Add new SentenceTransformer model

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+    "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
+}

README.md

@@ -0,0 +1,713 @@
+---
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- dense
+- generated_from_trainer
+- dataset_size:33921
+- loss:CoSENTLoss
+base_model: intfloat/multilingual-e5-base
+widget:
+- source_sentence: 'query: Были ли братья и сестра у Рюрика?'
+  sentences:
+  - 'passage: 29 января 1923 года Ататюрк женился на Латифе Ушаклыгиль (Латифе Ушакизаде).
+    Брак Ататюрка и Латифе-ханым, которая вместе с основателем Турецкой республики
+    отправлялась во многие поездки по стране, закончился 5 августа 1925 года. Причиной
+    развода, по неофициальной версии, явилось постоянное вмешательство жены в дела
+    Ататюрка. Родных детей у него не было, зато он взял 8 приёмных дочерей (Афет,
+    Сабиху, , , , , и Афифе) и 2 сыновей (, ). Всем приёмным детям Ататюрк обеспечил
+    хорошее будущее. Одна из приёмных дочерей Ататюрка стала историком, другая — первой
+    турецкой женщиной-лётчиком. Карьера дочерей Ататюрка служила широко пропагандируемым
+    примером для эмансипации турецкой женщины.'
+  - 'passage: ABS стала особенно актуальной в связи с массовым распространением вакуумных
+    усилителей в тормозных системах и эффективных, быстродействующих дисковых тормозных
+    механизмов, которые в сочетании друг с другом легко позволяют при нажатии на педаль
+    заблокировать колёсные тормозные механизмы. Колёса при этом прекращают вращаться
+    и, как показали исследования, эффективность торможения автомобиля в таком режиме
+    (движение «юзом», то есть, скольжение неподвижных колёс по асфальту) существенно
+    снижается по сравнению со случаем, когда тормозящие колёса катятся (на грани срыва
+    в «юз»). Кроме того, очень важно то, что при заблокированных передних колёсах
+    машина становится неуправляемой, поскольку направление движения практически не
+    зависит от поворота передних колес, если они не катятся, а скользят. При таком
+    торможении «юзом» шины не оказывают сопротивления боковому уводу, то есть, любая
+    боковая сила (например, возникающая при наезде на неровность дорожного покрытия)
+    может вызвать неконтролируемое водителем отклонение автомобиля от прямолинейного
+    движения. В результате при торможении «юзом» машина с дисковыми тормозами и усилителем
+    нередко испытывала опасную тенденцию к заносу задней оси. Применение автоматических
+    регуляторов тормозных сил на задних тормозных механизмах решало данную проблему
+    лишь отчасти.'
+  - 'passage: Князь Григорий Семёнович Друцкий (XVIII колено от Рюрика), в 1422 году
+    подписал договор Великого княжества Литовского с Орденом вместе с братьями. Его
+    сын, князь Василий Григорьевич, от брака с дочерью киевского воеводы Юрши оставил
+    двух сыновей — князя Богдана и князя Романа. Первый из них по завещанию тётки,
+    сестры матери в 1488 году получили имение Любче с приселками в Луцком повете (уезде).
+    После смерти бездетного князя Богдана Васильевича король Александр в 1500 году
+    подтвердил его брату, князю Роману Васильевичу все привилегии на Любче.'
+- source_sentence: 'query: Выходит в Калмыкии газета на калмыцком языке на март 2019?'
+  sentences:
+  - 'passage: 31 октября Сноуден встретился в Москве с депутатом Бундестага Хансом-Кристианом
+    Штрёбеле и главным редактором журнала Der Spiegel Георгом Масколо и три часа обсуждал
+    с ними прослушку американскими спецслужбами телефонов канцлера Германии Ангелы
+    Меркель. На следующий день Сноуден заявил, что готов дать показания генеральной
+    прокуратуре ФРГ по делу о прослушке американскими спецслужбами телефонных переговоров
+    канцлера ФРГ Ангелы Меркель в обмен на предоставление бессрочного политического
+    убежища в Германии. Также Сноуден обратился к властям США с просьбой о помиловании,
+    так как, по его мнению, разведывательные службы США систематически нарушали закон,
+    поэтому раскрытие информации имело положительный эффект. Соответствующее письмо
+    Сноуден передал немецкому депутату Штрёбеле, с которым встречался в Москве, а
+    тот его передал американскому послу. Американская администрация отвергла просьбу
+    Сноудена.'
