File size: 52,962 Bytes
032ac35 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 | ---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:52896778
- loss:CachedMultipleNegativesRankingLoss
base_model: KBLab/bert-base-swedish-cased
widget:
- source_sentence: Næsten fire ud af fem (79%) angiver at det er fint at Danmark er
foregangsland på kemikalieområdet i EU. Dette har været tilfældet de sidste år.
sentences:
- Studien som ble gjort avdekket blant annet svære kraterlignende strukturer på
sjøbunnen. Det største krateret hadde ifølge Miljødirektoratet en radius på 40
meter, en høyde på 2,5 meter og inneholdt totale hydrokarboner på 4,5 prosent.
Ifølge Statoil skal dette mest sannsynlig komme fra injeksjonsbrønn A-14 HX på
Njord, der det ble injisert oljeholdig vann med kjemikalierester. Miljødirektoratet
mener at samtlige av alle kjemikalier som ble injisert i brønnen fra 1999-2006
er lekket ut til havbunnen. Dette bekrefter også Statoil langt på vei i sin redegjørelse.
Men da Statoil fant ut av dette, tok det særdeles lang tid før det ble meldt fra
om – over to år hadde gått. Både størrelsen på utslippet og at det tok så lang
tid før Statoil rapporterte, mener Hanne Marie Øren i
- angiver at det er fint at Danmark er foregangsland på kemikalieområdet i EU. Dette
har været tilfældet de sidste år.") Forbrugerpanelet om hormonforstyrrende stoffer
Næsten alle respondenterne (96%) svarer at de har hørt at hormonforstyrrende stoffer
kan være eller mistænkes for at være skadelige. Problematikken har været
- De jongerengarantieregeling en het jongerenwerkgelegenheidsinitiatief dat de regeling
ondersteunt, zijn twee initiatieven van de EU die jongvolwassenen aan een baan,
opleiding of leerlingplaats moeten helpen. De programma's zijn drie jaar geleden
vastgesteld om jeugdwerkloosheid in Europa te bestrijden en hebben miljoenen jongeren
geholpen. De resultaten zien er goed uit, maar de Europese Commissie stelt duidelijk
dat er is nog geen reden is tot juichen. 06/12/2016
- source_sentence: Iransk internet-mur skal beskytte mod angreb
sentences:
- 'Køkkenhaven Den skarpe smag af sennep giver maden det sidste pift. Bland den
med forskellige ingredienser, og vælg mellem sorte, gule eller brune sennepsfrø.
Du kan også selv dyrke sennep i haven. Få opskriften på en lækker urtesennep.
Foto: iStockphoto'
- Iran strammer grebet om nettet. Landet vil skabe sit eget nationale internet og
dermed beskytte sig mod angreb fra udlandet. 6. januar 2012 kl. 10.43 Karim Pedersen
Iran er kendt for sin strenge internet-censur og for sine mange forsøg på at overvåge
landets borgere online. Senest er den danske virksomhed Rantek kommet i søgelyset,
fordi man angiveligt har solgt israelsk overvågnings-software til Iran. Samtidig
forsøger Iran at etablere sit eget nationale internet, hvor myndighederne har
den fulde kontrol over alt indhold på netværket. Det kan være en forberedelse
til det kommende parlamentsvalg i marts - mange af protesterne efter det omstridte
præsidentvalg i 2009 blev organiseret online. Det iranske regime har slået hårdt
ned på bloggere og advaret mod at opfordre til boykot af valget på nettet. Men
- Emil er Frø ihvert fald henne i børnehaven :-) - Mor her har allerede for længst
købt bluser med frøer på fra Småfolk, og i dag blev garderoben komplet med disse
skønne grønne velourbukser med frølommer. Lommerne er meget lange og så seje med
alle de frøer. Emil har længe manglet bukser, og det er jo skørt, for hverken
disse frøbukser eller dem med bilerne fra igår har taget særlig lang tid at sy.
Nå men hvor er det bare skønt, at jeg kunne glæde min store dreng med et par seje
frøbukser.Dagen har også budt på opsætning af julelys. Vi har fået sat en udendørs
lyskæde op langs vores lave hegn i indkørslen (ægte amerikansk stil), men nu er
indkørslen ikke længere skummel, mørk og uindbydende. Jeg
- source_sentence: Vad är menscykeln?
sentences:
- «Det siste året har livet mitt vært helt fantastisk. Jeg hadde aldri trodd at
bloggen skulle føre meg så langt og hadde aldri trodd at jeg skulle få oppleve
så mye. Jeg har lært utrolig mye, blant annet at venner er noe man må sette stor
pris på. Og at man skal gripe dagen og være åpen for noe nytt, for dagen i dag
får vi aldri igjen. Og ja, akkurat nå lever jeg livet, og har ingen planer om
å bli voksen med det første. Lev hver dag som din siste!» (hentet fra Voes blogg)
1.
- I och med landstigningen i Normandie på Dagen D den 6 juni, 1944, bröt kriget
i väster ut igen och en ny situation uppstod. Den 24 augusti, 1944 gav Hitler
ett direktiv för att konstruktionen av Siegfriedlinjen skulle återupptas. 20 000
tvångsarbetare och medlemmar av den tyska riksarbetstjänsten (Reichsarbeitsdienst,
RAD), av vilka de flesta var 14 till 16 år gamla pojkar, försökte återupprusta
linjen för försvarsändamål. Lokalbefolkningen kallades även in för att utföra
detta arbete, oftast pansarvärnsdiken. Under bunkrarnas konstruktion var det redan
klart att bunkrarna inte kunde stå emot de nyutvecklade pansarbrytande vapnen.
Vid samma tidpunkt som den verkliga Siegfriedlinjen återaktverades byggdes små
betonbunkrar upp längs gränsen av det ockuperade området. Dessa bunkrar kallades
"Tobrukbunkrar" (efter hamnstaden Tobruk i östra Libyen). Dessa bunkrar var oftast
skyttevärn för
- Menscykeln räknas från första dagen i en mens till första dagen i nästa mens.
Den brukar ofta vara cirka 28 dagar, men det är olika från person till person.
Allt mellan 25 dagar till 32 dagar är vanligt. Ungefär 14 dagar före mens sker
ägglossningen. Det är då det finns chans till befruktning.
- source_sentence: Hvad er XML-filtypenavnene?
sentences:
- Hjálparsagnir eins og nafnið gefur til kynna, hjálpa aðalsögninni að útskýra eitthvað;
eins og til dæmis tíma. Hjálparsagnir geta aldrei staðið einar án aðalsagnar.
Hjálparsagnir þurfa ekki alltaf að standa við hlið aðalsagna og oft er fleiri
en ein hjálparsögn notuð. Hjálparsagnir bera ekki sjálfstæða merkingu. Nokkrar
algengar íslenskar hjálparsagnir eru; hafa, vera, verða og munu.
- Efter användandet ska doseringssprutan göras ren i varmt tvålvatten. När man ska
ta isär doseringssprutan måste man ta i lite grann för att få loss kolven. Efter
rengöringen är det bara att trycka tillbaka kolven. Skölj noga efteråt. Rengöringsmedel
får inte användas, inte heller kokande vatten.
