--- language: - multilingual license: apache-2.0 tags: - sentence-transformers - cross-encoder - generated_from_trainer - dataset_size:9632 - loss:BinaryCrossEntropyLoss base_model: FacebookAI/xlm-roberta-base datasets: - MercuraTech/reranker_10k pipeline_tag: text-ranking library_name: sentence-transformers --- # xlm-roberta-base fine-tuned on custom cross‑encoder dataset This is a [Cross Encoder](https://www.sbert.net/docs/cross_encoder/usage/usage.html) model finetuned from [FacebookAI/xlm-roberta-base](https://huggingface.co/FacebookAI/xlm-roberta-base) on the [reranker_10k](https://huggingface.co/datasets/MercuraTech/reranker_10k) dataset using the [sentence-transformers](https://www.SBERT.net) library. It computes scores for pairs of texts, which can be used for text reranking and semantic search. ## Model Details ### Model Description - **Model Type:** Cross Encoder - **Base model:** [FacebookAI/xlm-roberta-base](https://huggingface.co/FacebookAI/xlm-roberta-base) - **Maximum Sequence Length:** 512 tokens - **Number of Output Labels:** 1 label - **Training Dataset:** - [reranker_10k](https://huggingface.co/datasets/MercuraTech/reranker_10k) - **Language:** multilingual - **License:** apache-2.0 ### Model Sources - **Documentation:** [Sentence Transformers Documentation](https://sbert.net) - **Documentation:** [Cross Encoder Documentation](https://www.sbert.net/docs/cross_encoder/usage/usage.html) - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers) - **Hugging Face:** [Cross Encoders on Hugging Face](https://huggingface.co/models?library=sentence-transformers&other=cross-encoder) ## 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 CrossEncoder # Download from the 🤗 Hub model = CrossEncoder("egerber1/xlm-roberta-crossencoder") # Get scores for pairs of texts pairs = [ ['Elektroschweißband für Fixpunkt DN 70 Elektroschweißband für Fixpunkt - Zur Fixpunktbefestigung von Rohren in Verbindung mit Rohrschellen - Einteilig - Nennweite: DN 70 liefern und montieren', 'Geberit PE Elektroschweißband für Fixpunkt DN70'], ['Elektroschweißband für Fixpunkt DN 70 Elektroschweißband für Fixpunkt - Zur Fixpunktbefestigung von Rohren in Verbindung mit Rohrschellen - Einteilig - Nennweite: DN 70 liefern und montieren', 'Geberit Rohrschelle gedämmt Gewindemuffe M8/10 DN70'], ['Elektroschweißband für Fixpunkt DN 70 Elektroschweißband für Fixpunkt - Zur Fixpunktbefestigung von Rohren in Verbindung mit Rohrschellen - Einteilig - Nennweite: DN 70 liefern und montieren', 'Geberit PE Steckmuffe mit Lippendichtung DN70'], ['Elektroschweißband für Fixpunkt DN 70 Elektroschweißband für Fixpunkt - Zur Fixpunktbefestigung von Rohren in Verbindung mit Rohrschellen - Einteilig - Nennweite: DN 70 liefern und montieren', 'Geberit PE Elektroschweißband für Fixpunkt DN56'], ['Elektroschweißband für Fixpunkt DN 70 Elektroschweißband für Fixpunkt - Zur Fixpunktbefestigung von Rohren in Verbindung mit Rohrschellen - Einteilig - Nennweite: DN 70 liefern und montieren', 'Geberit PE Elektroschweißband für Fixpunkt DN90'], ] scores = model.predict(pairs) print(scores.shape) # (5,) # Or rank different texts based on similarity to a single text ranks = model.rank( 'Elektroschweißband für Fixpunkt DN 70 Elektroschweißband für Fixpunkt - Zur Fixpunktbefestigung von Rohren in Verbindung mit Rohrschellen - Einteilig - Nennweite: DN 70 liefern und montieren', [ 'Geberit PE Elektroschweißband für Fixpunkt DN70', 'Geberit Rohrschelle gedämmt Gewindemuffe M8/10 DN70', 'Geberit PE Steckmuffe mit Lippendichtung DN70', 'Geberit PE Elektroschweißband für Fixpunkt DN56', 'Geberit PE Elektroschweißband für Fixpunkt DN90', ] ) # [{'corpus_id': ..., 'score': ...}, {'corpus_id': ..., 'score': ...}, ...] ``` ## Training Details ### Training Dataset #### reranker_10k * Dataset: [reranker_10k](https://huggingface.co/datasets/MercuraTech/reranker_10k) at [28cd3fd](https://huggingface.co/datasets/MercuraTech/reranker_10k/tree/28cd3fd3fae12373465efc6bdb89d3d39c9fdc1c) * Size: 9,632 training samples * Columns: query, passage, and label * Approximate statistics based on the first 1000 samples: | | query | passage | label | |:--------|:--------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------|:-----------------------------------------------| | type | string | string | int | | details | | | | * Samples: | query | passage | label | |:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------|:---------------| | Elektroschweißband für Fixpunkt DN 70 Elektroschweißband für Fixpunkt - Zur Fixpunktbefestigung von Rohren in Verbindung mit Rohrschellen - Einteilig - Nennweite: DN 70 liefern und montieren | Geberit PE Elektroschweißband für Fixpunkt DN70 | 1 | | Elektroschweißband für Fixpunkt DN 70 Elektroschweißband für Fixpunkt - Zur Fixpunktbefestigung von Rohren in Verbindung mit Rohrschellen - Einteilig - Nennweite: DN 70 liefern und montieren | Geberit Rohrschelle gedämmt Gewindemuffe M8/10 DN70 | 0 | | Elektroschweißband für Fixpunkt DN 70 Elektroschweißband für Fixpunkt - Zur Fixpunktbefestigung von Rohren in Verbindung mit Rohrschellen - Einteilig - Nennweite: DN 70 liefern und montieren | Geberit PE Steckmuffe mit Lippendichtung DN70 | 0 | * Loss: [BinaryCrossEntropyLoss](https://sbert.net/docs/package_reference/cross_encoder/losses.html#binarycrossentropyloss) with these parameters: ```json { "activation_fn": "torch.nn.modules.linear.Identity", "pos_weight": 9.561403274536133 } ``` ### Training Hyperparameters #### Non-Default Hyperparameters - `per_device_train_batch_size`: 32 - `per_device_eval_batch_size`: 64 - `learning_rate`: 2e-05 - `warmup_ratio`: 0.1 - `fp16`: True - `dataloader_num_workers`: 8 #### 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`: 64 - `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`: 3 - `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`: 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`: 8 - `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} - `tp_size`: 0 - `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 - `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 - `eval_use_gather_object`: False - `average_tokens_across_devices`: False - `prompts`: None - `batch_sampler`: batch_sampler - `multi_dataset_batch_sampler`: proportional
### Training Logs | Epoch | Step | Training Loss | |:------:|:----:|:-------------:| | 0.0033 | 1 | 0.8052 | | 1.6611 | 500 | 1.2767 | ### Framework Versions - Python: 3.9.5 - Sentence Transformers: 4.1.0 - Transformers: 4.51.3 - PyTorch: 2.6.0+cu124 - Accelerate: 1.6.0 - Datasets: 3.5.0 - Tokenizers: 0.21.1 ## 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", } ```