+  - 'passage: Миджна́шхар (, букв. "Среди́нная страна́") — территория в средней части
+    Армянского нагорья, которая представляет собой обширное плоскогорье, изрезанное
+    горами и долинами. Окружена естественной средой многочисленных горных хребтов
+    и гор, поэтому ещё с древности называлась "Срединной страной". Горная цепь Армянского
+    хребта тянется начиная с горы Арарат до реки Ефрат, тем самым деля Срединную страну
+    на северную и южную части. В административном отношении Миджнашхар приблизительно
+    соответствует провинции Айрарат Великой Армении. Здесь находились почти все столицы
+    Армении — Армавир, Ервандашат, Арташат, Вагаршапат, Двин, и последняя столица
+    армянского царства Ани.'
+  - 'passage: «Ойратские известия» печатались в Астрахани в 1917—1918 годах. Газета
+    была двуязычной — статьи частично публиковались на русском и калмыцком языках.
+    Калмыцкие статьи печатались на калмыцком алфавите тодо-бичиг. В заголовке газеты
+    было указано, что она является ежедневной, но выходила она с периодичностью один
+    раз в две недели. Всего вышло 5 номеров. Первый номер вышел 15 ноября 1917 года
+    и последний — в январе 1918 года. Редактором газеты был калмыцкий просветитель
+    и общественный деятель Номто Очиров. Кроме Номто Очирова в издании газеты участвовали
+    Церен Петкиев, Д. Онкоров, Б. Боваев, С-Г. Хадылов.'
+- source_sentence: 'query: Сколько жен можно иметь в исламе?'
+  sentences:
+  - 'passage: В 2005 году религиозный комитет официально запретил практику принудительных
+    браков. Тем не менее, официальный договор между женихом и отцом невесты обязателен.
+    Ни женщина, ни мужчина не могут просто жениться/выйти замуж за иностранца. Многожёнство
+    разрешено, мужчине позволено иметь до четырёх жён, однако при условии, что он
+    может их всех одинаково содержать. На практике мужчины эти правила не соблюдают,
+    и ситуация с браками гораздо хуже. Полиандрия (многомужество) запрещена, как противоречащая
+    принципам ислама.'
+  - 'passage: «Святой Александр Невский» или «Александр Невский» — парусный линейный
+    корабль Балтийского флота Российской империи, один из кораблей типа «Слава России».
+    Находился в составе флота с 1749 по 1763 год, принимал участие в Семилетней войне,
+    в том числе в блокаде пролива Зунд и осаде Кольберга, а по окончании службы был
+    разобран. До войны неоднократно участвовал в практических плаваниях флота и торжественных
+    мероприятиях.'
+  - 'passage: XVIII век стал периодом нового оживления контактов Тибета с Китаем,
+    где с 1644 года воцарилась маньчжурская династия Цин (1644—1911). Манчжуры всё
+    больше вмешивались в дела Тибета, рассматривая тибетскую теократию как инструмент
+    влияния на монголов. Среди первых цинских императоров два долгожителя манчжурского
+    императорского дома — Канси (правил 1661—1722) и Цяньлун (правил 1735—1796) были
+    усердными буддистами. Правление второго совпало по времени с долгим правлением
+    в Тибете седьмого Далай-ламы — Кэлсанга Гьяцо (1708—1757). С воцарением Цяньлуна,
+    который был адептом ваджраяны не столько из политических соображений, сколько
+    совершенно искренне, тибетский буддизм переживал подъём как в Тибете и Монголии,
+    так и в Пекине и в других крупных городах Китая. При этом императоре процветала
+    буддийская живопись, которую исполняли на шёлке лучшие придворные художники. Стиль
+    этих произведений обычно называют сино-тибетским.'
+- source_sentence: 'query: В каком году была создана группа My Bloody Valentine?'
+  sentences:
+  - 'passage: В центральном Тибете власть находилась в руках разных сильных семейств-кланов,
+    которых поддерживали буддийские школы. Конец XVI — начало XVII века были временем
+    усиления связей между школой Гелуг и монголами, которые к тому времени стали независимыми:
+    Далай-лама III (1543—1588) совершил поездку в Монголию и обратил в свою веру Алтан-хана
+    (1548—1582), а Далай-лама IV (1589—1616) обрёл реинкарнацию в одном из представителей
+    правящего монгольского дома. Живопись центрального Тибета в этот период представляла
+    собой сложную смесь разных стилей. Среди икон-танка XVI века есть выполненные
+    в непальском стиле «бери», есть выполненные в стиле «менри», есть разные смешанные
+    варианты. Характерной чертой было растущее распространение китайских приёмов в
+    изображении одежды божеств.