- I Office kan du gemme filer i Open XML-formater og i de binære filformater fra
tidligere versioner af Office, og programmet indeholder funktioner til kompatibilitetskontrol
og filkonverteringsprogrammer, der tillader fildeling mellem forskellige versioner
af Office. Åbne eksisterende filer i Office Du kan åbne og arbejde med en fil,
der blev oprettet i en tidligere version af Office, og du kan derefter gemme den
i det eksisterende format. Da du muligvis arbejder på en dokument sammen med nogen,
der bruger en tidligere version af Office, bruger Office en kompatibilitetskontrol,
der kontrollerer, at du ikke har anvendt en funktion, som en tidligere version
af Office ikke understøtter. Når du gemmer filen, giver kompatibilitetskontrollen
dig besked om disse funktioner og giver dig mulighed for at fjerne disse, før
du fortsætter med
- source_sentence: Mannen satt ensam i gruset en hel natt, men ingen brydde sig. Det
Tove gjorde då värmer mitt hjärta. Vi behöver fler som dig!
sentences:
- <script data-adfscript="adx.adform.net/adx/?mid=168702&rnd=12341523"></script>
<script src="//s1.adform.net/banners/scripts/adx.js" async defer></script> Ingen
ville hjälpa den 75-årige mannen som suttit ute i gruset – hela natten. Tills
23-årige Tova Eldstål kom förbi. – Jag tycker vi ska börja ta hand om varandra
mer, säger hon till Aftonbladet. Nu hyllar tusentals hennes Facebook-inlägg om
händelsen. Det var i fredags morse som Tova Eldstål såg den äldre mannen sitta
i gruset intill tågstationen i Fagersta. Ingen av de tio personer som gick framför
Tova stannade till. Men det gjorde Tova.Hon fick veta att mannen hade ont i bröstet
och att han suttit där sedan 17-tiden kvällen innan. Nu har Tova skrivit ett inlägg
på Facebook om händelsen. Över 80 000 har gillat texten och tusentals hyllar henne
för insatsen."Jag har missat mitt tåg men jag lämnade
- Vi har fortsatt noen ledige plasser til kveldens store smaking. Bli med og smak
11 toppviner, deriblant flere årganger av Premier og Grand Cru-chabliser samtidig
som du lærer mer om vinområdet. Med sin friske, klare duft av mineraler og nyåpnede
østers, har de knusktørre vinene fra Chablis fått stjernestatus i vinverdenen.
Smak Chablis på sitt aller beste og lær mer om hva som gjør dette vinområdet så
spesielt ved å bli med på denne eksklusive smakingen. Revolusjonerende Grand Cru
Denne kvelden får vi besøk fra et av Chablis' mest berømte vinhus, William Fèvre.
Takket være fremsynthet på 1960-tallet har huset har den største andelen av Grand
Cru-vinmarker blant alle vinhusene i området. Hele 16 av de totalt 100 hektarene
med de aller beste vinmarkene i Chablis tilhører eiendommen.
- – Våre hovedargumenter for dette er at vi anser Jonas Gahr Støres og Felix Tschudis
vennskap for å være inhabiliserende nært, og at Felix Tschudis interesser i den
reelle mottaker av midlene fra UD er både særegne og av tilstrekkelig styrke.
De samlede omstendigheter er egnet til å svekke tilliten, skriver advokatfirmaet
videre. Støre selv sier via kommunikasjonssjef Ragnhild Imerslund i UD at han
tar vurderingen til orientering.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
---
# SentenceTransformer based on KBLab/bert-base-swedish-cased
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [KBLab/bert-base-swedish-cased](https://huggingface.co/KBLab/bert-base-swedish-cased) on the parquet 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:** [KBLab/bert-base-swedish-cased](https://huggingface.co/KBLab/bert-base-swedish-cased) <!-- at revision c710fb8dff81abb11d704cd46a8a1e010b2b022c -->
- **Maximum Sequence Length:** 512 tokens
- **Output Dimensionality:** 768 dimensions
- **Similarity Function:** Cosine Similarity
- **Training Dataset:**
- parquet
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->
### 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': 512, 'do_lower_case': False}) with Transformer model: BertModel
(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("nicher92/embedding_model_one_epoch")
# Run inference
sentences = [
'Mannen satt ensam i gruset en hel natt, men ingen brydde sig. Det Tove gjorde då värmer mitt hjärta. Vi behöver fler som dig!',
