế_độ khác theo quy_định của pháp_luật . Trường_hợp một trong các
	bên không có nhu_cầu thì giải_quyết chế_độ thôi_việc theo quy_định của pháp_luật
	" . Như_vậy , trường_hợp bà Trần_Thị_Hoa nếu chưa chuyển sang ký hợp_đồng lao_động
	theo quy_định của Nghị_định số161 / 2018 / NĐ - CPthì trong thời_hạn 12 tháng
	kể từ ngày Nghị_định số 111 / 2022 / NĐ - CP có hiệu_lực phải chuyển sang ký hợp_đồng
	lao_động . Tiền_lương và các chế_độ khác của người lao_động thực_hiện theo quy_định
	tại khoản 2 Điều 8 Nghị_định số 111 / 2022 / NĐ - CP.'
	sentences:
	- Ký hợp_đồng lao_động theo quy_định mới từ 22 / 2 / 2023
	- Quy_định về tiêu_chuẩn chuyên_môn của sỹ quan kỹ_thuật điện được quy_định như
	thế_nào ?
	- Đối_tượng được bổ_nhiệm Phó_Thủ_trưởng cơ_quan quản_lý thi_hành án hình_sự thuộc
	Bộ Công_an được quy_định như thế_nào ?
	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: bkai-fine-tuned-legal
	results:
	- task:
	type: information-retrieval
	name: Information Retrieval
	dataset:
	name: dim 768
	type: dim_768
	metrics:
	- type: cosine_accuracy@1
	value: 0.37651652489192583
	name: Cosine Accuracy@1
	- type: cosine_accuracy@3
	value: 0.4960256589039186
	name: Cosine Accuracy@3
	- type: cosine_accuracy@5
	value: 0.5675637986333845
	name: Cosine Accuracy@5
	- type: cosine_accuracy@10
	value: 0.7325338167619578
	name: Cosine Accuracy@10
	- type: cosine_precision@1
	value: 0.37651652489192583
	name: Cosine Precision@1
	- type: cosine_precision@3
	value: 0.16534188630130617
	name: Cosine Precision@3
	- type: cosine_precision@5
	value: 0.11351275972667689
	name: Cosine Precision@5
	- type: cosine_precision@10
	value: 0.07325338167619579
	name: Cosine Precision@10
	- type: cosine_recall@1
	value: 0.37651652489192583
	name: Cosine Recall@1
	- type: cosine_recall@3
	value: 0.4960256589039186
	name: Cosine Recall@3
	- type: cosine_recall@5
	value: 0.5675637986333845
	name: Cosine Recall@5
	- type: cosine_recall@10
	value: 0.7325338167619578
	name: Cosine Recall@10
	- type: cosine_ndcg@10
	value: 0.5270382021795976
	name: Cosine Ndcg@10
	- type: cosine_mrr@10
	value: 0.46505562528083916
	name: Cosine Mrr@10
	- type: cosine_map@100
	value: 0.47495758740026794
	name: Cosine Map@100
	- task:
	type: information-retrieval
	name: Information Retrieval
	dataset:
	name: dim 512
	type: dim_512
	metrics:
	- type: cosine_accuracy@1
	value: 0.3719146562543578
	name: Cosine Accuracy@1
	- type: cosine_accuracy@3
	value: 0.4942128015618463
	name: Cosine Accuracy@3
	- type: cosine_accuracy@5
	value: 0.5781620415562683
	name: Cosine Accuracy@5
	- type: cosine_accuracy@10
	value: 0.7375540370938503
	name: Cosine Accuracy@10
	- type: cosine_precision@1
	value: 0.3719146562543578
	name: Cosine Precision@1
	- type: cosine_precision@3
	value: 0.16473760052061545
	name: Cosine Precision@3
	- type: cosine_precision@5
	value: 0.11563240831125365
	name: Cosine Precision@5
	- type: cosine_precision@10
	value: 0.07375540370938502
	name: Cosine Precision@10
	- type: cosine_recall@1
	value: 0.3719146562543578
	name: Cosine Recall@1
	- type: cosine_recall@3
	value: 0.4942128015618463
	name: Cosine Recall@3
	- type: cosine_recall@5
	value: 0.5781620415562683
	name: Cosine Recall@5
	- type: cosine_recall@10
	value: 0.7375540370938503
	name: Cosine Recall@10
	- type: cosine_ndcg@10
	value: 0.5276527222739883
	name: Cosine Ndcg@10
	- type: cosine_mrr@10
	value: 0.4641111797296452
	name: Cosine Mrr@10
	- type: cosine_map@100
	value: 0.4735810945322351
	name: Cosine Map@100
	- task:
	type: information-retrieval
	name: Information Retrieval
	dataset:
	name: dim 256
	type: dim_256
	metrics:
	- type: cosine_accuracy@1
	value: 0.37163575512480823
	name: Cosine Accuracy@1
