EmbeddingGemma-300m trained on the XLSMART Customer Service (Maya) Dataset

This is a sentence-transformers model finetuned from google/embeddinggemma-300m 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: google/embeddinggemma-300m
Maximum Sequence Length: 2048 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- json
Language: id
License: apache-2.0

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("kangsyahrul/xls-maya-retrieval-embeddinggemma-v1")
# Run inference
queries = [
    "Berapa kuota untuk negara transit pada semua paket Umroh Plus Gift?",
]
documents = [
    'Paket Tambahan: Umrah Plus Booster dan Gift\nPaket tambahan dan fitur gift untuk Paket Umrah Plus XL\n### Paket Umrah Plus Booster\n\n| Package | Kuota Arab Saudi | Kuota Arab Saudi + Negara Transit | Price | Masa aktif |\n|---------|------------------|-----------------------------------|-------|------------|\n| Internet Umroh Plus + Booster 1GB (di Arab Saudi) | 1GB | - | Rp 35.000 | Mengikuti masa aktif paket utama (Paket Umroh Plus) |\n| Internet Umroh Plus + Booster 1GB (di Arab Saudi & Negara Transit) | - | 1GB | Rp60.000 | Mengikuti masa aktif paket utama (Paket Umroh Plus) |\n\n### Umroh Plus Gift\n\n| Paket | Quota Arab Saudi | Quota Arab Saudi + Negara Transit | Price | Masa Aktif (Hari) |\n|-------|------------------|-----------------------------------|-------|--------------------|  \n| Internet Umrah Plus 6GB | 5GB | 1GB | Rp245.000 | 10 |\n| Internet Umrah Plus 10GB | 9GB | 1GB | Rp325.000 | 15 |\n| Internet Umrah Plus 10GB | 9GB | 1GB | Rp350.000 | 20 |',
    'Syarat dan Ketentuan Paket Edukasi\nKetentuan lengkap untuk paket Edukasi XL termasuk daftar lengkap website dan aplikasi yang didukung\n### Syarat & Ketentuan Paket Edukasi\n\n1. Berlaku untuk pelanggan prabayar XL.\n2. Kuota paket dapat digunakan di semua jaringan.\n3. Jika kuota paket sudah habis, maka pelanggan akan dikenakan tarif dasar internet.\n4. Tidak berlaku perpanjangan otomatis jika masa berlaku paket sudah selesai.\n5. Daftar aplikasi yang bisa diakses dengan kuota Paket Edukasi:\n   • **Website Pemerintah:** Rumah Belajar Kemendikbud, Spada Indonesia Kemendikbud\n   • **Aplikasi belajar online:** Ruangguru, Zenius, Sekolahmu, Udemy, Skill Academy\n   • **Portal Universitas:** UI, ITB, UNPAD, UNDIP, Universitas Atma Jaya, Universitas Hasannudin, UGM, Universitas Negeri Semarang, ITS, Universitas Udayana, Universitas Brawijaya, Universitas Airlangga, Universitas Tanjung Pura, Universitas Sebelas Maret, Universitas Nusa Cendana Kupang, Institut Pertanian Bogor, Universitas Muhamadyah Surakarta, Universitas Islam Negeri Sunan Gunung Djati Bandung, UNIKOM, UNIKA Soegijapranata Semarang, LSPR Communication & Business Institute, Universitas Islam Bandung, Universitas Islam Sultan Agung Semarang, Universitas Andalas, Politeknik Negeri Bandung, Institut Seni Yogyakarta, Universitas Jenderal Soedirman, Universitas Teknologi Yogyakarta, IIK Bhakti Wiyata, STEKOM, Universitas Aisyiyah Yogyakarta, Universitas Politenik APP Jakarta, STMIK Indonesia Padang, Universitas Pamulang, Universitas Terbuka, Politeknik Negeri Batam.',
    'Viu Premium - Syarat Ketentuan dan Detail Paket Lengkap\nInformasi lengkap paket Viu Premium XL dengan tiga pilihan durasi berlangganan dan kuota data yang disertakan\n# Viu Premium\n\n## Syarat dan Ketentuan\n\n• Akses premium untuk menonton drama Korea, serial original VIU, Anime, Asian Series dalam format HD dan dilengkapi subtitles.\n\n## Detail Paket\n\n| Paket | Harga |\n|-------|-------|\n| VIU 30 Hari + 5GB | Rp. 54,000 |\n| VIU 7 Hari + 3GB | Rp. 7,500 |\n| VIU 1 Hari + 500MB | Rp. 1,500 |\n\n**Note:** Harga yang tertera merupakan harga normal dan dapat berubah sewaktu-waktu, untuk harga promo silakan cek pada aplikasi myXL.',
]
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([[0.6162, 0.0363, 0.0146]])

