| | --- |
| | tags: |
| | - sentence-transformers |
| | - cross-encoder |
| | - reranker |
| | - generated_from_trainer |
| | - dataset_size:7598 |
| | - loss:BinaryCrossEntropyLoss |
| | base_model: Dongjin-kr/ko-reranker |
| | pipeline_tag: text-ranking |
| | library_name: sentence-transformers |
| | --- |
| | |
| | # CrossEncoder based on Dongjin-kr/ko-reranker |
| |
|
| | This is a [Cross Encoder](https://www.sbert.net/docs/cross_encoder/usage/usage.html) model finetuned from [Dongjin-kr/ko-reranker](https://huggingface.co/Dongjin-kr/ko-reranker) 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:** [Dongjin-kr/ko-reranker](https://huggingface.co/Dongjin-kr/ko-reranker) <!-- at revision 8c2ab1a833734491fd3158164dd2b7d8b28e071c --> |
| | - **Maximum Sequence Length:** 256 tokens |
| | - **Number of Output Labels:** 1 label |
| | <!-- - **Training Dataset:** Unknown --> |
| | <!-- - **Language:** Unknown --> |
| | <!-- - **License:** Unknown --> |
| |
|
| | ### 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/huggingface/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("cross_encoder_model_id") |
| | # Get scores for pairs of texts |
| | pairs = [ |
| | ['외식경영과 전공 추천 자격증', '[자격증명: 소방시설관리사] 자격증명: 소방시설관리사 | 유형: 국가전문자격 | 분야: 소방방재 | NCS분류: 법률.경찰.소방.교도.국방 | 등급: 34 | 관련전공: AI산업안전시스템, 산업소방안전과, 산업안전과, 산업안전관리과, 산업안전보건과, 산업안전보건융합학과, 산업안전융합학과, 산업안전전공, 산업안전학부, 산업안전환경계열, 스마트안전융합과, 안전및산업경영공학과, 안전및산업경영공학과(2년제), 안전및산업경영과, 안전소방학과, 안전특성화계열, 융합안전공학과, 재난건설안전과, 재난시설안전과, 소방안전관리과, 소방ᆞ산업안전관리학과, 소방구조구급과, 소방방재과, 소방방재안전과, 소방안전과, 소방안전관리과(P-TECH), 소방안전관리전공, 소방안전관리학과(3년제), 소방안전융합과, 소방재난안전과, 소방재난안전학과, 소방행정・안전관리과, 소방환경방재과, 소방환경안전과, 재난소방・건설안전과, 재난안전시스템과, 건설안전공학과, 산업안전학과, 안전보건학과, 건설스마트안전공학과, 건설시스템안전공학과, 방재안전공학'], |
| | ['일본어과 전공 추천 자격증', '[자격증명: 건강운동관리사] 자격증명: 건강운동관리사 | 유형: 국가전문자격 | 분야: 스포츠 | NCS분류: 이용.숙박.여행.오락.스포츠 | 관련전공: AI보건정보관리학과, 공공복지정보관리학과, 공공서비스학부(헬스케어서비스전공), 공중보건학과, 공중보건학전공, 바이오헬스융합대학, 바이오헬스컨디셔닝학과, 보건건강관리학과(보건건강관리전공), 보건과학대학, 보건과학부, 보건관리전공, 보건관리학과, 보건관리학과(자연과학), 보건산업유통학전공, 보건안전전공, 보건의료경영전공, 보건의료경영학과, 보건의료관리학과, 보건의료복지학과, 보건의료복지학과(인문사회계열), 보건의료정보관리학전공, 보건의료학부, 보건의료행정전공, 보건학부, 보건환경학부, 뷰티건강디자인학과, 산업보건학과, 산업보건학전공, 산업안전보건전공, 실버보건학과, 융합보건학과, 헬스케어융합학부(자연과학), 레저해양스포츠학과, 해양레저관광학과, 해양레저학과, 해양스포츠ᆞ레저융합학과, 해양스포츠과학과, 해양스포츠전공, 해양스포츠학과, 해양체육학과, 해양치유레'], |