	- type: cosine_accuracy@3
	value: 0.49295774647887325
	name: Cosine Accuracy@3
	- type: cosine_accuracy@5
	value: 0.5681216008924836
	name: Cosine Accuracy@5
	- type: cosine_accuracy@10
	value: 0.7309998605494352
	name: Cosine Accuracy@10
	- type: cosine_precision@1
	value: 0.37163575512480823
	name: Cosine Precision@1
	- type: cosine_precision@3
	value: 0.16431924882629106
	name: Cosine Precision@3
	- type: cosine_precision@5
	value: 0.11362432017849672
	name: Cosine Precision@5
	- type: cosine_precision@10
	value: 0.07309998605494351
	name: Cosine Precision@10
	- type: cosine_recall@1
	value: 0.37163575512480823
	name: Cosine Recall@1
	- type: cosine_recall@3
	value: 0.49295774647887325
	name: Cosine Recall@3
	- type: cosine_recall@5
	value: 0.5681216008924836
	name: Cosine Recall@5
	- type: cosine_recall@10
	value: 0.7309998605494352
	name: Cosine Recall@10
	- type: cosine_ndcg@10
	value: 0.524333456443
	name: Cosine Ndcg@10
	- type: cosine_mrr@10
	value: 0.46190055625280924
	name: Cosine Mrr@10
	- type: cosine_map@100
	value: 0.4718786149307726
	name: Cosine Map@100
	- task:
	type: information-retrieval
	name: Information Retrieval
	dataset:
	name: dim 128
	type: dim_128
	metrics:
	- type: cosine_accuracy@1
	value: 0.36424487519174453
	name: Cosine Accuracy@1
	- type: cosine_accuracy@3
	value: 0.48333565750941293
	name: Cosine Accuracy@3
	- type: cosine_accuracy@5
	value: 0.5603123692650955
	name: Cosine Accuracy@5
	- type: cosine_accuracy@10
	value: 0.729187003207363
	name: Cosine Accuracy@10
	- type: cosine_precision@1
	value: 0.36424487519174453
	name: Cosine Precision@1
	- type: cosine_precision@3
	value: 0.16111188583647096
	name: Cosine Precision@3
	- type: cosine_precision@5
	value: 0.1120624738530191
	name: Cosine Precision@5
	- type: cosine_precision@10
	value: 0.0729187003207363
	name: Cosine Precision@10
	- type: cosine_recall@1
	value: 0.36424487519174453
	name: Cosine Recall@1
	- type: cosine_recall@3
	value: 0.48333565750941293
	name: Cosine Recall@3
	- type: cosine_recall@5
	value: 0.5603123692650955
	name: Cosine Recall@5
	- type: cosine_recall@10
	value: 0.729187003207363
	name: Cosine Recall@10
	- type: cosine_ndcg@10
	value: 0.5187763857272285
	name: Cosine Ndcg@10
	- type: cosine_mrr@10
	value: 0.4552743855874532
	name: Cosine Mrr@10
	- type: cosine_map@100
	value: 0.4650707051757783
	name: Cosine Map@100
	- task:
	type: information-retrieval
	name: Information Retrieval
	dataset:
	name: dim 64
	type: dim_64
	metrics:
	- type: cosine_accuracy@1
	value: 0.35852740203597827
	name: Cosine Accuracy@1
	- type: cosine_accuracy@3
	value: 0.47413192023427697
	name: Cosine Accuracy@3
	- type: cosine_accuracy@5
	value: 0.5512480825547343
	name: Cosine Accuracy@5
	- type: cosine_accuracy@10
	value: 0.7167759029424069
	name: Cosine Accuracy@10
	- type: cosine_precision@1
	value: 0.35852740203597827
	name: Cosine Precision@1
	- type: cosine_precision@3
	value: 0.15804397341142565
	name: Cosine Precision@3
	- type: cosine_precision@5
	value: 0.11024961651094686
	name: Cosine Precision@5
	- type: cosine_precision@10
	value: 0.07167759029424069
	name: Cosine Precision@10
	- type: cosine_recall@1
	value: 0.35852740203597827
	name: Cosine Recall@1
	- type: cosine_recall@3
	value: 0.47413192023427697
	name: Cosine Recall@3
	- type: cosine_recall@5
	value: 0.5512480825547343
	name: Cosine Recall@5
	- type: cosine_recall@10
	value: 0.7167759029424069
	name: Cosine Recall@10
	- type: cosine_ndcg@10
	value: 0.5100114350662204
	name: Cosine Ndcg@10
	- type: cosine_mrr@10
	value: 0.44765800523714366
	name: Cosine Mrr@10
	- type: cosine_map@100
	value: 0.4579655459168757
	name: Cosine Map@100
	---