'<script data-adfscript="adx.adform.net/adx/?mid=168702&rnd=12341523"></script> <script src="//s1.adform.net/banners/scripts/adx.js" async defer></script> Ingen ville hjälpa den 75-årige mannen som suttit ute i gruset – hela natten. Tills 23-årige Tova Eldstål kom förbi. – Jag tycker vi ska börja ta hand om varandra mer, säger hon till Aftonbladet. Nu hyllar tusentals hennes Facebook-inlägg om händelsen. Det var i fredags morse som Tova Eldstål såg den äldre mannen sitta i gruset intill tågstationen i Fagersta. Ingen av de tio personer som gick framför Tova stannade till. Men det gjorde Tova.Hon fick veta att mannen hade ont i bröstet och att han suttit där sedan 17-tiden kvällen innan. Nu har Tova skrivit ett inlägg på Facebook om händelsen. Över 80 000 har gillat texten och tusentals hyllar henne för insatsen."Jag har missat mitt tåg men jag lämnade',
"Vi har fortsatt noen ledige plasser til kveldens store smaking. Bli med og smak 11 toppviner, deriblant flere årganger av Premier og Grand Cru-chabliser samtidig som du lærer mer om vinområdet. Med sin friske, klare duft av mineraler og nyåpnede østers, har de knusktørre vinene fra Chablis fått stjernestatus i vinverdenen. Smak Chablis på sitt aller beste og lær mer om hva som gjør dette vinområdet så spesielt ved å bli med på denne eksklusive smakingen. Revolusjonerende Grand Cru Denne kvelden får vi besøk fra et av Chablis' mest berømte vinhus, William Fèvre. Takket være fremsynthet på 1960-tallet har huset har den største andelen av Grand Cru-vinmarker blant alle vinhusene i området. Hele 16 av de totalt 100 hektarene med de aller beste vinmarkene i Chablis tilhører eiendommen.",
]
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.*
-->
<!--
## 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
#### parquet
* Dataset: parquet
* Size: 52,896,778 training samples
* Columns: <code>header</code> and <code>body</code>
* Approximate statistics based on the first 1000 samples:
| | header | body |
|:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|
| type | string | string |
| details | <ul><li>min: 4 tokens</li><li>mean: 12.12 tokens</li><li>max: 178 tokens</li></ul> | <ul><li>min: 13 tokens</li><li>mean: 154.53 tokens</li><li>max: 362 tokens</li></ul> |
* Samples:
| header | body |
|:--------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| <code>Miljø: 4</code> | <code>Ford Focus stv. med 115-hesters diesel har et oppgitt EU-forbruk på 0,42 l/mil og et oppgitt CO2-utslipp på 109 g/km. Begge deler er gode tall for bilstørrelsen. I praksis, ute på veien i vår 20 mil lange testløype, trenger Focus stv. 0,52 l/mil. Fortsatt er det et godkjent tall, men Focusen havner noen dieseldråper bak for eksempel den forbruksoptimerte Skoda Octavia GreenLine.</code> |
| <code>Invitation til klassefest 2013</code> | <code>17 okt Der kom brev med posten. (frit oversat til html af Leif) Kære gamle klassekammerater:Så er det endnu engang tid til klassekomsammen. Som aftalt sidste år er det **lørdag den 26. oktober:**Vi mødes kl. 13,00 foran indgangen til Århus Domkirke, Store Torv 1, 8000 Århus C.Herfra går vi til Besættelsesmuseet i Århus 1940-45 i Mathilde Fibrigers Have 2, hvor vi kan gå rundt og se på hvad der skete under besættelsen i Århus By.Når vi er færdige tager vi ud til mig, hvor vi vil få en god middag. Efterfølgende kaffe og senere natmad. Håber vi må få en rigtig hyggelig dag sammen. Du skal give besked, om du kommer senest den 16.10på telefon:eller Mobil:Beløb og opkrævning på dagen: ca. 300,- kr. Hilsen festudvalget: Hanne Gerner Thomsen</code> |
| <code>Konklusjon: 6</code> | <code>Hovedkarakteren er ikke et gjennomsnitt av delkarakterene, men et uttrykk for hvordan bilen totalt sett er i forhold til konkurrentene på det tidspunktet da testen ble gjennomført. Som nevnt allerede i innledningen: Vi mener Ford Focus 1,6 TDCI stv. totalt sett er den beste kompakte stasjonsvogna på markedet per i dag (juni 2011), og slik sett forsvarer den en sekser på terningen. Blant de sterkeste sidene er opplevelsen av at Focus gir mye god bil for pengene både når det gjelder kjøreegenskaper, plass og ytelser. Litt rom for forbedring finner vi først og fremst når det gjelder motoren. 1,5-litersdieselen er ikke lenger klassens mest kultiverte. | | || Pris | 244800 | Vår karakter</code> |
* Loss: [<code>CachedMultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cachedmultiplenegativesrankingloss) with these parameters:
```json
{
"scale": 20.0,
"similarity_fct": "cos_sim",
"mini_batch_size": 128
}
```
### Training Hyperparameters
#### Non-Default Hyperparameters
- `eval_strategy`: steps
- `per_device_train_batch_size`: 2048
- `learning_rate`: 0.0002
- `warmup_ratio`: 0.1
- `bf16`: True
- `load_best_model_at_end`: True
- `batch_sampler`: no_duplicates
