--- language: - vi license: apache-2.0 tags: - sentence-transformers - sentence-similarity - feature-extraction - dense - generated_from_trainer - dataset_size:25860 - loss:MatryoshkaLoss - loss:MultipleNegativesRankingLoss base_model: bkai-foundation-models/vietnamese-bi-encoder widget: - source_sentence: Công ty tôi phê duyệt tổng mức đầu tư dự án ngày 26/10/2015 khi Thông tư số09/2016/TT-BTCchưa ban hành nên chi phí kiểm toán và thẩm tra, phê duyệt quyết toán vẫn áp dụng hệ số theo Thông tư số19/2011/TT-BTC. Công ty tôi còn gói thầu kiểm toán và thẩm tra, phê duyệt quyết toán chưa thực hiện. Công ty tôi thực hiện tiếp 2 gói thầu này thì phải áp dụng hệ số cho chi phí kiểm toán và thẩm tra, phê duyệt quyết toán theo Thông tư số 09/2016/TT-BTC, như vậy tổng mức đầu tư thay đổi. Dự án của công ty vẫn còn chi phí dự phòng, xin hỏi, công ty tôi có được sử dụng chi phí dự phòng này không hay phải làm thủ tục điều chỉnh tổng mức đầu tư? Nếu phải điều chỉnh tổng mức đầu tư thì công ty tôi phải làm thủ tục như thế nào?Bộ Xây dựng trả lời vấn đề này như sau:Khi quyết toán dự án, việc sử dụng chi phí dự phòng để bổ sung cho chi phí kiểm toán và chi phí thẩm tra, phê duyệt quyết toán do Nhà nước thay đổi Thông tư số19/2011/TT-BTCbằng Thông tư số09/2016/TT-BTCngày 18/1/2016 quy định về quyết toán dự án hoàn thành thuộc nguồn vốn Nhà nước là phù hợp. sentences: - Điều 2 Quyết định 3138/QĐ-BKHCN 2019 đính chính Thông tư đo lường đối với phương tiện đo nhóm 2 - Trường hợp nào được sử dụng chi phí dự phòng? - Nếu không ký kết hợp đồng lao động mới, hợp đồng đã giao kết trở thành hợp đồng lao động gì? - source_sentence: 'Điều 1 Thông tư 172/2009/TT-BTC sửa đổi 81/2006/TT-BTC kiểm soát chi đơn vị sự nghiệp công lập có nội dung như sau: Điều 1. Sửa đổi gạch đầu dòng thứ 2 và thứ 3 tiết 2.5.2, điểm 2.5, khoản 2 mục II Thông tư số 81/2006/TT-BTC như sau: - Trong năm, căn cứ vào mức chênh lệch thu lớn hơn chi hàng quý xác định được; đơn vị lập giấy rút dự toán ngân sách nhà nước (thanh toán) để chi trả thu nhập tăng thêm cho cán bộ, công chức trong đơn vị theo quý gửi Kho bạc Nhà nước. Kho bạc Nhà nước thanh toán theo mức thủ trưởng đơn vị đề nghị đảm bảo trong phạm vi dự toán được giao nhưng tối đa không quá 60% số chênh lệch thu lớn hơn chi đơn vị xác định được theo quý và thực hiện hạch toán thực chi mục 6400 (tiểu mục 6404 chi chênh lệch thu nhập thực tế so với lương ngạch bậc, chức vụ). - Kết thúc năm ngân sách, trước ngày 31/01 năm sau, đơn vị sự nghiệp thực hiện chế độ tự chủ, tự chịu trách nhiệm về tài chính tự xác định số chênh lệch thu lớn hơn chi và kinh phí chi thu nhập tăng thêm của năm trước theo quy chế chi tiêu nội bộ của đơn vị gửi Kho bạc Nhà nước nơi giao dịch đề nghị thanh toán tiếp thu nhập tăng thêm cho người lao động. Trên cơ sở văn bản đề nghị của đơn vị, Kho bạc Nhà nước làm thủ tục thanh toán phần chi thu nhập tăng thêm cho đơn vị đảm bảo không vượt quá mức thu nhập tăng thêm đối với từng loại đơn vị sự nghiệp quy định tại Nghị định số 43/2006/NĐ-CP ngày 25/4/2006 của Chính phủ và Thông tư số 71/2006/TT-BTC ngày 09/08/2006 của Bộ Tài chính hướng dẫn thực hiện Nghị định số 43/2006/NĐ-CP ngày 25/04/2006 của Chính phủ. Sau khi quyết toán của đơn vị được cấp có thẩm quyền phê duyệt: - Trường hợp số chênh lệch thu lớn hơn chi dành để chi trả thu nhập tăng thêm cho người lao động cao hơn số đơn vị tự xác định, căn cứ vào quy chế chi tiêu nội bộ và đề nghị của đơn vị, Kho bạc Nhà nước thanh toán tiếp phần chi trả thu nhập tăng thêm cho người lao động của đơn vị và thực hiện hạch toán vào niên độ ngân sách năm sau. - Trường hợp số chênh lệch thu lớn hơn chi dành để chi trả thu nhập tăng thêm cho người lao động thấp hơn số đơn vị tự xác định thì số đã chi trả