	# bkai-fine-tuned-legal

	This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder) on the json dataset. 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: [bkai-foundation-models/vietnamese-bi-encoder](https://huggingface.co/bkai-foundation-models/vietnamese-bi-encoder) <!-- at revision 84f9d9ada0d1a3c37557398b9ae9fcedcdf40be0 -->
	- Maximum Sequence Length: 256 tokens
	- Output Dimensionality: 768 dimensions
	- Similarity Function: Cosine Similarity
	- Training Dataset:
	- json
	- Language: vi
	- License: apache-2.0

	### 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("sentence_transformers_model_id")
	# Run inference
	sentences = [
	'Tôi làm hộ_lý theo hợp_đồng 68 tại khoa kiểm_soát nhiễm_khuẩn ở bệnh_viện huyện . Công_việc hàng ngày là xử_lý đồ vải bệnh_nhân và xử_lý_dụng_cụ y_tế của bệnh_viện . Tôi đang hưởng lương bậc 4 , hệ_số 2,19 . Tôi xin hỏi , theo Nghị_định 111 / 2022 / NĐ - CP , tôi có được tiếp_tục làm_việc và hưởng các chế_độ của hợp_đồng 68 nữa không hay tôi phải chuyển sang ký hợp_đồng khác ? Nếu chuyển sang loại hợp_đồng khác thì lương và các chế_độ sẽ hưởng thế_nào ? Bộ Nội_vụ trả_lời vấn_đề này như sau : Khoản 1 Điều 13 Nghị_định số111 / 2022 / NĐ - CPquy định : " Người đang thực_hiện các công_việc hỗ_trợ , phục_vụ theo quy_định tại khoản 1 Điều 4 Nghị_định này nếu chưa chuyển sang ký hợp_đồng lao_động theo quy_định của Nghị_định số 161 / 2018 / NĐ - CP ngày 29 tháng 11 năm 2018 của Chính_phủ sửa_đổi , bổ_sung một_số quy_định về tuyển_dụng công_chức , viên_chức , nâng ngạch công_chức , thăng_hạng viên_chức và thực_hiện chế_độ hợp_đồng một_số loại công_việc trong cơ_quan hành_chính nhà_nước , đơn_vị sự_nghiệp công_lập ( sau đây viết tắt là Nghị_định số 161 / 2018 / NĐ - CP ) và cơ_quan , tổ_chức , đơn_vị không ký hợp_đồng dịch_vụ thì trong thời_hạn 12 tháng kể từ ngày Nghị_định này có hiệu_lực , cơ_quan , tổ_chức , đơn_vị phải chuyển sang ký hợp_đồng lao_động . Hợp_đồng lao_động ký_kết phải bảo_đảm quyền , lợi_ích hợp_pháp về tiền_lương , chế_độ bảo_hiểm xã_hội và các chế_độ khác theo quy_định của pháp_luật . Trường_hợp một trong các bên không có nhu_cầu thì giải_quyết chế_độ thôi_việc theo quy_định của pháp_luật " . Như_vậy , trường_hợp bà Trần_Thị_Hoa nếu chưa chuyển sang ký hợp_đồng lao_động theo quy_định của Nghị_định số161 / 2018 / NĐ - CPthì trong thời_hạn 12 tháng kể từ ngày Nghị_định số 111 / 2022 / NĐ - CP có hiệu_lực phải chuyển sang ký hợp_đồng lao_động . Tiền_lương và các chế_độ khác của người lao_động thực_hiện theo quy_định tại khoản 2 Điều 8 Nghị_định số 111 / 2022 / NĐ - CP.',
	'Ký hợp_đồng lao_động theo quy_định mới từ 22 / 2 / 2023',
	'Đối_tượng được bổ_nhiệm Phó_Thủ_trưởng cơ_quan quản_lý thi_hành án hình_sự thuộc Bộ Công_an được quy_định như thế_nào ?',
	]
	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, 0.4945, 0.0426],
	# [ 0.4945, 1.0000, -0.0422],
	# [ 0.0426, -0.0422, 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: `dim_768`
	* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
	```json
	{
	"truncate_dim": 768
	}
	```