#### 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`: 2048
- `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`: 0.0002
- `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`: True
- `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`: True
- `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`: True
- `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}
- `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`: no_duplicates
- `multi_dataset_batch_sampler`: proportional
</details>
### Training Logs
<details><summary>Click to expand</summary>
| Epoch | Step | Training Loss |
|:------:|:----:|:-------------:|
| 0.0012 | 5 | 6.7754 |
| 0.0023 | 10 | 6.6896 |
| 0.0035 | 15 | 6.5047 |
| 0.0046 | 20 | 6.2826 |
| 0.0058 | 25 | 5.9985 |
| 0.0070 | 30 | 5.6479 |
| 0.0081 | 35 | 5.2283 |
| 0.0093 | 40 | 4.9118 |
| 0.0105 | 45 | 4.5856 |
| 0.0116 | 50 | 4.2933 |
| 0.0128 | 55 | 4.039 |
| 0.0139 | 60 | 3.8274 |
| 0.0151 | 65 | 3.6651 |
| 0.0163 | 70 | 3.5111 |
| 0.0174 | 75 | 3.3547 |
| 0.0186 | 80 | 3.2696 |
| 0.0197 | 85 | 3.1727 |
| 0.0209 | 90 | 3.0879 |
| 0.0221 | 95 | 3.0103 |
| 0.0232 | 100 | 2.9765 |
| 0.0244 | 105 | 2.8899 |
| 0.0256 | 110 | 2.8561 |
| 0.0267 | 115 | 2.8292 |
| 0.0279 | 120 | 2.7635 |
| 0.0290 | 125 | 2.7508 |
| 0.0302 | 130 | 2.705 |
| 0.0314 | 135 | 2.6831 |
| 0.0325 | 140 | 2.6545 |
| 0.0337 | 145 | 2.6175 |
| 0.0349 | 150 | 2.595 |
| 0.0360 | 155 | 2.5818 |
| 0.0372 | 160 | 2.537 |
| 0.0383 | 165 | 2.538 |
| 0.0395 | 170 | 2.5051 |
| 0.0407 | 175 | 2.502 |
| 0.0418 | 180 | 2.4705 |
| 0.0430 | 185 | 2.4809 |
| 0.0441 | 190 | 2.4443 |
| 0.0453 | 195 | 2.409 |
| 0.0465 | 200 | 2.3929 |
| 0.0476 | 205 | 2.3917 |
| 0.0488 | 210 | 2.3654 |
| 0.0500 | 215 | 2.3603 |
| 0.0511 | 220 | 2.3482 |
| 0.0523 | 225 | 2.3189 |
| 0.0534 | 230 | 2.3009 |
| 0.0546 | 235 | 2.3032 |
| 0.0558 | 240 | 2.2824 |
| 0.0569 | 245 | 2.2792 |
| 0.0581 | 250 | 2.2642 |
| 0.0592 | 255 | 2.2435 |
| 0.0604 | 260 | 2.2361 |
| 0.0616 | 265 | 2.2115 |
| 0.0627 | 270 | 2.2203 |
| 0.0639 | 275 | 2.1931 |
| 0.0651 | 280 | 2.2 |
| 0.0662 | 285 | 2.1862 |
| 0.0674 | 290 | 2.1615 |
| 0.0685 | 295 | 2.1783 |
| 0.0697 | 300 | 2.1515 |
| 0.0709 | 305 | 2.1318 |
| 0.0720 | 310 | 2.1403 |
| 0.0732 | 315 | 2.1252 |
| 0.0743 | 320 | 2.1199 |
| 0.0755 | 325 | 2.1036 |
| 0.0767 | 330 | 2.1033 |
| 0.0778 | 335 | 2.0887 |
| 0.0790 | 340 | 2.0715 |
| 0.0802 | 345 | 2.0709 |
| 0.0813 | 350 | 2.0488 |
| 0.0825 | 355 | 2.0484 |
| 0.0836 | 360 | 2.0373 |
| 0.0848 | 365 | 2.051 |
| 0.0860 | 370 | 2.0395 |
| 0.0871 | 375 | 2.0248 |
| 0.0883 | 380 | 2.0148 |
| 0.0895 | 385 | 2.0126 |
| 0.0906 | 390 | 1.9956 |
| 0.0918 | 395 | 1.987 |
| 0.0929 | 400 | 1.9875 |
| 0.0941 | 405 | 1.9698 |
| 0.0953 | 410 | 1.9596 |
| 0.0964 | 415 | 1.968 |
| 0.0976 | 420 | 1.9438 |
| 0.0987 | 425 | 1.9411 |
| 0.0999 | 430 | 1.9624 |
| 0.1011 | 435 | 1.938 |
| 0.1022 | 440 | 1.9295 |
| 0.1034 | 445 | 1.922 |
| 0.1046 | 450 | 1.9306 |
| 0.1057 | 455 | 1.921 |
| 0.1069 | 460 | 1.915 |
| 0.1080 | 465 | 1.883 |
| 0.1092 | 470 | 1.8886 |
| 0.1104 | 475 | 1.8886 |
| 0.1115 | 480 | 1.9004 |
| 0.1127 | 485 | 1.878 |
| 0.1138 | 490 | 1.8567 |
| 0.1150 | 495 | 1.8659 |
| 0.1162 | 500 | 1.8522 |
| 0.1173 | 505 | 1.8482 |
| 0.1185 | 510 | 1.8356 |
| 0.1197 | 515 | 1.8566 |
| 0.1208 | 520 | 1.8392 |
| 0.1220 | 525 | 1.8407 |
| 0.1231 | 530 | 1.8201 |
| 0.1243 | 535 | 1.8152 |
| 0.1255 | 540 | 1.8012 |
| 0.1266 | 545 | 1.819 |
| 0.1278 | 550 | 1.8131 |
| 0.1289 | 555 | 1.8167 |
| 0.1301 | 560 | 1.8123 |
| 0.1313 | 565 | 1.8035 |
| 0.1324 | 570 | 1.7781 |
| 0.1336 | 575 | 1.7684 |
| 0.1348 | 580 | 1.7633 |
| 0.1359 | 585 | 1.7765 |
| 0.1371 | 590 | 1.767 |
| 0.1382 | 595 | 1.7633 |
| 0.1394 | 600 | 1.7555 |
| 0.1406 | 605 | 1.7437 |
| 0.1417 | 610 | 1.7348 |
| 0.1429 | 615 | 1.7329 |
| 0.1441 | 620 | 1.7394 |
| 0.1452 | 625 | 1.7367 |
| 0.1464 | 630 | 1.737 |
| 0.1475 | 635 | 1.7063 |
| 0.1487 | 640 | 1.727 |
| 0.1499 | 645 | 1.732 |
| 0.1510 | 650 | 1.7172 |
| 0.1522 | 655 | 1.7164 |
| 0.1533 | 660 | 1.7175 |
| 0.1545 | 665 | 1.7119 |
| 0.1557 | 670 | 1.6951 |
| 0.1568 | 675 | 1.7021 |
| 0.1580 | 680 | 1.6708 |
| 0.1592 | 685 | 1.6839 |
| 0.1603 | 690 | 1.6834 |
| 0.1615 | 695 | 1.6743 |
| 0.1626 | 700 | 1.6755 |
| 0.1638 | 705 | 1.6798 |
| 0.1650 | 710 | 1.6671 |
| 0.1661 | 715 | 1.6563 |
| 0.1673 | 720 | 1.6555 |
| 0.1684 | 725 | 1.6413 |
| 0.1696 | 730 | 1.6471 |
| 0.1708 | 735 | 1.6532 |
| 0.1719 | 740 | 1.6481 |
