SentenceTransformer based on google/embeddinggemma-300m

This is a sentence-transformers model finetuned from google/embeddinggemma-300m. 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: google/embeddinggemma-300m
Maximum Sequence Length: 2048 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity

Model Sources

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

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 2048, 'do_lower_case': False, 'architecture': 'Gemma3TextModel'})
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Dense({'in_features': 768, 'out_features': 3072, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (3): Dense({'in_features': 3072, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (4): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("cristvz01/my-embedding-gemma-retrieval")
# Run inference
queries = [
    "S\u1ef1 k\u1ebft h\u1ee3p gi\u1eefa l\u1ec7nh \u0027for\u0027 v\u00e0 to\u00e1n t\u1eed \u0027in\u0027 c\u00f3 c\u00f4ng d\u1ee5ng g\u00ec?",
]
documents = [
    'Có thể duyệt nhanh từng phần tử của danh sách bằng toán tử in và lệnh for mà không cần sử dụng lệnh range().',
    'Mạng Internet là một hệ thống thông tin toàn cầu gồm các mạng máy tính được liên kết với nhau. Giao thức chính được sử dụng là bộ giao thức TCP/IP, cho phép hàng tỷ người dùng trao đổi thông tin.',
    'Bộ giám sát hành trình trên xe tải hoặc xe khách ghi lại và gửi dữ liệu về tốc độ, toạ độ, và thời gian về máy chủ. Dựa trên các dữ liệu này, người ta có thể phân tích và xác định được các hành vi vi phạm giao thông của tài xế.',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 768] [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[ 0.7963,  0.0521, -0.1181]])

Training Details

Training Dataset

Unnamed Dataset

Size: 4,631 training samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 1000 samples:

	anchor	positive	negative
type	string	string	string
details	min: 6 tokens mean: 21.06 tokens max: 50 tokens	min: 13 tokens mean: 55.19 tokens max: 266 tokens	min: 23 tokens mean: 54.13 tokens max: 103 tokens

Samples:

anchor	positive	negative
`Môn Tin học lớp 10 được chia thành những định hướng nghề nghiệp chính nào?`	`Từ lớp 10, môn Tin học sẽ được phân chia thành hai định hướng nghề nghiệp lớn: Tin học ứng dụng (ICT) và Khoa học máy tính (CS). Định hướng ICT sẽ cung cấp nhiều hơn các kĩ năng sử dụng phần mềm ứng dụng; định hướng CS sẽ cung cấp các kiến thức cơ bản sâu hơn liên quan tới lĩnh vực Khoa học máy tính.`	`Thuật toán là một dãy hữu hạn các chỉ dẫn rõ ràng, có thể thực hiện được để giải quyết một lớp các bài toán. Một thuật toán tốt cần có các tính chất như tính dừng, tính xác định và tính đúng đắn.`
`Sự khác nhau cơ bản giữa định hướng Tin học ứng dụng (ICT) và Khoa học máy tính (CS) là gì?`	`Định hướng ICT sẽ cung cấp nhiều hơn các kĩ năng sử dụng phần mềm ứng dụng; định hướng CS sẽ cung cấp các kiến thức cơ bản sâu hơn liên quan tới lĩnh vực Khoa học máy tính.`	`Mạng máy tính là một hệ thống gồm các máy tính và thiết bị được kết nối với nhau bằng các phương tiện truyền dẫn để chia sẻ tài nguyên như dữ liệu, phần mềm, máy in. Các loại mạng phổ biến bao gồm mạng LAN và mạng WAN.`
`Cấu trúc của một bài học trong sách giáo khoa Tin học 10 được thiết kế như thế nào?`	`Mỗi bài học đều được bắt đầu bằng một hoạt động khởi động gợi mở, các mạch kiến thức trong nội dung bài học đều được gắn với những hoạt động khám phá kiến thức giúp tăng cường tính chủ động của các em trong học tập. Sau khi hình thành kiến thức là các câu hỏi, bài tập luyện tập và cuối cùng là bài tập vận dụng.`	`Hệ nhị phân là một hệ đếm chỉ sử dụng hai ký tự là 0 và 1. Đây là hệ thống số cơ bản mà máy tính sử dụng để biểu diễn và xử lý thông tin. Mỗi chữ số trong hệ nhị phân được gọi là một bit.`

Loss: MultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "gather_across_devices": false
}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 32
learning_rate: 2e-05
num_train_epochs: 20
warmup_ratio: 0.1
prompts: task: search result | query:

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 32
per_device_eval_batch_size: 8
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: False
fp16: False
fp16_opt_level: O1
half_precision_backend: auto
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: 0
ddp_backend: None
tpu_num_cores: None
tpu_metrics_debug: False
debug: []
dataloader_drop_last: False
dataloader_num_workers: 0
dataloader_prefetch_factor: None
past_index: -1
disable_tqdm: False
remove_unused_columns: True
label_names: None
load_best_model_at_end: False
ignore_data_skip: False
fsdp: []
fsdp_min_num_params: 0
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
fsdp_transformer_layer_cls_to_wrap: None
accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
parallelism_config: None
deepspeed: None
label_smoothing_factor: 0.0
optim: adamw_torch_fused
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: task: search result | query:
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss
1.0	145	0.0055
2.0	290	0.0054
3.0	435	0.0067
4.0	580	0.0141
5.0	725	0.0048

Framework Versions

Python: 3.12.12
Sentence Transformers: 5.2.2
Transformers: 4.57.0.dev0
PyTorch: 2.9.0+cu126
Accelerate: 1.12.0
Datasets: 4.0.0
Tokenizers: 0.22.2

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}