	\| Metric \| Value \|
	\|:--------------------\|:----------\|
	\| cosine_accuracy@1 \| 0.3765 \|
	\| cosine_accuracy@3 \| 0.496 \|
	\| cosine_accuracy@5 \| 0.5676 \|
	\| cosine_accuracy@10 \| 0.7325 \|
	\| cosine_precision@1 \| 0.3765 \|
	\| cosine_precision@3 \| 0.1653 \|
	\| cosine_precision@5 \| 0.1135 \|
	\| cosine_precision@10 \| 0.0733 \|
	\| cosine_recall@1 \| 0.3765 \|
	\| cosine_recall@3 \| 0.496 \|
	\| cosine_recall@5 \| 0.5676 \|
	\| cosine_recall@10 \| 0.7325 \|
	\| cosine_ndcg@10 \| 0.527 \|
	\| cosine_mrr@10 \| 0.4651 \|
	\| cosine_map@100 \| 0.475 \|

	#### Information Retrieval

	* Dataset: `dim_512`
	* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
	```json
	{
	"truncate_dim": 512
	}
	```

	\| Metric \| Value \|
	\|:--------------------\|:-----------\|
	\| cosine_accuracy@1 \| 0.3719 \|
	\| cosine_accuracy@3 \| 0.4942 \|
	\| cosine_accuracy@5 \| 0.5782 \|
	\| cosine_accuracy@10 \| 0.7376 \|
	\| cosine_precision@1 \| 0.3719 \|
	\| cosine_precision@3 \| 0.1647 \|
	\| cosine_precision@5 \| 0.1156 \|
	\| cosine_precision@10 \| 0.0738 \|
	\| cosine_recall@1 \| 0.3719 \|
	\| cosine_recall@3 \| 0.4942 \|
	\| cosine_recall@5 \| 0.5782 \|
	\| cosine_recall@10 \| 0.7376 \|
	\| cosine_ndcg@10 \| 0.5277 \|
	\| cosine_mrr@10 \| 0.4641 \|
	\| cosine_map@100 \| 0.4736 \|

	#### Information Retrieval

	* Dataset: `dim_256`
	* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
	```json
	{
	"truncate_dim": 256
	}
	```