| | ['세무경영과 학과인데 뭐 따면 좋을까', '[자격증명: 무대예술전문인(무대기계) 2급] 자격증명: 무대예술전문인(무대기계) 2급 | 유형: 국가전문자격 | 분야: 방송기술 | NCS분류: 정보통신 | 관련전공: 공연미디어콘텐츠계열, 공연미디어콘텐츠과, 공연예술과, 공연예술과(3년제), 공연창작학부, 아트앤플레이군, 한국문화예술과, AI서비스마케팅학과, 공항홍보전공, 광고.PR.브랜딩전공, 광고PR전공, 광고PR학과, 광고미디어학과, 광고영상창작학과, 광고홍보문화콘텐츠전공, 광고홍보언론학과, 광고홍보언론학부, 광고홍보영상미디어학부, 광고홍보영상학과, 광고홍보이벤트학과, 광고홍보전공, 광고홍보전공 트랙, 광고홍보콘텐츠학과, 광고홍보학과, 광고홍보학부, 광고홍보학전공, 디지털마케팅학과, 디지털영상마케팅학과, 미디어광고학과, 미디어영상광고홍보학, 미디어영상광고홍보학부, 빅데이터광고마케팅학과, 산업・광고심리학과, 스마트콘텐츠마케팅학과, 홍보광고학과, 홍보디자인학전공, 방송극작과, 공연예술계열 뮤지컬, 뮤지컬연기과, 뮤지컬연기전공, 뮤지컬연기학과, 방송연예'], |
| | ['농업기술자 취업용 자격증', '[자격증명: 시설원예기사] 자격증명: 시설원예기사 | 유형: 국가기술자격 | 분야: 농업 | NCS분류: 농림어업 | 시행기관: 한국산업인력공단 | 등급: 기사 | 관련전공: 원예산림학부, 산림생태보호학과, 산림융복합학전공, 산림조경원예학과, 스마트그린케어학과, 스마트원예과학과, 스마트팜과학과, 원예·농업자원경제학부, 원예・생약융합학부, 원예과학과, 원예과학부, 원예과학전공, 원예산림학과, 원예산업학과, 원예산업학부, 원예생명공학과, 원예생명공학전공, 원예생명과학과, 원예생명조경학과, 원예육종학과, 원예치료전공, 원예학과, 원예환경전공, 환경디자인원예학과, 환경원예조경학부, 환경원예학과, 생명자원학부, 생명자원융합학과, 생명자원환경과학부, 생물자원과학부, 식량생명공학과, 식량자원과학과, 식의약자원개발학과, 자원공학과'], |
| | ['철골공 취업용 자격증', '[자격증명: 기계조립산업기사] 자격증명: 기계조립산업기사 | 유형: 국가기술자격 | 분야: 기계가공 | NCS분류: 기계 | 시행기관: 한국산업인력공단 | 등급: 산업기사 | 관련전공: 기계공학전공, 기계시스템공학과, 기계자동차공학과, 기계자동차공학부, 드론기계학과, 생산기계공학과, 스마트기계공학과, 융합기계공학과, 정밀기계공학과, AI융합기계계열, AI융합기계공학과, AI융합기계과, AI융합기계학과, K-산업기술학부, 공조기계과, 글로벌산업기술과, 글로벌산업기술과(보건산업), 글로벌산업기술과(전공심화), 글로벌산업인재과, 글로벌산업학과, 기계계열, 기계공학계열, 기계공학과(2년제), 기계과, 기계과(2년제), 기계보전과, 기계시스템과, 기계시스템과(ICT기계가공), 기계시스템과(기계융합시스템), 기계시스템디자인과, 기계자동차과, 기계품질관리과, 냉동공조설비공학과, 냉동공조설비과, 디지털기계시스템과, 디지털기계시스템과(기계융합시스템), 디지털기계학부, 디지털융합기계과, 미래모빌리티설계과, 미래모빌리티제조'], |
| | ] |
| | scores = model.predict(pairs) |
| | print(scores.shape) |
| | # (5,) |
| | |
| | # Or rank different texts based on similarity to a single text |
| | ranks = model.rank( |
| | '외식경영과 전공 추천 자격증', |
| | [ |
| | '[자격증명: 소방시설관리사] 자격증명: 소방시설관리사 | 유형: 국가전문자격 | 분야: 소방방재 | NCS분류: 법률.경찰.소방.교도.국방 | 등급: 34 | 관련전공: AI산업안전시스템, 산업소방안전과, 산업안전과, 산업안전관리과, 산업안전보건과, 산업안전보건융합학과, 산업안전융합학과, 산업안전전공, 산업안전학부, 산업안전환경계열, 스마트안전융합과, 안전및산업경영공학과, 안전및산업경영공학과(2년제), 안전및산업경영과, 안전소방학과, 안전특성화계열, 융합안전공학과, 재난건설안전과, 재난시설안전과, 소방안전관리과, 소방ᆞ산업안전관리학과, 소방구조구급과, 소방방재과, 소방방재안전과, 소방안전과, 소방안전관리과(P-TECH), 소방안전관리전공, 소방안전관리학과(3년제), 소방안전융합과, 소방재난안전과, 소방재난안전학과, 소방행정・안전관리과, 소방환경방재과, 소방환경안전과, 재난소방・건설안전과, 재난안전시스템과, 건설안전공학과, 산업안전학과, 안전보건학과, 건설스마트안전공학과, 건설시스템안전공학과, 방재안전공학', |