Training Details

Training Dataset

json

Dataset: json
Size: 4,835 training samples
Columns: query and passage
Approximate statistics based on the first 1000 samples:
query passage
type string string
details
min: 7 tokens
mean: 16.34 tokens
max: 36 tokens

min: 28 tokens
mean: 223.26 tokens
max: 991 tokens

	query	passage
type	string	string
details	min: 7 tokens mean: 16.34 tokens max: 36 tokens	min: 28 tokens mean: 223.26 tokens max: 991 tokens

Samples:

query	passage
`Kuota Utama bisa dipakai di jaringan apa saja?`	Syarat dan Ketentuan Lengkap Paket Xtra Kuota Utama ## Syarat dan Ketentuan 1. Paket berlaku untuk pelanggan Prabayar XL 2. Paket hanya tersedia di aplikasi myXL 3. Tidak berlaku perpanjangan otomatis 4. Kuota Utama berlaku Nasional dan disemua jaringan 5. Paket Xtra Kuota Utama bersifat personal, yang mana memungkinkan pelanggan akan mendapatkan harga dan benefit yang berbeda sesuai dengan riwayat penggunaan pelanggan dalam bulan-bulan sebelumnya. 6. Jika pelanggan membeli paket Xtra Kuota Utama lebih dari 1, maka: 1. Kuota akan terkaumulasi 2. Sisa masa aktif Paket akan diakumulasikan dengan masa aktif paket terbaru
`Bisakah nonton drama Korea dengan Vidio Platinum?`	`Vidio Platinum - Syarat Ketentuan dan Akses Premium # Vidio Platinum ## Syarat dan Ketentuan • Akses premium untuk menonton Olahraga Lokal & Internasional (tidak termasuk Premier League, Serie A, F1, BWF, SPOTV, dan TVOD), Serial Original Vidio, Hollywood, Korea, Anime, Film Indonesia Pilihan, dan lain sebagainya. • Akses untuk menonton Vidio di ponsel, tablet, web, dan TV.`
`Di mana saya bisa membeli kartu perdana XL?`	Cara Pembelian Kartu Perdana SIM Fisik dan eSIM ## Mekanisme dan Metode Pembayaran ### Kartu perdana SIM Fisik: 1. Kunjungi store.xl.co.id 2. Pilih tipe kartu perdana Kartu SIM 3. Pilih paket 4. Pilih pengiriman (Isi alamat/lokasi) 5. Pilih jasa ekspedisi 6. Isi data diri 7. Cek detail pesanan 8. Klik menyetujui kebijakan privasi dan syarat ketentuan 9. Pilih metode pembayaran 10. Lakukan pembayaran ### eSIM: 1. Kunjungi store.xl.co.id 2. Pilih tipe kartu perdana eSIM 3. Pilih paket 4. Pilih nomor (3 digit angka favorit) 5. Isi data diri 6. Cek detail pesanan 7. Klik menyetujui kebijakan privasi dan syarat ketentuan 8. Pilih metode pembayaran 9. Lakukan pembayaran

Loss: CachedMultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "mini_batch_size": 8,
    "gather_across_devices": false
}

Evaluation Dataset

json

Dataset: json
Size: 1,209 evaluation samples
Columns: query and passage
Approximate statistics based on the first 1000 samples:
query passage
type string string
details
min: 7 tokens
mean: 16.41 tokens
max: 39 tokens

min: 28 tokens
mean: 230.6 tokens
max: 991 tokens

	query	passage
type	string	string
details	min: 7 tokens mean: 16.41 tokens max: 39 tokens	min: 28 tokens mean: 230.6 tokens max: 991 tokens