	\| Metric \| Value \|
	\|:--------------------\|:-----------\|
	\| cosine_accuracy@1 \| 0.3716 \|
	\| cosine_accuracy@3 \| 0.493 \|
	\| cosine_accuracy@5 \| 0.5681 \|
	\| cosine_accuracy@10 \| 0.731 \|
	\| cosine_precision@1 \| 0.3716 \|
	\| cosine_precision@3 \| 0.1643 \|
	\| cosine_precision@5 \| 0.1136 \|
	\| cosine_precision@10 \| 0.0731 \|
	\| cosine_recall@1 \| 0.3716 \|
	\| cosine_recall@3 \| 0.493 \|
	\| cosine_recall@5 \| 0.5681 \|
	\| cosine_recall@10 \| 0.731 \|
	\| cosine_ndcg@10 \| 0.5243 \|
	\| cosine_mrr@10 \| 0.4619 \|
	\| cosine_map@100 \| 0.4719 \|

	#### Information Retrieval

	* Dataset: `dim_128`
	* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
	```json
	{
	"truncate_dim": 128
	}
	```

	\| Metric \| Value \|
	\|:--------------------\|:-----------\|
	\| cosine_accuracy@1 \| 0.3642 \|
	\| cosine_accuracy@3 \| 0.4833 \|
	\| cosine_accuracy@5 \| 0.5603 \|
	\| cosine_accuracy@10 \| 0.7292 \|
	\| cosine_precision@1 \| 0.3642 \|
	\| cosine_precision@3 \| 0.1611 \|
	\| cosine_precision@5 \| 0.1121 \|
	\| cosine_precision@10 \| 0.0729 \|
	\| cosine_recall@1 \| 0.3642 \|
	\| cosine_recall@3 \| 0.4833 \|
	\| cosine_recall@5 \| 0.5603 \|
	\| cosine_recall@10 \| 0.7292 \|
	\| cosine_ndcg@10 \| 0.5188 \|
	\| cosine_mrr@10 \| 0.4553 \|
	\| cosine_map@100 \| 0.4651 \|

	#### Information Retrieval

	* Dataset: `dim_64`
	* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) with these parameters:
	```json
	{
	"truncate_dim": 64
	}
	```

	\| Metric \| Value \|
	\|:--------------------\|:---------\|
	\| cosine_accuracy@1 \| 0.3585 \|
	\| cosine_accuracy@3 \| 0.4741 \|
	\| cosine_accuracy@5 \| 0.5512 \|
	\| cosine_accuracy@10 \| 0.7168 \|
	\| cosine_precision@1 \| 0.3585 \|
	\| cosine_precision@3 \| 0.158 \|
	\| cosine_precision@5 \| 0.1102 \|
	\| cosine_precision@10 \| 0.0717 \|
	\| cosine_recall@1 \| 0.3585 \|
	\| cosine_recall@3 \| 0.4741 \|
	\| cosine_recall@5 \| 0.5512 \|
	\| cosine_recall@10 \| 0.7168 \|
	\| cosine_ndcg@10 \| 0.51 \|
	\| cosine_mrr@10 \| 0.4477 \|
	\| cosine_map@100 \| 0.458 \|