| 0.1731 | 745 | 1.6429 |
| 0.1743 | 750 | 1.6488 |
| 0.1754 | 755 | 1.6475 |
| 0.1766 | 760 | 1.6213 |
| 0.1777 | 765 | 1.6367 |
| 0.1789 | 770 | 1.6319 |
| 0.1801 | 775 | 1.6204 |
| 0.1812 | 780 | 1.6377 |
| 0.1824 | 785 | 1.6203 |
| 0.1836 | 790 | 1.6117 |
| 0.1847 | 795 | 1.59 |
| 0.1859 | 800 | 1.6249 |
| 0.1870 | 805 | 1.5927 |
| 0.1882 | 810 | 1.6007 |
| 0.1894 | 815 | 1.5908 |
| 0.1905 | 820 | 1.6081 |
| 0.1917 | 825 | 1.5973 |
| 0.1928 | 830 | 1.6012 |
| 0.1940 | 835 | 1.5899 |
| 0.1952 | 840 | 1.589 |
| 0.1963 | 845 | 1.5766 |
| 0.1975 | 850 | 1.5613 |
| 0.1987 | 855 | 1.58 |
| 0.1998 | 860 | 1.5811 |
| 0.2010 | 865 | 1.5763 |
| 0.2021 | 870 | 1.5605 |
| 0.2033 | 875 | 1.5807 |
| 0.2045 | 880 | 1.5681 |
| 0.2056 | 885 | 1.5681 |
| 0.2068 | 890 | 1.551 |
| 0.2079 | 895 | 1.5418 |
| 0.2091 | 900 | 1.5523 |
| 0.2103 | 905 | 1.5508 |
| 0.2114 | 910 | 1.5463 |
| 0.2126 | 915 | 1.5356 |
| 0.2138 | 920 | 1.5573 |
| 0.2149 | 925 | 1.5439 |
| 0.2161 | 930 | 1.5383 |
| 0.2172 | 935 | 1.5248 |
| 0.2184 | 940 | 1.5263 |
| 0.2196 | 945 | 1.5249 |
| 0.2207 | 950 | 1.516 |
| 0.2219 | 955 | 1.5114 |
| 0.2230 | 960 | 1.5167 |
| 0.2242 | 965 | 1.5302 |
| 0.2254 | 970 | 1.5164 |
| 0.2265 | 975 | 1.5295 |
| 0.2277 | 980 | 1.5098 |
| 0.2289 | 985 | 1.5297 |
| 0.2300 | 990 | 1.5146 |
| 0.2312 | 995 | 1.5094 |
| 0.2323 | 1000 | 1.5022 |
| 0.2335 | 1005 | 1.5026 |
| 0.2347 | 1010 | 1.4903 |
| 0.2358 | 1015 | 1.4934 |
| 0.2370 | 1020 | 1.5048 |
| 0.2382 | 1025 | 1.4882 |
| 0.2393 | 1030 | 1.4692 |
| 0.2405 | 1035 | 1.4894 |
| 0.2416 | 1040 | 1.4774 |
| 0.2428 | 1045 | 1.4928 |
| 0.2440 | 1050 | 1.4861 |
| 0.2451 | 1055 | 1.4829 |
| 0.2463 | 1060 | 1.4738 |
| 0.2474 | 1065 | 1.4902 |
| 0.2486 | 1070 | 1.4784 |
| 0.2498 | 1075 | 1.4804 |
| 0.2509 | 1080 | 1.4692 |
| 0.2521 | 1085 | 1.4625 |
| 0.2533 | 1090 | 1.4511 |
| 0.2544 | 1095 | 1.4735 |
| 0.2556 | 1100 | 1.4547 |
| 0.2567 | 1105 | 1.4488 |
| 0.2579 | 1110 | 1.4585 |
| 0.2591 | 1115 | 1.455 |
| 0.2602 | 1120 | 1.4571 |
| 0.2614 | 1125 | 1.4617 |
| 0.2625 | 1130 | 1.4572 |
| 0.2637 | 1135 | 1.4501 |
| 0.2649 | 1140 | 1.4599 |
| 0.2660 | 1145 | 1.4469 |
| 0.2672 | 1150 | 1.4308 |
| 0.2684 | 1155 | 1.4329 |
| 0.2695 | 1160 | 1.441 |
| 0.2707 | 1165 | 1.431 |
| 0.2718 | 1170 | 1.4323 |
| 0.2730 | 1175 | 1.4194 |
| 0.2742 | 1180 | 1.4364 |
| 0.2753 | 1185 | 1.4364 |
| 0.2765 | 1190 | 1.4228 |
| 0.2776 | 1195 | 1.418 |
| 0.2788 | 1200 | 1.4246 |
| 0.2800 | 1205 | 1.4387 |
| 0.2811 | 1210 | 1.4188 |
| 0.2823 | 1215 | 1.4035 |
| 0.2835 | 1220 | 1.4233 |
| 0.2846 | 1225 | 1.4112 |
| 0.2858 | 1230 | 1.4284 |
| 0.2869 | 1235 | 1.4154 |
| 0.2881 | 1240 | 1.4167 |
| 0.2893 | 1245 | 1.4049 |
| 0.2904 | 1250 | 1.4064 |
| 0.2916 | 1255 | 1.4057 |
| 0.2928 | 1260 | 1.4204 |
| 0.2939 | 1265 | 1.4093 |
| 0.2951 | 1270 | 1.4053 |
| 0.2962 | 1275 | 1.4018 |
| 0.2974 | 1280 | 1.398 |
| 0.2986 | 1285 | 1.4039 |
| 0.2997 | 1290 | 1.3844 |
| 0.3009 | 1295 | 1.4017 |
| 0.3020 | 1300 | 1.3993 |
| 0.3032 | 1305 | 1.3962 |
| 0.3044 | 1310 | 1.3784 |
| 0.3055 | 1315 | 1.395 |
| 0.3067 | 1320 | 1.3998 |
| 0.3079 | 1325 | 1.3904 |
| 0.3090 | 1330 | 1.3858 |
| 0.3102 | 1335 | 1.378 |
| 0.3113 | 1340 | 1.3812 |
| 0.3125 | 1345 | 1.3912 |
| 0.3137 | 1350 | 1.3775 |
| 0.3148 | 1355 | 1.3628 |
| 0.3160 | 1360 | 1.3757 |
| 0.3171 | 1365 | 1.3852 |
| 0.3183 | 1370 | 1.377 |
| 0.3195 | 1375 | 1.3985 |
| 0.3206 | 1380 | 1.3703 |
| 0.3218 | 1385 | 1.3564 |
| 0.3230 | 1390 | 1.3658 |
| 0.3241 | 1395 | 1.3662 |
| 0.3253 | 1400 | 1.3536 |
| 0.3264 | 1405 | 1.3542 |
| 0.3276 | 1410 | 1.355 |
| 0.3288 | 1415 | 1.3569 |
| 0.3299 | 1420 | 1.3565 |
| 0.3311 | 1425 | 1.3538 |
| 0.3322 | 1430 | 1.3447 |
| 0.3334 | 1435 | 1.3368 |
| 0.3346 | 1440 | 1.3581 |
| 0.3357 | 1445 | 1.3601 |
| 0.3369 | 1450 | 1.3367 |
| 0.3381 | 1455 | 1.3406 |
| 0.3392 | 1460 | 1.3393 |
| 0.3404 | 1465 | 1.3631 |
| 0.3415 | 1470 | 1.338 |
| 0.3427 | 1475 | 1.3441 |
| 0.3439 | 1480 | 1.3405 |
| 0.3450 | 1485 | 1.3532 |
| 0.3462 | 1490 | 1.3478 |
| 0.3474 | 1495 | 1.3383 |
| 0.3485 | 1500 | 1.3346 |
| 0.3497 | 1505 | 1.341 |
| 0.3508 | 1510 | 1.3254 |
| 0.3520 | 1515 | 1.3296 |
| 0.3532 | 1520 | 1.328 |
| 0.3543 | 1525 | 1.3395 |
| 0.3555 | 1530 | 1.3242 |
| 0.3566 | 1535 | 1.318 |
| 0.3578 | 1540 | 1.3167 |
| 0.3590 | 1545 | 1.3238 |
| 0.3601 | 1550 | 1.314 |
| 0.3613 | 1555 | 1.3258 |
| 0.3625 | 1560 | 1.3189 |
| 0.3636 | 1565 | 1.3058 |
| 0.3648 | 1570 | 1.321 |
| 0.3659 | 1575 | 1.3003 |
| 0.3671 | 1580 | 1.3165 |
| 0.3683 | 1585 | 1.3083 |
