README.md

---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:130899
- loss:MultipleNegativesRankingLoss
base_model: Alibaba-NLP/gte-multilingual-base
widget:
- source_sentence: >-
    Những quản lý này cũng ngày càng tập trung vào quản lý , hoạt động , chương
    trình và dịch vụ giao hàng lợi ích , và hiệu quả của hệ thống thông tin
    chiến lược lớn của họ .
  sentences:
  - >-
    Các hoạt động của hệ thống thông tin chiến lược của họ là một trong những
    điều mà những người quản lý này đang tập trung vào nhiều hơn .
  - Tất cả các trường hợp đều nên đi qua cùng một quá trình bất kể họ là ai .
  - Eszterhaus viết về những người đàn ông mạnh mẽ .
- source_sentence: >-
    Hoa kỳ hôm nay là bố trí tổng hợp và đậm kiểu dự đoán trang web đa dạng điển
    hình , gần như mời ngón tay đến điểm và bấm , để theo Christine Hoàng Gia
    thông qua quá trình phẫu thuật thẩm mỹ của cô ấy , để nhảy vào trang cá nhân
    hàng ngày của các vận động viên Olympic , để khám phá những sâu thẳm trong
    cuộc đấu tranh của bô .
  sentences:
  - Các nhân viên được đảm bảo một khoản lương hưu và lợi ích của chính phủ .
  - Tôi rất vui vì ông ấy đã đi xa khỏi chủ đề liên quan đến chất độc .
  - >-
    Trước khi sự tồn tại của trang web hiện đại , các bố trí ngày hôm nay có tác
    dụng với các xu hướng thiết kế web .
- source_sentence: >-
    Các cửa hàng của các nghệ nhân cá nhân không còn ở đây nữa , nhưng bạn có
    thể ghé thăm một nhà máy dệt lụa , một nhà máy gốm , và phòng tranh nghệ
    thuật dân gian phật sơn , nơi bạn có thể quan sát công nhân làm đèn lồng
    trung quốc , bức tượng đồ gỗ , cuộn vẽ tranh , và cắt các thiết trong giấy .
  sentences:
  - Madrasa của sultan hasan đã được xây dựng vào năm 1362 .
  - Sử dụng tên nào ?
  - Có thể xem công trình của những chiếc đèn lồng trung quốc .
- source_sentence: Khi Linda Wertheimer hỏi anh ta , làm sao chúng ta biết được ?
  sentences:
  - Thành viên ban quản trị cần hai tuần để dọn dẹp trách nhiệm của họ .
  - >-
    Vào ngày đầu tiên , ông ấy thích chuyến đi xuyên qua vùng đất đầm lầy và cỏ
    cỏ .
  - Linda đã hỏi anh ta một câu hỏi .
- source_sentence: >-
    Dù thế nào đi nữa , tôi sẽ biết ấn độ cuối cùng đã tăng lên từ trạng thái
    thế giới thứ ba khi tôi quay về thăm người thân của mình và những lời đầu
    tiên họ nói là không ăn , ăn , gầy trai .
  sentences:
  - >-
    Ernie Lewis đã trải qua 15 năm trong chính sách tư nhân trước khi tham gia
    hội đồng appalred .
  - >-
    Khi người thân của tôi nói ít về thức ăn , tôi sẽ biết ấn độ đang được cải
    thiện .
  - Phần sớm nhất của thế kỷ bao gồm 12,000 công ty tự động .
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- cosine_accuracy
model-index:
- name: SentenceTransformer based on Alibaba-NLP/gte-multilingual-base
  results:
  - task:
      type: triplet
      name: Triplet
    dataset:
      name: xnli vi test
      type: xnli-vi-test
    metrics:
    - type: cosine_accuracy
      value: 0.9982035756111145
      name: Cosine Accuracy
license: mit
datasets:
- facebook/xnli
language:
- vi
---

# SentenceTransformer based on Alibaba-NLP/gte-multilingual-base

This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [Alibaba-NLP/gte-multilingual-base](https://huggingface.co/Alibaba-NLP/gte-multilingual-base). 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:** [Alibaba-NLP/gte-multilingual-base](https://huggingface.co/Alibaba-NLP/gte-multilingual-base) <!-- at revision 9fdd4ee8bba0e2808a34e0e739576f6740d2b225 -->
- **Maximum Sequence Length:** 8192 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:** The Vietnamese subsection of the facebook/xnli dataset with 130k triplets.
- **Language:** Vietnamese
- **License:** MIT