thu nhập tăng thêm vượt so với số quyết toán được cơ quan có thẩm quyền duyệt, đơn vị phải sử dụng Quỹ dự phòng ổn định thu nhập (nếu có) để bù đắp, trường hợp sau khi dùng quỹ dự phòng ổn định thu nhập để bù đắp vẫn còn thiết hụt thì trừ vào chênh lệch thu lớn hơn chi phần dành để chi trả thu nhập tăng thêm của năm sau, trường hợp năm sau không có chênh lệch thu lớn hơn chi thì trừ vào quỹ tiền lương của đơn vị.' sentences: - Bố trí người phụ trách kế toán tối đa là 12 tháng - Quy định về ngày cấp giấy chứng nhận nghỉ việc hưởng BHXH - Điều 1 Thông tư 172/2009/TT-BTC sửa đổi 81/2006/TT-BTC kiểm soát chi đơn vị sự nghiệp công lập - source_sentence: Người lao động làm việc trong điều kiện bình thường, cứ 12 tháng làm việc thì được nghỉ phép 12 ngày làm việc hưởng nguyên lương. Người làm công việc nặng nhọc, độc hại, nguy hiểm hoặc làm việc ở nơi có điều kiện sinh hoạt đặc biệt khó khăn thì được nghỉ phép 14 ngày làm việc hưởng nguyên lương. Người làm công việc đặc biệt nặng nhọc, độc hại, nguy hiểm thì được nghỉ phép 16 ngày làm việc hưởng nguyên lương. sentences: - Người lao động làm việc trong điều kiện bình thường được nghỉ phép bao nhiêu ngày làm việc hưởng nguyên lương? - Vi phạm quy định về bầu cử có thể bị phạt tù - Điều 24 Nghị định 30/2015/NĐ-CP hướng dẫn Luật Đấu thầu về lựa chọn nhà đầu tư - source_sentence: 'Điều 3 Quyết định 1970/QĐ-BCT 2023 nhiệm vụ Chương trình phát triển thương mại miền núi vùng sâu 2024 có nội dung như sau: Điều 3. Giao Vụ Thị trường trong nước chủ trì, phối hợp với các cơ quan liên quan triển khai thực hiện nhiệm vụ năm 2024 của Bộ Công Thương thuộc Chương trình phát triển thương mại miền núi, vùng sâu, vùng xa và hải đảo giai đoạn 2021 -2025.' sentences: - Người lao động làm việc từ đủ bao nhiêu năm trở lên cho một người sử dụng lao động thì được nghỉ thêm 1 ngày phép hưởng nguyên lương? - Điều 3 Quyết định 1970/QĐ-BCT 2023 nhiệm vụ Chương trình phát triển thương mại miền núi vùng sâu 2024 - Báo cáo nào cần được thẩm định an ninh mạng? - source_sentence: 'Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào Cai có nội dung như sau: Điều 3. Chánh Văn phòng UBND tỉnh; Giám đốc Sở Thông tin và Truyền thông; Thủ trưởng các sở, ban, ngành, đơn vị; Chủ tịch UBND các huyện, thành phố; Giám đốc Doanh nghiệp cung cấp dịch vụ viễn thông và các tổ chức, cá nhân có liên quan chịu trách nhiệm thi hành Quyết định này' sentences: - Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào Cai - Đối tượng nào được hưởng chế độ công tác phí theo tháng? - Điều 1 Nghị định 65/2007/NĐ-CP điều chỉnh địa giới hành chính thị xã Cam Ranh Trường Sa Cam Nghĩa huyện Diên Khánh lập huyện xã tỉnh khánh Hòa mới nhất 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: 0.6073638613861386 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.7004950495049505 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.7419554455445545 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.7920792079207921 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.6073638613861386 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.2334983498349835 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.1483910891089109 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.0792079207920792 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.6073638613861386 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.7004950495049505 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.7419554455445545 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.7920792079207921 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.6953201867128341 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.6648522218293257 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.6707577379319669 