| | '[자격증명: 건강운동관리사] 자격증명: 건강운동관리사 | 유형: 국가전문자격 | 분야: 스포츠 | NCS분류: 이용.숙박.여행.오락.스포츠 | 관련전공: AI보건정보관리학과, 공공복지정보관리학과, 공공서비스학부(헬스케어서비스전공), 공중보건학과, 공중보건학전공, 바이오헬스융합대학, 바이오헬스컨디셔닝학과, 보건건강관리학과(보건건강관리전공), 보건과학대학, 보건과학부, 보건관리전공, 보건관리학과, 보건관리학과(자연과학), 보건산업유통학전공, 보건안전전공, 보건의료경영전공, 보건의료경영학과, 보건의료관리학과, 보건의료복지학과, 보건의료복지학과(인문사회계열), 보건의료정보관리학전공, 보건의료학부, 보건의료행정전공, 보건학부, 보건환경학부, 뷰티건강디자인학과, 산업보건학과, 산업보건학전공, 산업안전보건전공, 실버보건학과, 융합보건학과, 헬스케어융합학부(자연과학), 레저해양스포츠학과, 해양레저관광학과, 해양레저학과, 해양스포츠ᆞ레저융합학과, 해양스포츠과학과, 해양스포츠전공, 해양스포츠학과, 해양체육학과, 해양치유레', |
| | '[자격증명: 무대예술전문인(무대기계) 2급] 자격증명: 무대예술전문인(무대기계) 2급 | 유형: 국가전문자격 | 분야: 방송기술 | NCS분류: 정보통신 | 관련전공: 공연미디어콘텐츠계열, 공연미디어콘텐츠과, 공연예술과, 공연예술과(3년제), 공연창작학부, 아트앤플레이군, 한국문화예술과, AI서비스마케팅학과, 공항홍보전공, 광고.PR.브랜딩전공, 광고PR전공, 광고PR학과, 광고미디어학과, 광고영상창작학과, 광고홍보문화콘텐츠전공, 광고홍보언론학과, 광고홍보언론학부, 광고홍보영상미디어학부, 광고홍보영상학과, 광고홍보이벤트학과, 광고홍보전공, 광고홍보전공 트랙, 광고홍보콘텐츠학과, 광고홍보학과, 광고홍보학부, 광고홍보학전공, 디지털마케팅학과, 디지털영상마케팅학과, 미디어광고학과, 미디어영상광고홍보학, 미디어영상광고홍보학부, 빅데이터광고마케팅학과, 산업・광고심리학과, 스마트콘텐츠마케팅학과, 홍보광고학과, 홍보디자인학전공, 방송극작과, 공연예술계열 뮤지컬, 뮤지컬연기과, 뮤지컬연기전공, 뮤지컬연기학과, 방송연예', |
| | '[자격증명: 시설원예기사] 자격증명: 시설원예기사 | 유형: 국가기술자격 | 분야: 농업 | NCS분류: 농림어업 | 시행기관: 한국산업인력공단 | 등급: 기사 | 관련전공: 원예산림학부, 산림생태보호학과, 산림융복합학전공, 산림조경원예학과, 스마트그린케어학과, 스마트원예과학과, 스마트팜과학과, 원예·농업자원경제학부, 원예・생약융합학부, 원예과학과, 원예과학부, 원예과학전공, 원예산림학과, 원예산업학과, 원예산업학부, 원예생명공학과, 원예생명공학전공, 원예생명과학과, 원예생명조경학과, 원예육종학과, 원예치료전공, 원예학과, 원예환경전공, 환경디자인원예학과, 환경원예조경학부, 환경원예학과, 생명자원학부, 생명자원융합학과, 생명자원환경과학부, 생물자원과학부, 식량생명공학과, 식량자원과학과, 식의약자원개발학과, 자원공학과', |
| | '[자격증명: 기계조립산업기사] 자격증명: 기계조립산업기사 | 유형: 국가기술자격 | 분야: 기계가공 | NCS분류: 기계 | 시행기관: 한국산업인력공단 | 등급: 산업기사 | 관련전공: 기계공학전공, 기계시스템공학과, 기계자동차공학과, 기계자동차공학부, 드론기계학과, 생산기계공학과, 스마트기계공학과, 융합기계공학과, 정밀기계공학과, AI융합기계계열, AI융합기계공학과, AI융합기계과, AI융합기계학과, K-산업기술학부, 공조기계과, 글로벌산업기술과, 글로벌산업기술과(보건산업), 글로벌산업기술과(전공심화), 글로벌산업인재과, 글로벌산업학과, 기계계열, 기계공학계열, 기계공학과(2년제), 기계과, 기계과(2년제), 기계보전과, 기계시스템과, 기계시스템과(ICT기계가공), 기계시스템과(기계융합시스템), 기계시스템디자인과, 기계자동차과, 기계품질관리과, 냉동공조설비공학과, 냉동공조설비과, 디지털기계시스템과, 디지털기계시스템과(기계융합시스템), 디지털기계학부, 디지털융합기계과, 미래모빌리티설계과, 미래모빌리티제조', |
| | ] |
| | ) |
| | # [{'corpus_id': ..., 'score': ...}, {'corpus_id': ..., 'score': ...}, ...] |
| | ``` |
| |
|
| | <!-- |
| | ### 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.* |
| | --> |
| |
|
| | <!-- |
| | ## 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: 7,598 training samples |
| | * Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>label</code> |
| | * Approximate statistics based on the first 1000 samples: |
| | | | sentence_0 | sentence_1 | label | |