	<!--
	## 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

	#### json

	* Dataset: json
	* Size: 57,371 training samples
	* Columns: <code>positive</code> and <code>anchor</code>
	* Approximate statistics based on the first 1000 samples:
	\| \| positive \| anchor \|
	\|:--------\|:-------------------------------------------------------------------------------------\|:----------------------------------------------------------------------------------\|
	\| type \| string \| string \|
	\| details \| <ul><li>min: 16 tokens</li><li>mean: 180.36 tokens</li><li>max: 256 tokens</li></ul> \| <ul><li>min: 5 tokens</li><li>mean: 16.49 tokens</li><li>max: 52 tokens</li></ul> \|
	* Samples:
	\| positive \| anchor \|
	\|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------\|:----------------------------------------------------------------------------------------------------------------------------\|
	\| <code>Điều 3 Quyết_định 44 / 2015 / QĐ - UBND thu quản_lý phí tham_gia đấu_giá quyền khai_thác khoáng_sản Bình_Dương có nội_dung như sau : <br> <br> Điều 3 . Chánh Văn_phòng Ủy_ban nhân_dân Thủ_trưởng các sở , ban , ngành , Chủ_tịch Ủy_ban nhân_dân các huyện , thị_xã , thành_phố và Thủ_trưởng các đơn_vị , tổ_chức , cá_nhân có liên_quan chịu trách_nhiệm thi_hành Quyết_định này</code> \| <code>Điều 3 Quyết_định 44 / 2015 / QĐ - UBND thu quản_lý phí tham_gia đấu_giá quyền khai_thác khoáng_sản Bình_Dương</code> \|
	\| <code>Điều 2 Quyết_định 3592 / QĐ - UBND 2020 phổ_biến pháp_luật hòa giải ở cơ_sở Khánh_Hòa có nội_dung như sau : <br> <br> Điều 2 . Quyết_định này có hiệu_lực thi_hành kể từ ngày ký .</code> \| <code>Điều 2 Quyết_định 3592 / QĐ - UBND 2020 phổ_biến pháp_luật hòa giải ở cơ_sở Khánh_Hòa</code> \|
	\| <code>Điều 5 . Xác_định chi_phí lập , thẩm_định đồ_án quy_hoạch 1 . Nội_dung , sản_phẩm đồ_án quy_hoạch được quy_định tại Nghị_định quy_định chi_tiết một_số nội_dung về quy_hoạch xây_dựng , Nghị_định về lập , thẩm_định , phê_duyệt và quản_lý quy_hoạch đô_thị , các Nghị_định chuyên_ngành có liên_quan và các văn_bản hướng_dẫn . <br> 2 . Chi_phí lập đồ_án quy_hoạch bao_gồm các chi_phí sau : chi_phí cho những người tham_gia thực_hiện lập đồ_án , các chi_phí khác ( chi_phí mua tài_liệu , số_liệu , bản_đồ , văn_phòng_phẩm , phần_mềm quy_hoạch ( nếu có ) , chi_phí khấu_hao thiết_bị , chi_phí đi_lại , chi_phí lưu_trú , chi_phí hội_nghị , hội_thảo và các khoản chi_phí khác ( nếu có ) ) . <br> 3 . Chi_phí lập đồ_án quy_hoạch xác_định theo định_mức được quy_định tại Thông_tư này chưa bao_gồm chi_phí để thực_hiện các công_việc sau : <br> a ) Lập nhiệm_vụ quy_hoạch . <br> b ) Khảo_sát xây_dựng phục_vụ lập đồ_án quy_hoạch . <br> c ) Mua hoặc lập các bản_đồ địa_hình phục_vụ lập đồ_án quy_hoạch ( nếu có ) . <br> 4 . Chi_phí ...</code> \| <code>Chi_phí điều_chỉnh đồ_án quy_hoạch được xác_định như thế_nào ?</code> \|
	* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
	```json
	{
	"loss": "MultipleNegativesRankingLoss",
	"matryoshka_dims": [
	768,
	512,
	256,
	128,
	64
	],
	"matryoshka_weights": [
	1,
	1,
	1,
	1,
	1
	],
	"n_dims_per_step": -1
	}
	```