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 512 type: dim_512 metrics: - type: cosine_accuracy@1 value: 0.6045792079207921 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.6955445544554455 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.7413366336633663 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.7892945544554455 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.6045792079207921 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.23184818481848182 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.14826732673267323 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.07892945544554454 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.6045792079207921 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.6955445544554455 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.7413366336633663 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.7892945544554455 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.6923022700361329 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.6617676164937917 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.6678128035277444 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 256 type: dim_256 metrics: - type: cosine_accuracy@1 value: 0.6036509900990099 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.693069306930693 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.7345297029702971 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.7874381188118812 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.6036509900990099 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.23102310231023104 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.1469059405940594 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.0787438118811881 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.6036509900990099 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.693069306930693 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.7345297029702971 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.7874381188118812 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.6899985182895687 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.6594872210435324 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.6654213269021221 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 128 type: dim_128 metrics: - type: cosine_accuracy@1 value: 0.5915841584158416 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.6763613861386139 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.7230816831683168 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.7738242574257426 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.5915841584158416 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.22545379537953794 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.14461633663366336 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.07738242574257424 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.5915841584158416 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.6763613861386139 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.7230816831683168 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.7738242574257426 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.6768923401788021 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.6465193059484518 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.6528103079926022 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 64 type: dim_64 metrics: - type: cosine_accuracy@1 value: 0.5770420792079208 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.6593440594059405 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.6989480198019802 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.755569306930693 