| | |:--------|:----------------------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------|:---------------------------------------------------------------| |
| | | type | string | string | float | |
| | | details | <ul><li>min: 7 characters</li><li>mean: 15.82 characters</li><li>max: 27 characters</li></ul> | <ul><li>min: 59 characters</li><li>mean: 346.54 characters</li><li>max: 512 characters</li></ul> | <ul><li>min: 0.0</li><li>mean: 0.17</li><li>max: 1.0</li></ul> | |
| | * Samples: |
| | | sentence_0 | sentence_1 | label | |
| | |:---------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------| |
| | | <code>외식경영과 전공 추천 자격증</code> | <code>[자격증명: 소방시설관리사] 자격증명: 소방시설관리사 \| 유형: 국가전문자격 \| 분야: 소방방재 \| NCS분류: 법률.경찰.소방.교도.국방 \| 등급: 34 \| 관련전공: AI산업안전시스템, 산업소방안전과, 산업안전과, 산업안전관리과, 산업안전보건과, 산업안전보건융합학과, 산업안전융합학과, 산업안전전공, 산업안전학부, 산업안전환경계열, 스마트안전융합과, 안전및산업경영공학과, 안전및산업경영공학과(2년제), 안전및산업경영과, 안전소방학과, 안전특성화계열, 융합안전공학과, 재난건설안전과, 재난시설안전과, 소방안전관리과, 소방ᆞ산업안전관리학과, 소방구조구급과, 소방방재과, 소방방재안전과, 소방안전과, 소방안전관리과(P-TECH), 소방안전관리전공, 소방안전관리학과(3년제), 소방안전융합과, 소방재난안전과, 소방재난안전학과, 소방행정・안전관리과, 소방환경방재과, 소방환경안전과, 재난소방・건설안전과, 재난안전시스템과, 건설안전공학과, 산업안전학과, 안전보건학과, 건설스마트안전공학과, 건설시스템안전공학과, 방재안전공학</code> | <code>0.0</code> | |
| | | <code>일본어과 전공 추천 자격증</code> | <code>[자격증명: 건강운동관리사] 자격증명: 건강운동관리사 \| 유형: 국가전문자격 \| 분야: 스포츠 \| NCS분류: 이용.숙박.여행.오락.스포츠 \| 관련전공: AI보건정보관리학과, 공공복지정보관리학과, 공공서비스학부(헬스케어서비스전공), 공중보건학과, 공중보건학전공, 바이오헬스융합대학, 바이오헬스컨디셔닝학과, 보건건강관리학과(보건건강관리전공), 보건과학대학, 보건과학부, 보건관리전공, 보건관리학과, 보건관리학과(자연과학), 보건산업유통학전공, 보건안전전공, 보건의료경영전공, 보건의료경영학과, 보건의료관리학과, 보건의료복지학과, 보건의료복지학과(인문사회계열), 보건의료정보관리학전공, 보건의료학부, 보건의료행정전공, 보건학부, 보건환경학부, 뷰티건강디자인학과, 산업보건학과, 산업보건학전공, 산업안전보건전공, 실버보건학과, 융합보건학과, 헬스케어융합학부(자연과학), 레저해양스포츠학과, 해양레저관광학과, 해양레저학과, 해양스포츠ᆞ레저융합학과, 해양스포츠과학과, 해양스포츠전공, 해양스포츠학과, 해양체육학과, 해양치유레</code> | <code>0.0</code> | |
| | | <code>세무경영과 학과인데 뭐 따면 좋을까</code> | <code>[자격증명: 무대예술전문인(무대기계) 2급] 자격증명: 무대예술전문인(무대기계) 2급 \| 유형: 국가전문자격 \| 분야: 방송기술 \| NCS분류: 정보통신 \| 관련전공: 공연미디어콘텐츠계열, 공연미디어콘텐츠과, 공연예술과, 공연예술과(3년제), 공연창작학부, 아트앤플레이군, 한국문화예술과, AI서비스마케팅학과, 공항홍보전공, 광고.PR.브랜딩전공, 광고PR전공, 광고PR학과, 광고미디어학과, 광고영상창작학과, 광고홍보문화콘텐츠전공, 광고홍보언론학과, 광고홍보언론학부, 광고홍보영상미디어학부, 광고홍보영상학과, 광고홍보이벤트학과, 광고홍보전공, 광고홍보전공 트랙, 광고홍보콘텐츠학과, 광고홍보학과, 광고홍보학부, 광고홍보학전공, 디지털마케팅학과, 디지털영상마케팅학과, 미디어광고학과, 미디어영상광고홍보학, 미디어영상광고홍보학부, 빅데이터광고마케팅학과, 산업・광고심리학과, 스마트콘텐츠마케팅학과, 홍보광고학과, 홍보디자인학전공, 방송극작과, 공연예술계열 뮤지컬, 뮤지컬연기과, 뮤지컬연기전공, 뮤지컬연기학과, 방송연예</code> | <code>0.0</code> | |