| 0.3694 | 1590 | 1.3165 |
| 0.3706 | 1595 | 1.3179 |
| 0.3717 | 1600 | 1.3132 |
| 0.3729 | 1605 | 1.3005 |
| 0.3741 | 1610 | 1.3062 |
| 0.3752 | 1615 | 1.3179 |
| 0.3764 | 1620 | 1.315 |
| 0.3776 | 1625 | 1.306 |
| 0.3787 | 1630 | 1.304 |
| 0.3799 | 1635 | 1.2906 |
| 0.3810 | 1640 | 1.3015 |
| 0.3822 | 1645 | 1.2997 |
| 0.3834 | 1650 | 1.2931 |
| 0.3845 | 1655 | 1.2915 |
| 0.3857 | 1660 | 1.3021 |
| 0.3868 | 1665 | 1.2969 |
| 0.3880 | 1670 | 1.2941 |
| 0.3892 | 1675 | 1.2938 |
| 0.3903 | 1680 | 1.2968 |
| 0.3915 | 1685 | 1.2821 |
| 0.3927 | 1690 | 1.2786 |
| 0.3938 | 1695 | 1.2856 |
| 0.3950 | 1700 | 1.2785 |
| 0.3961 | 1705 | 1.2752 |
| 0.3973 | 1710 | 1.2946 |
| 0.3985 | 1715 | 1.2817 |
| 0.3996 | 1720 | 1.2799 |
| 0.4008 | 1725 | 1.2727 |
| 0.4020 | 1730 | 1.2851 |
| 0.4031 | 1735 | 1.2552 |
| 0.4043 | 1740 | 1.2824 |
| 0.4054 | 1745 | 1.2601 |
| 0.4066 | 1750 | 1.2851 |
| 0.4078 | 1755 | 1.267 |
| 0.4089 | 1760 | 1.2694 |
| 0.4101 | 1765 | 1.2699 |
| 0.4112 | 1770 | 1.2604 |
| 0.4124 | 1775 | 1.2739 |
| 0.4136 | 1780 | 1.2842 |
| 0.4147 | 1785 | 1.2686 |
| 0.4159 | 1790 | 1.2642 |
| 0.4171 | 1795 | 1.2634 |
| 0.4182 | 1800 | 1.2516 |
| 0.4194 | 1805 | 1.2644 |
| 0.4205 | 1810 | 1.2635 |
| 0.4217 | 1815 | 1.2516 |
| 0.4229 | 1820 | 1.2582 |
| 0.4240 | 1825 | 1.2513 |
| 0.4252 | 1830 | 1.2468 |
| 0.4263 | 1835 | 1.2388 |
| 0.4275 | 1840 | 1.2494 |
| 0.4287 | 1845 | 1.2383 |
| 0.4298 | 1850 | 1.2567 |
| 0.4310 | 1855 | 1.2518 |
| 0.4322 | 1860 | 1.2571 |
| 0.4333 | 1865 | 1.2445 |
| 0.4345 | 1870 | 1.251 |
| 0.4356 | 1875 | 1.2446 |
| 0.4368 | 1880 | 1.2315 |
| 0.4380 | 1885 | 1.2382 |
| 0.4391 | 1890 | 1.256 |
| 0.4403 | 1895 | 1.2446 |
| 0.4414 | 1900 | 1.2286 |
| 0.4426 | 1905 | 1.2411 |
| 0.4438 | 1910 | 1.2392 |
| 0.4449 | 1915 | 1.233 |
| 0.4461 | 1920 | 1.2455 |
| 0.4473 | 1925 | 1.2309 |
| 0.4484 | 1930 | 1.2178 |
| 0.4496 | 1935 | 1.2253 |
| 0.4507 | 1940 | 1.2295 |
| 0.4519 | 1945 | 1.229 |
| 0.4531 | 1950 | 1.2456 |
| 0.4542 | 1955 | 1.2366 |
| 0.4554 | 1960 | 1.2273 |
| 0.4566 | 1965 | 1.2208 |
| 0.4577 | 1970 | 1.2291 |
| 0.4589 | 1975 | 1.2083 |
| 0.4600 | 1980 | 1.2342 |
| 0.4612 | 1985 | 1.2237 |
| 0.4624 | 1990 | 1.2265 |
| 0.4635 | 1995 | 1.2098 |
| 0.4647 | 2000 | 1.2258 |
| 0.4658 | 2005 | 1.2357 |
| 0.4670 | 2010 | 1.2194 |
| 0.4682 | 2015 | 1.2258 |
| 0.4693 | 2020 | 1.2014 |
| 0.4705 | 2025 | 1.2051 |
| 0.4717 | 2030 | 1.2035 |
| 0.4728 | 2035 | 1.2179 |
| 0.4740 | 2040 | 1.2241 |
| 0.4751 | 2045 | 1.2255 |
| 0.4763 | 2050 | 1.2265 |
| 0.4775 | 2055 | 1.2163 |
| 0.4786 | 2060 | 1.211 |
| 0.4798 | 2065 | 1.2178 |
| 0.4809 | 2070 | 1.2344 |
| 0.4821 | 2075 | 1.2089 |
| 0.4833 | 2080 | 1.2031 |
| 0.4844 | 2085 | 1.2128 |
| 0.4856 | 2090 | 1.2074 |
| 0.4868 | 2095 | 1.2071 |
| 0.4879 | 2100 | 1.2005 |
| 0.4891 | 2105 | 1.2133 |
| 0.4902 | 2110 | 1.1913 |
| 0.4914 | 2115 | 1.2054 |
| 0.4926 | 2120 | 1.2071 |
| 0.4937 | 2125 | 1.1938 |
| 0.4949 | 2130 | 1.1956 |
| 0.4961 | 2135 | 1.1932 |
| 0.4972 | 2140 | 1.2124 |
| 0.4984 | 2145 | 1.2098 |
| 0.4995 | 2150 | 1.216 |
| 0.5007 | 2155 | 1.2135 |
| 0.5019 | 2160 | 1.2 |
| 0.5030 | 2165 | 1.2118 |
| 0.5042 | 2170 | 1.1988 |
| 0.5053 | 2175 | 1.1973 |
| 0.5065 | 2180 | 1.2039 |
| 0.5077 | 2185 | 1.1959 |
| 0.5088 | 2190 | 1.1924 |
| 0.5100 | 2195 | 1.1875 |
| 0.5112 | 2200 | 1.1806 |
| 0.5123 | 2205 | 1.1933 |
| 0.5135 | 2210 | 1.1837 |
| 0.5146 | 2215 | 1.1876 |
| 0.5158 | 2220 | 1.1901 |
| 0.5170 | 2225 | 1.1971 |
| 0.5181 | 2230 | 1.2016 |
| 0.5193 | 2235 | 1.1849 |
| 0.5204 | 2240 | 1.1823 |
| 0.5216 | 2245 | 1.1757 |
| 0.5228 | 2250 | 1.1816 |
| 0.5239 | 2255 | 1.18 |
| 0.5251 | 2260 | 1.1879 |
| 0.5263 | 2265 | 1.1867 |
| 0.5274 | 2270 | 1.1734 |
| 0.5286 | 2275 | 1.1798 |
| 0.5297 | 2280 | 1.1848 |
| 0.5309 | 2285 | 1.1829 |
| 0.5321 | 2290 | 1.177 |
| 0.5332 | 2295 | 1.1795 |
| 0.5344 | 2300 | 1.1725 |
| 0.5355 | 2305 | 1.1747 |
| 0.5367 | 2310 | 1.1736 |
| 0.5379 | 2315 | 1.1777 |
| 0.5390 | 2320 | 1.1897 |
| 0.5402 | 2325 | 1.1792 |
| 0.5414 | 2330 | 1.1843 |
| 0.5425 | 2335 | 1.1762 |
| 0.5437 | 2340 | 1.1804 |
| 0.5448 | 2345 | 1.1728 |
| 0.5460 | 2350 | 1.1514 |
| 0.5472 | 2355 | 1.1747 |
| 0.5483 | 2360 | 1.1658 |
| 0.5495 | 2365 | 1.1763 |
| 0.5507 | 2370 | 1.1588 |
| 0.5518 | 2375 | 1.1641 |
| 0.5530 | 2380 | 1.1714 |
| 0.5541 | 2385 | 1.1697 |
| 0.5553 | 2390 | 1.1567 |
| 0.5565 | 2395 | 1.1696 |
| 0.5576 | 2400 | 1.1578 |
| 0.5588 | 2405 | 1.1683 |
| 0.5599 | 2410 | 1.1547 |
| 0.5611 | 2415 | 1.1642 |