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.5770420792079208 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.2197813531353135 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.13978960396039602 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.0755569306930693 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.5770420792079208 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.6593440594059405 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.6989480198019802 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.755569306930693 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.6604592325341517 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.6308034486484356 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.6369596779835216 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) - **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 = [ 'Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào Cai có nội dung như sau:\n\nĐiều 3. Chánh Văn phòng UBND tỉnh; Giám đốc Sở Thông tin và Truyền thông; Thủ trưởng các sở, ban, ngành, đơn vị; Chủ tịch UBND các huyện, thành phố; Giám đốc Doanh nghiệp cung cấp dịch vụ viễn thông và các tổ chức, cá nhân có liên quan chịu trách nhiệm thi hành Quyết định này', 'Điều 3 Quyết định 22/2010/QĐ-UBND quản lý sử dụng Hệ thống giao ban điện tử Lào Cai', 'Điều 1 Nghị định 65/2007/NĐ-CP điều chỉnh địa giới hành chính thị xã Cam Ranh Trường Sa Cam Nghĩa huyện Diên Khánh lập huyện xã tỉnh khánh Hòa mới nhất', ] 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, 0.9331, 0.1638], # [0.9331, 1.0000, 0.1802], # [0.1638, 0.1802, 1.0000]]) ``` ## Evaluation ### Metrics #### Information Retrieval * Dataset: `dim_768` * Evaluated with [InformationRetrievalEvaluator](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 | 0.6074 | | cosine_accuracy@3 | 0.7005 | | cosine_accuracy@5 | 0.742 | | cosine_accuracy@10 | 0.7921 | | cosine_precision@1 | 0.6074 | | cosine_precision@3 | 0.2335 | | cosine_precision@5 | 0.1484 | | cosine_precision@10 | 0.0792 | | cosine_recall@1 | 0.6074 | | cosine_recall@3 | 0.7005 | | cosine_recall@5 | 0.742 | | cosine_recall@10 | 0.7921 | | **cosine_ndcg@10** | **0.6953** | | cosine_mrr@10 | 0.6649 | | cosine_map@100 | 0.6708 | #### Information Retrieval * Dataset: `dim_512` * Evaluated with [InformationRetrievalEvaluator](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 | 0.6046 | | cosine_accuracy@3 | 0.6955 | | cosine_accuracy@5 | 0.7413 | | cosine_accuracy@10 | 0.7893 | | cosine_precision@1 | 0.6046 | | cosine_precision@3 | 0.2318 | | cosine_precision@5 | 0.1483 | | cosine_precision@10 | 0.0789 | | cosine_recall@1 | 0.6046 | | cosine_recall@3 | 0.6955 | | cosine_recall@5 | 0.7413 | | cosine_recall@10 | 0.7893 | | **cosine_ndcg@10** | **0.6923** | | cosine_mrr@10 | 0.6618 | | cosine_map@100 | 0.6678 | #### Information Retrieval * Dataset: `dim_256` * Evaluated with [InformationRetrievalEvaluator](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 | 0.6037 | | cosine_accuracy@3 | 0.6931 | | cosine_accuracy@5 | 0.7345 | | cosine_accuracy@10 | 0.7874 | | cosine_precision@1 | 0.6037 | | cosine_precision@3 | 0.231 | | cosine_precision@5 | 0.1469 | | cosine_precision@10 | 0.0787 | | cosine_recall@1 | 0.6037 | | cosine_recall@3 | 0.6931 | | cosine_recall@5 | 0.7345 | | cosine_recall@10 | 0.7874 | | **cosine_ndcg@10** | **0.69** | | cosine_mrr@10 | 0.6595 | | cosine_map@100 | 0.6654 | #### Information Retrieval * Dataset: `dim_128` * Evaluated with [InformationRetrievalEvaluator](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 | 0.5916 | | cosine_accuracy@3 | 0.6764 | | cosine_accuracy@5 | 0.7231 | | cosine_accuracy@10 | 0.7738 | | cosine_precision@1 | 0.5916 | | cosine_precision@3 | 0.2255 | | cosine_precision@5 | 0.1446 | | cosine_precision@10 | 0.0774 | | cosine_recall@1 | 0.5916 | | cosine_recall@3 | 0.6764 | | cosine_recall@5 | 0.7231 | | cosine_recall@10 | 0.7738 | | **cosine_ndcg@10** | **0.6769** | | cosine_mrr@10 | 0.6465 | | cosine_map@100 | 0.6528 | #### Information Retrieval * Dataset: `dim_64` * Evaluated with [InformationRetrievalEvaluator](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 | 0.577 | | cosine_accuracy@3 | 0.6593 | | cosine_accuracy@5 | 0.6989 | | cosine_accuracy@10 | 0.7556 | | cosine_precision@1 | 0.577 | | cosine_precision@3 | 0.2198 | | cosine_precision@5 | 0.1398 | | cosine_precision@10 | 0.0756 | | cosine_recall@1 | 0.577 | | cosine_recall@3 | 0.6593 | | cosine_recall@5 | 0.6989 | | cosine_recall@10 | 0.7556 | | **cosine_ndcg@10** | **0.6605** | | cosine_mrr@10 | 0.6308 | | cosine_map@100 | 0.637 | ## Training Details ### Training Dataset #### json * Dataset: json * Size: 25,860 training samples * Columns: positive and anchor * Approximate statistics based on the first 1000 samples: | | positive | anchor | |:--------|:-------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | positive | anchor | |:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------| | Điều 475. Trách nhiệm của người sử dụng lao động trong việc giải quyết tranh chấp lao động khi sa thải người lao động. 1. Người sử dụng lao động có trách nhiệm giải quyết tranh chấp lao động khi sa thải người lao động theo quy định của pháp luật. 2. Người sử dụng lao động có nghĩa vụ bồi thường thiệt hại cho người lao động nếu sa thải trái pháp luật. | Người sử dụng lao động có trách nhiệm gì trong việc giải quyết tranh chấp lao động khi sa thải người lao động? | | Điều 69 Nghị định 154/2005/NĐ-CP thủ tục hải quan, kiểm tra, giám sát hải quan hướng dẫn Luật Hải quan có nội dung như sau:

Điều 69. Xử lý kết quả kiểm tra
1. Kết quả kiểm tra được cập nhật vào hệ thống thông tin hải quan để phân tích, đánh giá việc chấp hành pháp luật của chủ hàng, mức độ rủi ro vi phạm pháp luật, làm căn cứ cho việc kiểm tra khi làm thủ tục hải quan, xác định doanh nghiệp có quá trình chấp hành tốt pháp luật hải quan và phục vụ cho hoạt động của cơ quan hải quan trong công tác chống buôn lậu.
2. Kết luận kiểm tra, giải trình của đơn vị được kiểm tra (nếu có), biên bản vi phạm pháp luật đối với đơn vị được kiểm tra là căn cứ để cơ quan hải quan quyết định việc truy thu thuế, hoàn thuế, xử lý vi phạm pháp luật về thuế theo quy định của pháp luật.
3. Việc truy thu thuế, hoàn thuế, xử lý vi phạm pháp luật về thuế thực hiện theo quy định của pháp luật về thuế và pháp luật có liên quan. | Điều 69 Nghị định 154/2005/NĐ-CP thủ tục hải quan, kiểm tra, giám sát hải quan hướng dẫn Luật Hải quan | | Điều 4 Quyết định 15/2008/QĐ-UBND thành lập Phòng Quản lý đô thị quận Tân Bình có nội dung như sau:

Điều 4. Quyết định này có hiệu lực thi hành sau 7 ngày, kể từ ngày ký và thay thế các quyết định trước đây trái với Quyết định này. | Điều 4 Quyết định 15/2008/QĐ-UBND thành lập Phòng Quản lý đô thị quận Tân Bình | * Loss: [MatryoshkaLoss](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: 3,233 evaluation samples * Columns: positive and anchor * Approximate statistics based on the first 1000 samples: | | positive | anchor | |:--------|:------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | positive | anchor | |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------| | Điều 1 Quyết định 1791/QĐ-BKHCN 2021 tiếp nhận xử lý văn bản điện tử trên Hệ thống quản lý văn bản có nội dung như sau:

Điều 1. Ban hành kèm theo Quyết định này Quy chế tiếp nhận, xử lý, phát hành và quản lý văn bản điện tử trên Hệ thống quản lý văn bản và điều hành của Bộ Khoa học và Công nghệ. | Điều 1 Quyết định 1791/QĐ-BKHCN 2021 tiếp nhận xử lý văn bản điện tử trên Hệ thống quản lý văn bản | | Tôi xin hỏi, việc hủy thầu trong trường hợp hồ sơ dự thầu của các nhà thầu tham gia dự thầu không đáp ứng hồ sơ mời thầu thì có phải thẩm định kết quả lựa chọn nhà thầu không?Bộ Kế hoạch và Đầu tư trả lời vấn đề này như sau:Khoản 5 và Khoản 2, Điều 20 Nghị định số63/2014/NĐ-CPcủa Chính phủ quy định kết quả lựa chọn nhà thầu phải được thẩm định theo quy định tại Khoản 1 và Khoản 4, Điều 106 của Nghị định này trước khi phê duyệt.Trường hợp hủy thầu theo quy định tại Khoản 1, Điều 17 củaLuật Đấu thầu, trong văn bản phê duyệt kết quả lựa chọn nhà thầu hoặc văn bản quyết định hủy thầu phải nêu rõ lý do hủy thầu và trách nhiệm của các bên liên quan khi hủy thầu.Đối với vấn đề của ông Tường, việc hủy thầu được thực hiện theo quy định nêu trên. | Hủy thầu thực hiện thế nào? | | Tôi xin hỏi, theo phương án thi năm nay thì thí sinh có thể đăng ký nhiều ngành trong cùng một trường được không?Bộ Giáo dục và Đào tạo trả lời vấn đề này như sau:Theo quy định của Quy chế tuyển sinh đại học hệ chính quy: Thí sinh có thể đăng ký không hạn chế nguyện vọng và phải sắp xếp nguyện vọng theo thứ tự ưu tiên từ cao xuống thấp. Mỗi nguyện vọng thí sinh phải đăng ký mã trường, mã ngành, mã tổ hợp để xét tuyển. Như vậy, thí sinh có thể đăng ký nhiều ngành trong một trường. | Thí sinh được đăng ký nhiều ngành trong một trường | * Loss: [MatryoshkaLoss](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`: 64 - `per_device_eval_batch_size`: 64 - `gradient_accumulation_steps`: 12 - `learning_rate`: 3e-05 - `weight_decay`: 0.2 - `max_grad_norm`: 0.65 - `num_train_epochs`: 5 - `lr_scheduler_type`: cosine - `warmup_ratio`: 0.15 - `fp16`: True - `load_best_model_at_end`: True - `group_by_length`: True - `batch_sampler`: no_duplicates #### All Hyperparameters
Click to expand - `overwrite_output_dir`: False - `do_predict`: False - `eval_strategy`: epoch - `prediction_loss_only`: True - `per_device_train_batch_size`: 64 - `per_device_eval_batch_size`: 64 - `per_gpu_train_batch_size`: None - `per_gpu_eval_batch_size`: None - `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`: 5 - `max_steps`: -1 - `lr_scheduler_type`: cosine - `lr_scheduler_kwargs`: {} - `warmup_ratio`: 0.15 - `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 - `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`: 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} - `parallelism_config`: None - `deepspeed`: None - `label_smoothing_factor`: 0.0 - `optim`: adamw_torch_fused - `optim_args`: None - `adafactor`: False - `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 - `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`: 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 - `prompts`: None - `batch_sampler`: no_duplicates - `multi_dataset_batch_sampler`: proportional - `router_mapping`: {} - `learning_rate_mapping`: {}
### 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 | 34 | 1.6861 | 0.6655 | 0.6172 | 0.6148 | 0.6059 | 0.5862 | 0.5547 | | 2.0 | 68 | 0.5426 | 0.4693 | 0.6877 | 0.6889 | 0.6830 | 0.6684 | 0.6508 | | 3.0 | 102 | 0.3528 | 0.4305 | 0.6939 | 0.6919 | 0.6855 | 0.6752 | 0.6595 | | 4.0 | 136 | 0.268 | 0.4048 | 0.6953 | 0.6921 | 0.6898 | 0.6767 | 0.6607 | | **5.0** | **170** | **0.2341** | **0.4039** | **0.6953** | **0.6923** | **0.69** | **0.6769** | **0.6605** | * The bold row denotes the saved checkpoint. ### Framework Versions - Python: 3.12.12 - Sentence Transformers: 5.1.2 - Transformers: 4.57.3 - PyTorch: 2.9.0+cu126 - Accelerate: 1.12.0 - Datasets: 4.0.0 - Tokenizers: 0.22.1 ## 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} } ```