### Model Sources

- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/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': 8192, 'do_lower_case': False}) with Transformer model: NewModel 
  (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 = [
    'Dù thế nào đi nữa , tôi sẽ biết ấn độ cuối cùng đã tăng lên từ trạng thái thế giới thứ ba khi tôi quay về thăm người thân của mình và những lời đầu tiên họ nói là không ăn , ăn , gầy trai .',
    'Khi người thân của tôi nói ít về thức ăn , tôi sẽ biết ấn độ đang được cải thiện .',
    'Ernie Lewis đã trải qua 15 năm trong chính sách tư nhân trước khi tham gia hội đồng appalred .',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```

<!--
### 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

#### Triplet

* Dataset: `xnli-vi-test`
* Evaluated with [<code>TripletEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.TripletEvaluator)

| Metric              | Value      |
|:--------------------|:-----------|
| **cosine_accuracy** | **0.9982** |

<!--
## 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

#### Unnamed Dataset

* Size: 130,899 training samples
* Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>sentence_2</code>
* Approximate statistics based on the first 1000 samples:
  |         | sentence_0                                                                         | sentence_1                                                                        | sentence_2                                                                        |
  |:--------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
  | type    | string                                                                             | string                                                                            | string                                                                            |
  | details | <ul><li>min: 3 tokens</li><li>mean: 35.19 tokens</li><li>max: 167 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 18.96 tokens</li><li>max: 64 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 19.34 tokens</li><li>max: 57 tokens</li></ul> |
* Samples:
  | sentence_0                                                                                                                                                                                                                  | sentence_1                                                                                | sentence_2                                                                                                                  |
  |:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------|
  | <code>Trong thời gian đó , julius đã lấy được đo lường của anh ta .</code>                                                                                                                                                  | <code>Julius đã làm việc của mình rồi .</code>                                            | <code>Tôi biết anh đã nói với tôi rằng anh không bao giờ đi nhà hàng , bởi vì anh sợ họ sẽ nhổ vào thức ăn của anh .</code> |
  | <code>Khi hoàn thiện , các công cụ sẽ cho phép các ứng dụng để đánh giá các dự án công nghệ của họ trong thời gian triển khai để cả hai đảm bảo hoàn thành thành công và cuối cùng , để xác định xem mục tiêu của họ</code> | <code>Một khi hoàn thiện các công cụ sẽ được đánh giá nếu mục tiêu được đạt được .</code> | <code>Có thường xuyên chiến đấu quanh khu vực của penrith .</code>                                                          |
  | <code>H ' s , thân yêu tôi .</code>                                                                                                                                                                                         | <code>À , con yêu bé nhỏ của ta .</code>                                                  | <code>Đúng rồi đó .</code>                                                                                                  |
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters:
  ```json
  {
      "scale": 20.0,
      "similarity_fct": "cos_sim"
  }
  ```

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

- `eval_strategy`: steps
- `per_device_train_batch_size`: 32
- `per_device_eval_batch_size`: 32
- `num_train_epochs`: 1
- `fp16`: True
- `multi_dataset_batch_sampler`: round_robin

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

- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: steps
- `prediction_loss_only`: True
- `per_device_train_batch_size`: 32
- `per_device_eval_batch_size`: 32
- `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`: 5e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1
- `num_train_epochs`: 1
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.0
- `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`: 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}
- `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
- `dispatch_batches`: None
- `split_batches`: 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`: round_robin

</details>

### Training Logs
| Epoch  | Step | Training Loss | xnli-vi-test_cosine_accuracy |
|:------:|:----:|:-------------:|:----------------------------:|
| 0.1222 | 500  | 0.3095        | -                            |
| 0.2444 | 1000 | 0.1216        | 0.9976                       |
| 0.3667 | 1500 | 0.1093        | -                            |
| 0.4889 | 2000 | 0.103         | 0.9988                       |
| 0.6111 | 2500 | 0.0934        | -                            |
| 0.7333 | 3000 | 0.0929        | 0.9982                       |
| 0.8555 | 3500 | 0.0847        | -                            |
| 0.9778 | 4000 | 0.0966        | 0.9982                       |
| 1.0    | 4091 | -             | 0.9982                       |


### Framework Versions
- Python: 3.10.12
- Sentence Transformers: 4.0.2
- Transformers: 4.50.3
- PyTorch: 2.6.0+cu124
- Accelerate: 0.26.1
- 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",
}
```

#### 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.*
-->