| 0.5623 | 2420 | 1.1755 |
| 0.5634 | 2425 | 1.159 |
| 0.5646 | 2430 | 1.1602 |
| 0.5658 | 2435 | 1.1652 |
| 0.5669 | 2440 | 1.1478 |
| 0.5681 | 2445 | 1.1542 |
| 0.5692 | 2450 | 1.15 |
| 0.5704 | 2455 | 1.1665 |
| 0.5716 | 2460 | 1.1765 |
| 0.5727 | 2465 | 1.1598 |
| 0.5739 | 2470 | 1.1448 |
| 0.5750 | 2475 | 1.1431 |
| 0.5762 | 2480 | 1.1503 |
| 0.5774 | 2485 | 1.1433 |
| 0.5785 | 2490 | 1.1556 |
| 0.5797 | 2495 | 1.1692 |
| 0.5809 | 2500 | 1.1454 |
| 0.5820 | 2505 | 1.15 |
| 0.5832 | 2510 | 1.1528 |
| 0.5843 | 2515 | 1.1454 |
| 0.5855 | 2520 | 1.1656 |
| 0.5867 | 2525 | 1.1455 |
| 0.5878 | 2530 | 1.156 |
| 0.5890 | 2535 | 1.1489 |
| 0.5901 | 2540 | 1.1442 |
| 0.5913 | 2545 | 1.1466 |
| 0.5925 | 2550 | 1.1437 |
| 0.5936 | 2555 | 1.1579 |
| 0.5948 | 2560 | 1.1484 |
| 0.5960 | 2565 | 1.1399 |
| 0.5971 | 2570 | 1.1475 |
| 0.5983 | 2575 | 1.1486 |
| 0.5994 | 2580 | 1.1612 |
| 0.6006 | 2585 | 1.1435 |
| 0.6018 | 2590 | 1.1439 |
| 0.6029 | 2595 | 1.1427 |
| 0.6041 | 2600 | 1.1468 |
| 0.6053 | 2605 | 1.1391 |
| 0.6064 | 2610 | 1.1427 |
| 0.6076 | 2615 | 1.1428 |
| 0.6087 | 2620 | 1.1415 |
| 0.6099 | 2625 | 1.1345 |
| 0.6111 | 2630 | 1.1356 |
| 0.6122 | 2635 | 1.1274 |
| 0.6134 | 2640 | 1.1472 |
| 0.6145 | 2645 | 1.1364 |
| 0.6157 | 2650 | 1.1293 |
| 0.6169 | 2655 | 1.1333 |
| 0.6180 | 2660 | 1.1371 |
| 0.6192 | 2665 | 1.1486 |
| 0.6204 | 2670 | 1.1271 |
| 0.6215 | 2675 | 1.1371 |
| 0.6227 | 2680 | 1.1298 |
| 0.6238 | 2685 | 1.1414 |
| 0.625 | 2690 | 1.1365 |
| 0.6262 | 2695 | 1.1484 |
| 0.6273 | 2700 | 1.1248 |
| 0.6285 | 2705 | 1.1291 |
| 0.6296 | 2710 | 1.1267 |
| 0.6308 | 2715 | 1.121 |
| 0.6320 | 2720 | 1.1414 |
| 0.6331 | 2725 | 1.1362 |
| 0.6343 | 2730 | 1.1206 |
| 0.6355 | 2735 | 1.1337 |
| 0.6366 | 2740 | 1.1122 |
| 0.6378 | 2745 | 1.122 |
| 0.6389 | 2750 | 1.1245 |
| 0.6401 | 2755 | 1.1426 |
| 0.6413 | 2760 | 1.1233 |
| 0.6424 | 2765 | 1.1398 |
| 0.6436 | 2770 | 1.1214 |
| 0.6447 | 2775 | 1.1152 |
| 0.6459 | 2780 | 1.1348 |
| 0.6471 | 2785 | 1.1238 |
| 0.6482 | 2790 | 1.1175 |
| 0.6494 | 2795 | 1.1153 |
| 0.6506 | 2800 | 1.1153 |
| 0.6517 | 2805 | 1.1164 |
| 0.6529 | 2810 | 1.1155 |
| 0.6540 | 2815 | 1.108 |
| 0.6552 | 2820 | 1.1138 |
| 0.6564 | 2825 | 1.1121 |
| 0.6575 | 2830 | 1.1205 |
| 0.6587 | 2835 | 1.1252 |
| 0.6599 | 2840 | 1.1151 |
| 0.6610 | 2845 | 1.1209 |
| 0.6622 | 2850 | 1.1231 |
| 0.6633 | 2855 | 1.1212 |
| 0.6645 | 2860 | 1.1151 |
| 0.6657 | 2865 | 1.1143 |
| 0.6668 | 2870 | 1.1147 |
| 0.6680 | 2875 | 1.1208 |
| 0.6691 | 2880 | 1.1132 |
| 0.6703 | 2885 | 1.1 |
| 0.6715 | 2890 | 1.1087 |
| 0.6726 | 2895 | 1.1216 |
| 0.6738 | 2900 | 1.1112 |
| 0.6750 | 2905 | 1.1221 |
| 0.6761 | 2910 | 1.095 |
| 0.6773 | 2915 | 1.1068 |
| 0.6784 | 2920 | 1.1092 |
| 0.6796 | 2925 | 1.1145 |
| 0.6808 | 2930 | 1.1153 |
| 0.6819 | 2935 | 1.1082 |
| 0.6831 | 2940 | 1.1001 |
| 0.6842 | 2945 | 1.1154 |
| 0.6854 | 2950 | 1.1079 |
| 0.6866 | 2955 | 1.1051 |
| 0.6877 | 2960 | 1.1073 |
| 0.6889 | 2965 | 1.1024 |
| 0.6901 | 2970 | 1.1029 |
| 0.6912 | 2975 | 1.0998 |
| 0.6924 | 2980 | 1.1144 |
| 0.6935 | 2985 | 1.1092 |
| 0.6947 | 2990 | 1.1043 |
| 0.6959 | 2995 | 1.1095 |
| 0.6970 | 3000 | 1.0948 |
| 0.6982 | 3005 | 1.0866 |
| 0.6993 | 3010 | 1.1011 |
| 0.7005 | 3015 | 1.1002 |
| 0.7017 | 3020 | 1.0948 |
| 0.7028 | 3025 | 1.0962 |
| 0.7040 | 3030 | 1.0981 |
| 0.7052 | 3035 | 1.0909 |
| 0.7063 | 3040 | 1.0945 |
| 0.7075 | 3045 | 1.1108 |
| 0.7086 | 3050 | 1.1119 |
| 0.7098 | 3055 | 1.0856 |
| 0.7110 | 3060 | 1.1141 |
| 0.7121 | 3065 | 1.1079 |
| 0.7133 | 3070 | 1.099 |
| 0.7145 | 3075 | 1.0813 |
| 0.7156 | 3080 | 1.0849 |
| 0.7168 | 3085 | 1.0927 |
| 0.7179 | 3090 | 1.0949 |
| 0.7191 | 3095 | 1.0974 |
| 0.7203 | 3100 | 1.1004 |
| 0.7214 | 3105 | 1.0897 |
| 0.7226 | 3110 | 1.0958 |
| 0.7237 | 3115 | 1.0995 |
| 0.7249 | 3120 | 1.0982 |
| 0.7261 | 3125 | 1.0986 |
| 0.7272 | 3130 | 1.0971 |
| 0.7284 | 3135 | 1.0797 |
| 0.7296 | 3140 | 1.0915 |
| 0.7307 | 3145 | 1.1058 |
| 0.7319 | 3150 | 1.0822 |
| 0.7330 | 3155 | 1.0806 |
| 0.7342 | 3160 | 1.0762 |
| 0.7354 | 3165 | 1.0965 |
| 0.7365 | 3170 | 1.0853 |
| 0.7377 | 3175 | 1.0873 |
| 0.7388 | 3180 | 1.1015 |
| 0.7400 | 3185 | 1.0832 |
| 0.7412 | 3190 | 1.0919 |
| 0.7423 | 3195 | 1.0838 |
| 0.7435 | 3200 | 1.079 |
| 0.7447 | 3205 | 1.0802 |
| 0.7458 | 3210 | 1.0723 |
| 0.7470 | 3215 | 1.0861 |
| 0.7481 | 3220 | 1.078 |
| 0.7493 | 3225 | 1.0847 |
| 0.7505 | 3230 | 1.0907 |
| 0.7516 | 3235 | 1.0874 |
| 0.7528 | 3240 | 1.0883 |
| 0.7539 | 3245 | 1.0897 |