| | * Loss: [<code>BinaryCrossEntropyLoss</code>](https://sbert.net/docs/package_reference/cross_encoder/losses.html#binarycrossentropyloss) with these parameters: |
| | ```json |
| | { |
| | "activation_fn": "torch.nn.modules.linear.Identity", |
| | "pos_weight": null |
| | } |
| | ``` |
| |
|
| | ### Training Hyperparameters |
| | #### Non-Default Hyperparameters |
| |
|
| | - `per_device_train_batch_size`: 4 |
| | - `num_train_epochs`: 1 |
| | - `fp16`: True |
| | - `per_device_eval_batch_size`: 4 |
| |
|
| | #### All Hyperparameters |
| | <details><summary>Click to expand</summary> |
| |
|
| | - `per_device_train_batch_size`: 4 |
| | - `num_train_epochs`: 1 |
| | - `max_steps`: -1 |
| | - `learning_rate`: 5e-05 |
| | - `lr_scheduler_type`: linear |
| | - `lr_scheduler_kwargs`: None |
| | - `warmup_steps`: 0 |
| | - `optim`: adamw_torch_fused |
| | - `optim_args`: None |
| | - `weight_decay`: 0.0 |
| | - `adam_beta1`: 0.9 |
| | - `adam_beta2`: 0.999 |
| | - `adam_epsilon`: 1e-08 |
| | - `optim_target_modules`: None |
| | - `gradient_accumulation_steps`: 1 |
| | - `average_tokens_across_devices`: True |
| | - `max_grad_norm`: 1 |
| | - `label_smoothing_factor`: 0.0 |
| | - `bf16`: False |
| | - `fp16`: True |
| | - `bf16_full_eval`: False |
| | - `fp16_full_eval`: False |
| | - `tf32`: None |
| | - `gradient_checkpointing`: False |
| | - `gradient_checkpointing_kwargs`: None |
| | - `torch_compile`: False |
| | - `torch_compile_backend`: None |
| | - `torch_compile_mode`: None |
| | - `use_liger_kernel`: False |
| | - `liger_kernel_config`: None |
| | - `use_cache`: False |
| | - `neftune_noise_alpha`: None |
| | - `torch_empty_cache_steps`: None |
| | - `auto_find_batch_size`: False |
| | - `log_on_each_node`: True |
| | - `logging_nan_inf_filter`: True |
| | - `include_num_input_tokens_seen`: no |
| | - `log_level`: passive |
| | - `log_level_replica`: warning |
| | - `disable_tqdm`: False |
| | - `project`: huggingface |
| | - `trackio_space_id`: trackio |
| | - `eval_strategy`: no |
| | - `per_device_eval_batch_size`: 4 |
| | - `prediction_loss_only`: True |
| | - `eval_on_start`: False |
| | - `eval_do_concat_batches`: True |
| | - `eval_use_gather_object`: False |
| | - `eval_accumulation_steps`: None |
| | - `include_for_metrics`: [] |
| | - `batch_eval_metrics`: False |