Samples:

query	passage
`Berapa lama masa aktif Bonus Kuota Aplikasi?`	Ketentuan Bonus Kuota Aplikasi dan Kuota Lokal 9. Bonus Kuota Aplikasi a) Bonus Kuota Aplikasi dapat dipilih dan ditukarkan pada halaman Bonus setelah pembelian paket Xtra Combo Plus berhasil b) Masa aktif Bonus Kuota Aplikasi mengikuti paket Xtra Combo Plus/ Xtra Combo VIP Plus 10. Bonus Kuota Lokal - Bonus Kuota Lokal hanya dapat ditemukan dan digunakan oleh pelanggan yang berada di kota tertentu - Bonus Kuota Lokal yang didapatkan pelanggan berbeda-beda tergantung lokasi aktivasi & waktu pembelian paket - Informasi jumlah Bonus Kuota Lokal dapat dilihat dengan memilih varian Xtra Combo Plus atau Xtra Combo VIP Plus di aplikasi myXL - Kuota Lokal yang dapat digunakan dapat berubah sesuai dengan lokasi kota keberadaan pelanggan pada saat menggunakan paket Xtra Combo Plus/ Xtra Combo VIP Plus (Live Area)
`Setelah pilih menu Beli Paket, ke mana saya harus pergi selanjutnya?`	`Cara Membeli Voucher Garena Shell di Aplikasi myXL Panduan lengkap langkah-langkah pembelian Voucher Garena Shell melalui aplikasi myXL ## Mekanisme ### Cara beli paket Garena Shell di aplikasi myXL: 1. Buka aplikasi myXL 2. Pilih menu Beli Paket 3. Pilih Add On 4. Pilih Hiburan 5. Pilih Garena Shell 6. Pilih varian voucher 7. Klik Aktifkan 8. Pilih Metode pembayaran 9. Klik Konfirmasi`
`Berapa persen biaya pinjam yang dikenakan untuk Pulsa Darurat?`	Syarat dan Ketentuan Lengkap Pulsa Darurat AXIS ## Syarat dan ketentuan Pulsa Darurat 1. Pulsa darurat tersedia di beberapa channel berikut: • Aplikasi AXISnet terbaru • UMB *811# • SMS penawaran 2. Pulsa Darurat hanya berlaku untuk pelanggan AXIS terpilih 3. Pulsa Darurat dapat digunakan untuk nelpon, SMS, internet, layanan VAS dan aktivasi paket 4. Masa berlaku Pulsa Darurat akan mengikuti syarat dan ketentuan yang ada 5. Saldo minimal pelanggan setelah pembayaran Pulsa Darurat adalah Rp 2.000 6. Pembayaran Pulsa Darurat akan terpotong otomatis saat pengisian ulang pulsa berikutnya (termasuk biaya pinjam 25%) 7. Jumlah Pulsa Darurat yang dapat diambil dapat berbeda-beda untuk setiap pengguna sesuai dengan profile.

Loss: CachedMultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "mini_batch_size": 8,
    "gather_across_devices": false
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 64
per_device_eval_batch_size: 64
learning_rate: 2e-05
warmup_ratio: 0.1
fp16: True
prompts: {'query': 'task: search result | query: ', 'passage': 'title: none | text: '}
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
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: 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: 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
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: {'query': 'task: search result | query: ', 'passage': 'title: none | text: '}
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss
0.2632	20	0.6088	-
0.5263	40	0.4443	-
0.6579	50	-	0.4595
0.7895	60	0.4892	-
1.0526	80	0.3892	-
1.3158	100	0.3094	0.4127
1.5789	120	0.2771	-
1.8421	140	0.2471	-
1.9737	150	-	0.3795
2.1053	160	0.2153	-
2.3684	180	0.172	-
2.6316	200	0.1712	0.3683
2.8947	220	0.1693	-

Framework Versions

Python: 3.10.18
Sentence Transformers: 5.1.1
Transformers: 4.57.0.dev0
PyTorch: 2.6.0+cu124
Accelerate: 1.10.1
Datasets: 3.6.0
Tokenizers: 0.22.1

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",
}

CachedMultipleNegativesRankingLoss

@misc{gao2021scaling,
    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup},
    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
    year={2021},
    eprint={2101.06983},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}