	### Evaluation Dataset

	#### json

	* Dataset: json
	* Size: 7,172 evaluation samples
	* Columns: <code>positive</code> and <code>anchor</code>
	* Approximate statistics based on the first 1000 samples:
	\| \| positive \| anchor \|
	\|:--------\|:-------------------------------------------------------------------------------------\|:----------------------------------------------------------------------------------\|
	\| type \| string \| string \|
	\| details \| <ul><li>min: 13 tokens</li><li>mean: 181.46 tokens</li><li>max: 256 tokens</li></ul> \| <ul><li>min: 6 tokens</li><li>mean: 16.05 tokens</li><li>max: 38 tokens</li></ul> \|
	* Samples:
	\| positive \| anchor \|
	\|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------\|:-------------------------------------------------------------------------------------------\|
	\| <code>Cơ_quan tôi tổ_chức đấu_thầu rộng_rãi trong nước gói_thầu tư_vấn thiết_kế và thi_công ( hình_thức một giai_đoạn hai túi hồ_sơ ) . Có 3 nhà_thầu A , B , C tham_gia và đều là nhà_thầu liên_danh . Tổ chuyên_gia đánh_giá xong phần hồ_sơ đề_xuất kỹ_thuật và đã trình chủ đầu_tư phê_duyệt danh_sách nhà_thầu đáp_ứng yêu_cầu kỹ_thuật . Ngoài_ra , tổ chuyên_gia còn có thông_báo gửi các nhà_thầu liên_danh về danh_sách nhà_thầu đáp_ứng yêu_cầu kỹ_thuật và nhà_thầu không đáp_ứng yêu_cầu kỹ_thuật . Sau đó có nhà_thầu liên_danh C không đáp_ứng yêu_cầu kỹ_thuật đã kiến_nghị gửi chủ đầu_tư về kết_quả đánh_giá hồ_sơ đề_xuất kỹ_thuật . Tuy_nhiên đơn_vị gửi kiến_nghị đến chủ đầu_tư lại là một thành_viên của liên_danh nhà_thầu C , không phải là nhà_thầu đứng đầu liên_danh . Tôi xin hỏi , trường_hợp này , thành_viên của nhà_thầu liên_danh có được quyền kiến_nghị không ? Chủ đầu_tư phải giải_quyết như thế_nào hay_là đánh_giá tiếp phần đề_xuất tài_chính ? Bộ Kế_hoạch và Đầu_tư trả_lời vấn_đề này như sau : Kho...</code> \| <code>Thành_viên liên_danh nhà_thầu có quyền gửi đơn kiến_nghị ?</code> \|
	\| <code>Tôi xin hỏi , người làm công_chức cấp xã như địa_chính , xây_dựng , giao_thông thủy_lợi , tài_chính , ... có được hiểu là làm công_tác quản_lý nhà_nước thuộc phạm_vi quản_lý của huyện không ? Bộ Nội_vụ trả_lời vấn_đề này như sau : Chức_danh công_chức cấp xã được quy_định tại Khoản 3 Điều 61Luật Cán_bộ , công chứcnăm 2008 ( sửa_đổi , bổ_sung năm 2019 ) . Nhiệm_vụ của từng chức_danh công_chức cấp xã được quy_định tại Điều 11 Nghị_định số33 / 2023 / NĐ - CPngày 10 / 6 / 2023 của Chính_phủ quy_định về cán_bộ , công_chức cấp xã và người hoạt_động không chuyên_trách ở cấp xã , ở thôn , tổ dân_phố . Theo đó , công_chức cấp xã làm nhiệm_vụ tham_mưu giúp UBND cấp xã về công_tác lý nhà_nước theo lĩnh_vực chuyên_môn , nghiệp_vụ giao trên phạm_vi địa_bàn cấp xã . Căn_cứ các quy_định nêu trên , công_chức cấp xã là người tham_mưu giúp UBND cấp xã về công_tác quản_lý nhà_nước theo lĩnh_vực chuyên_môn được giao trên địa_bàn cấp xã , không phải làm công_tác quản_lý nhà_nước thuộc phạm_vi cấp huyện .</code> \| <code>Công_chức cấp xã làm nhiệm_vụ gì ?</code> \|
	\| <code>Điều 11 . Chế_phẩm sinh_học phải đăng_ký lưu_hành 1 . Chế_phẩm sinh_học sản_xuất trong nước hoặc nhập_khẩu chưa có tên trong Danh_mục chế_phẩm sinh_học trong xử_lý chất_thải tại Việt_Nam . <br> 2 . Chế_phẩm sinh_học có tên trong Danh_mục chế_phẩm sinh_học trong xử_lý chất_thải tại Việt_Nam nhưng có thay_đổi về thành_phần hoặc hàm_lượng các hoạt_chất trong chế_phẩm sinh_học làm ảnh_hưởng đến hiệu_quả xử_lý và tính an_toàn đối_với sức_khỏe con_người và sinh_vật .</code> \| <code>Chế_phẩm sinh_học phải đăng_ký lưu_hành bao_gồm những chế_phẩm sinh_học nào ?</code> \|
	* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
	```json
	{
	"loss": "MultipleNegativesRankingLoss",
	"matryoshka_dims": [
	768,
	512,
	256,
	128,
	64
	],
	"matryoshka_weights": [
	1,
	1,
	1,
	1,
	1
	],
	"n_dims_per_step": -1
	}
	```