| | - `save_only_model`: False |
| | - `save_on_each_node`: False |
| | - `enable_jit_checkpoint`: False |
| | - `push_to_hub`: False |
| | - `hub_private_repo`: None |
| | - `hub_model_id`: None |
| | - `hub_strategy`: every_save |
| | - `hub_always_push`: False |
| | - `hub_revision`: None |
| | - `load_best_model_at_end`: False |
| | - `ignore_data_skip`: False |
| | - `restore_callback_states_from_checkpoint`: False |
| | - `full_determinism`: False |
| | - `seed`: 42 |
| | - `data_seed`: None |
| | - `use_cpu`: False |
| | - `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 |
| | - `dataloader_drop_last`: False |
| | - `dataloader_num_workers`: 0 |
| | - `dataloader_pin_memory`: True |
| | - `dataloader_persistent_workers`: False |
| | - `dataloader_prefetch_factor`: None |
| | - `remove_unused_columns`: True |
| | - `label_names`: None |
| | - `train_sampling_strategy`: random |
| | - `length_column_name`: length |
| | - `ddp_find_unused_parameters`: None |
| | - `ddp_bucket_cap_mb`: None |
| | - `ddp_broadcast_buffers`: False |
| | - `ddp_backend`: None |
| | - `ddp_timeout`: 1800 |
| | - `fsdp`: [] |
| | - `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False} |
| | - `deepspeed`: None |
| | - `debug`: [] |
| | - `skip_memory_metrics`: True |
| | - `do_predict`: False |
| | - `resume_from_checkpoint`: None |
| | - `warmup_ratio`: None |
| | - `local_rank`: -1 |
| | - `prompts`: None |
| | - `batch_sampler`: batch_sampler |
| | - `multi_dataset_batch_sampler`: proportional |
| | - `router_mapping`: {} |
| | - `learning_rate_mapping`: {} |
| |
|
| | </details> |
| |
|
| | ### Training Logs |
| | | Epoch | Step | Training Loss | |
| | |:------:|:----:|:-------------:| |
| | | 0.2632 | 500 | 0.5150 | |
| | | 0.5263 | 1000 | 0.4918 | |
| | | 0.7895 | 1500 | 0.4794 | |
| | | 0.2632 | 500 | 0.4184 | |
| | | 0.5263 | 1000 | 0.4746 | |
| | | 0.7895 | 1500 | 0.4503 | |
| |
|
| |
|
| | ### Framework Versions |
| | - Python: 3.12.12 |
| | - Sentence Transformers: 5.2.3 |
| | - Transformers: 5.3.0 |
| | - PyTorch: 2.10.0+cu128 |
| | - Accelerate: 1.12.0 |
| | - Datasets: 4.0.0 |
| | - Tokenizers: 0.22.2 |
| |
|
| | ## 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", |
| | } |
| | ``` |
| |
|
| | <!-- |
| | ## 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.* |
| | --> |