| 0.7551 | 3250 | 1.0842 |
| 0.7563 | 3255 | 1.0921 |
| 0.7574 | 3260 | 1.099 |
| 0.7586 | 3265 | 1.0753 |
| 0.7598 | 3270 | 1.0921 |
| 0.7609 | 3275 | 1.0847 |
| 0.7621 | 3280 | 1.0921 |
| 0.7632 | 3285 | 1.0809 |
| 0.7644 | 3290 | 1.088 |
| 0.7656 | 3295 | 1.0812 |
| 0.7667 | 3300 | 1.0788 |
| 0.7679 | 3305 | 1.0998 |
| 0.7691 | 3310 | 1.0788 |
| 0.7702 | 3315 | 1.0863 |
| 0.7714 | 3320 | 1.0827 |
| 0.7725 | 3325 | 1.0806 |
| 0.7737 | 3330 | 1.0776 |
| 0.7749 | 3335 | 1.0825 |
| 0.7760 | 3340 | 1.067 |
| 0.7772 | 3345 | 1.0735 |
| 0.7783 | 3350 | 1.0826 |
| 0.7795 | 3355 | 1.0692 |
| 0.7807 | 3360 | 1.0827 |
| 0.7818 | 3365 | 1.0868 |
| 0.7830 | 3370 | 1.0696 |
| 0.7842 | 3375 | 1.0739 |
| 0.7853 | 3380 | 1.0759 |
| 0.7865 | 3385 | 1.0706 |
| 0.7876 | 3390 | 1.0811 |
| 0.7888 | 3395 | 1.0672 |
| 0.7900 | 3400 | 1.0534 |
| 0.7911 | 3405 | 1.0635 |
| 0.7923 | 3410 | 1.0737 |
| 0.7934 | 3415 | 1.0707 |
| 0.7946 | 3420 | 1.0642 |
| 0.7958 | 3425 | 1.0744 |
| 0.7969 | 3430 | 1.0738 |
| 0.7981 | 3435 | 1.0675 |
| 0.7993 | 3440 | 1.0705 |
| 0.8004 | 3445 | 1.0682 |
| 0.8016 | 3450 | 1.0593 |
| 0.8027 | 3455 | 1.0702 |
| 0.8039 | 3460 | 1.0688 |
| 0.8051 | 3465 | 1.068 |
| 0.8062 | 3470 | 1.0678 |
| 0.8074 | 3475 | 1.0563 |
| 0.8086 | 3480 | 1.0759 |
| 0.8097 | 3485 | 1.074 |
| 0.8109 | 3490 | 1.0712 |
| 0.8120 | 3495 | 1.0707 |
| 0.8132 | 3500 | 1.0635 |
| 0.8144 | 3505 | 1.077 |
| 0.8155 | 3510 | 1.0633 |
| 0.8167 | 3515 | 1.0731 |
| 0.8178 | 3520 | 1.0726 |
| 0.8190 | 3525 | 1.0648 |
| 0.8202 | 3530 | 1.0655 |
| 0.8213 | 3535 | 1.0552 |
| 0.8225 | 3540 | 1.0488 |
| 0.8237 | 3545 | 1.0544 |
| 0.8248 | 3550 | 1.0677 |
| 0.8260 | 3555 | 1.066 |
| 0.8271 | 3560 | 1.0545 |
| 0.8283 | 3565 | 1.0621 |
| 0.8295 | 3570 | 1.0716 |
| 0.8306 | 3575 | 1.0577 |
| 0.8318 | 3580 | 1.0626 |
| 0.8329 | 3585 | 1.0589 |
| 0.8341 | 3590 | 1.0759 |
| 0.8353 | 3595 | 1.0544 |
| 0.8364 | 3600 | 1.0736 |
| 0.8376 | 3605 | 1.0604 |
| 0.8388 | 3610 | 1.0471 |
| 0.8399 | 3615 | 1.0627 |
| 0.8411 | 3620 | 1.0595 |
| 0.8422 | 3625 | 1.0529 |
| 0.8434 | 3630 | 1.0629 |
| 0.8446 | 3635 | 1.0614 |
| 0.8457 | 3640 | 1.0585 |
| 0.8469 | 3645 | 1.0584 |
| 0.8480 | 3650 | 1.0588 |
| 0.8492 | 3655 | 1.0555 |
| 0.8504 | 3660 | 1.0452 |
| 0.8515 | 3665 | 1.0603 |
| 0.8527 | 3670 | 1.0568 |
| 0.8539 | 3675 | 1.0623 |
| 0.8550 | 3680 | 1.0397 |
| 0.8562 | 3685 | 1.0747 |
| 0.8573 | 3690 | 1.0478 |
| 0.8585 | 3695 | 1.0514 |
| 0.8597 | 3700 | 1.0474 |
| 0.8608 | 3705 | 1.0469 |
| 0.8620 | 3710 | 1.0526 |
| 0.8632 | 3715 | 1.041 |
| 0.8643 | 3720 | 1.0483 |
| 0.8655 | 3725 | 1.0479 |
| 0.8666 | 3730 | 1.0536 |
| 0.8678 | 3735 | 1.0515 |
| 0.8690 | 3740 | 1.0547 |
| 0.8701 | 3745 | 1.0699 |
| 0.8713 | 3750 | 1.0525 |
| 0.8724 | 3755 | 1.0561 |
| 0.8736 | 3760 | 1.0459 |
| 0.8748 | 3765 | 1.0619 |
| 0.8759 | 3770 | 1.0325 |
| 0.8771 | 3775 | 1.041 |
| 0.8783 | 3780 | 1.0414 |
| 0.8794 | 3785 | 1.0516 |
| 0.8806 | 3790 | 1.0452 |
| 0.8817 | 3795 | 1.0402 |
| 0.8829 | 3800 | 1.0447 |
| 0.8841 | 3805 | 1.0482 |
| 0.8852 | 3810 | 1.0455 |
| 0.8864 | 3815 | 1.041 |
| 0.8875 | 3820 | 1.0485 |
| 0.8887 | 3825 | 1.0402 |
| 0.8899 | 3830 | 1.052 |
| 0.8910 | 3835 | 1.0348 |
| 0.8922 | 3840 | 1.0369 |
| 0.8934 | 3845 | 1.0535 |
| 0.8945 | 3850 | 1.0426 |
| 0.8957 | 3855 | 1.0474 |
| 0.8968 | 3860 | 1.0293 |
| 0.8980 | 3865 | 1.0368 |
| 0.8992 | 3870 | 1.038 |
| 0.9003 | 3875 | 1.0447 |
| 0.9015 | 3880 | 1.0476 |
| 0.9026 | 3885 | 1.0422 |
| 0.9038 | 3890 | 1.0314 |
| 0.9050 | 3895 | 1.0331 |
| 0.9061 | 3900 | 1.0434 |
| 0.9073 | 3905 | 1.0251 |
| 0.9085 | 3910 | 1.05 |
| 0.9096 | 3915 | 1.0289 |
| 0.9108 | 3920 | 1.0338 |
| 0.9119 | 3925 | 1.0319 |
| 0.9131 | 3930 | 1.0234 |
| 0.9143 | 3935 | 1.0376 |
| 0.9154 | 3940 | 1.0314 |
| 0.9166 | 3945 | 1.0401 |
| 0.9178 | 3950 | 1.0501 |
| 0.9189 | 3955 | 1.0392 |
| 0.9201 | 3960 | 1.0241 |
| 0.9212 | 3965 | 1.0286 |
| 0.9224 | 3970 | 1.0419 |
| 0.9236 | 3975 | 1.0311 |
| 0.9247 | 3980 | 1.0418 |
| 0.9259 | 3985 | 1.0299 |
| 0.9270 | 3990 | 1.0395 |
| 0.9282 | 3995 | 1.0287 |
| 0.9294 | 4000 | 1.0306 |
</details>
### Framework Versions
- Python: 3.12.9
- Sentence Transformers: 4.1.0
- Transformers: 4.52.4
- PyTorch: 2.6.0+cu124
- Accelerate: 1.7.0
- Datasets: 3.6.0
- 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",
}
```
#### CachedMultipleNegativesRankingLoss
```bibtex
@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}
}
```
<!--
## 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.*
--> |