	### Training Hyperparameters
	#### Non-Default Hyperparameters

	- `eval_strategy`: epoch
	- `per_device_train_batch_size`: 52
	- `per_device_eval_batch_size`: 52
	- `gradient_accumulation_steps`: 12
	- `learning_rate`: 3e-05
	- `weight_decay`: 0.2
	- `max_grad_norm`: 0.65
	- `num_train_epochs`: 8
	- `lr_scheduler_type`: cosine
	- `warmup_ratio`: 0.15
	- `warmup_steps`: 0.15
	- `fp16`: True
	- `load_best_model_at_end`: True
	- `group_by_length`: True
	- `batch_sampler`: no_duplicates

	#### All Hyperparameters
	<details><summary>Click to expand</summary>

	- `do_predict`: False
	- `eval_strategy`: epoch
	- `prediction_loss_only`: True
	- `per_device_train_batch_size`: 52
	- `per_device_eval_batch_size`: 52
	- `gradient_accumulation_steps`: 12
	- `eval_accumulation_steps`: None
	- `torch_empty_cache_steps`: None
	- `learning_rate`: 3e-05
	- `weight_decay`: 0.2
	- `adam_beta1`: 0.9
	- `adam_beta2`: 0.999
	- `adam_epsilon`: 1e-08
	- `max_grad_norm`: 0.65
	- `num_train_epochs`: 8
	- `max_steps`: -1
	- `lr_scheduler_type`: cosine
	- `lr_scheduler_kwargs`: None
	- `warmup_ratio`: 0.15
	- `warmup_steps`: 0.15
	- `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`: True
	- `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`: True
	- `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`: True
	- `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`: no_duplicates
	- `multi_dataset_batch_sampler`: proportional
	- `router_mapping`: {}
	- `learning_rate_mapping`: {}

	</details>

	### Training Logs
	\| Epoch \| Step \| Training Loss \| Validation Loss \| dim_768_cosine_ndcg@10 \| dim_512_cosine_ndcg@10 \| dim_256_cosine_ndcg@10 \| dim_128_cosine_ndcg@10 \| dim_64_cosine_ndcg@10 \|
	\|:-----:\|:----:\|:-------------:\|:---------------:\|:----------------------:\|:----------------------:\|:----------------------:\|:----------------------:\|:---------------------:\|
	\| 1.0 \| 46 \| 1.0163 \| 0.3857 \| 0.4328 \| 0.4286 \| 0.4233 \| 0.4187 \| 0.3972 \|
	\| 2.0 \| 92 \| 0.2933 \| 0.1917 \| 0.5137 \| 0.5136 \| 0.5116 \| 0.5032 \| 0.4928 \|
	\| 3.0 \| 138 \| 0.1528 \| 0.1524 \| 0.5216 \| 0.5240 \| 0.5188 \| 0.5185 \| 0.5042 \|
	\| 4.0 \| 184 \| 0.1110 \| 0.1392 \| 0.5250 \| 0.5201 \| 0.5190 \| 0.5184 \| 0.5050 \|
	\| 5.0 \| 230 \| 0.0876 \| 0.1290 \| 0.5229 \| 0.5279 \| 0.5203 \| 0.5208 \| 0.5083 \|
	\| 6.0 \| 276 \| 0.0778 \| 0.1271 \| 0.5270 \| 0.5277 \| 0.5243 \| 0.5188 \| 0.5100 \|


	### 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",
	}
	```

	#### MatryoshkaLoss
	```bibtex
	@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
	```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.
	-->