+
+    В рамках центрально-тибетской живописи XVI века выделяют живописный стиль «другри»,
+    который появился в недрах буддийской школы Дрикунг Кагью при четвёртом Гьялва
+    Другпе (главе этой школы) по имени Пема Карпо (1527 −1592). Старейший монастырь
+    этой школы — Ралунг, находится вблизи территории Бутана, поэтому стиль «другри»
+    считают «бутанским». Он представляет собой смесь разных элементов и приёмов «менри»,
+    «гадри» и бутанской живописи.'
+  - 'passage: В 1991 году My Bloody Valentine сами продюсируют свой второй лонгплей
+    «Loveless» (1991). Этот альбом был встречен великолепными обзорами и стал хитом
+    в Великобритании, поднявшись на 24 место в чартах. В Америке группа также достигла
+    успеха (в том числе благодаря выступлениям с нойз-рок-группой Dinosaur Jr). Несмотря
+    на то что группа достигла пика популярности и её аудитория расширялась, «Loveless»
+    не продавался в количествах, достаточных, чтобы возместить $500 000, затраченных
+    на запись. Поэтому лейбл Creation отказывается от группы. Creation так до конца
+    и не оправились до 1994 года, когда к ним пришли Oasis. My Bloody Valentine подписали
+    контракт с Island Records и закрылись в студии для записи нового альбома. Однако
+    нового релиза не последовало. Последней записью группы стала кавер-версия «Map
+    Ref. 41N 93W» группы Wire для трибьюта (1995).'
+  - 'passage: В проекте планировки территории запланировано три пешеходных перехода
+    в районе «Лахта-центра»: подземный, между «Лахта-центром» и вестибюлем новой станции
+    метро; два надземных, соединяющих комплекс с остановками общественного транспорта
+    и причалами водного транспорта. Пешеходные переходы будут проходить через Приморское
+    шоссе, предположительно от Лахта-центра на сторону южной Лахты, к улицам Южная,
+    Славянская или Александровская.'
+- source_sentence: 'query: Где происходит действие первой игры Warcraft?'
+  sentences:
+  - 'passage: Warcraft Adventures: Lord of the Clans — отменённая компьютерная игра
+    в жанре графического квеста, которую совместно разрабатывали американская компания
+    Blizzard Entertainment и американо-российская студия Animation Magic с по . Действие
+    "Warcraft Adventures" происходит в вымышленной вселенной Warcraft вскоре после
+    событий игры ""; главный герой, орк по имени Тралл, пытается объединить племена
+    орков, после проигранной войны живущие в резервациях под властью победителей-людей.
+    Игровой процесс "Warcraft Adventures" должен был быть схож с другими графическими
+    квестами того времени — при помощи интерфейса «укажи и щелкни» игрок мог исследовать
+    мир, решать головоломки и взаимодействовать с другими персонажами.'
+  - 'passage: Тем временем с аэродрома Энгельс вылетел вертолёт Ми-4, в задачу экипажа
+    которого входило найти и подобрать Гагарина. Экипаж вертолёта Ми-4 первым обнаружил
+    спускаемый аппарат, но Гагарина рядом не было; ситуацию прояснили местные жители,
+    которые сказали, что Гагарин уехал на грузовике в город Энгельс. Вертолёт взлетел
+    и взял курс на город. С его борта на дороге неподалеку от КПП ракетного дивизиона
+    заметили автомашину, на которой Гагарин после доклада в части направлялся к спускаемому
+    аппарату. Гагарин вышел из машины и махал руками, его подобрали, и вертолёт полетел
+    на аэродром Энгельс, передав радиограмму: «Космона��т взят на борт, следую на аэродром».
+    На месте посадки Гагарину была вручена его первая награда за полёт в космос —
+    медаль «За освоение целинных земель». Впоследствии такая же медаль вручалась на
+    месте посадки и многим другим космонавтам.'
+  - 'passage: В начале 2009 года, примерно через год после того, как Bullet For My
+    Valentine выпустили свой второй студийный альбом «Scream Aim Fire», группа начала
+    писать новый материал. В марте 2009 года в интервью с Metal Hammer Мэттью Так
+    заявил, что в предыдущих альбомах он писал тексты для песен, после группа писала
+    партии инструментальных частей, но в Fever они всё делали одновременно. Bullet
+    for My Valentine начали работу в студии в апреле 2009 года с продюсером Доном
+    Гилмором (наиболее известный по своей работе с Linkin Park и Good Charlotte).
+    Запись велась как в родном Монмоусшире (Уэльс), так и в Лос-Анджелесе, Калифорния,
+    также BFMV отменили тур в Южной Африке для продолжения записи. Группа приняла
+    решение отдохнуть от записи в середине 2009 года, чтобы выступить на различных
+    турах, в том числе 2009 Mayhem Festival. Во время Mayhem Festival Bullet for My
+    Valentine включили в свой сет-лист новую песню. По окончании тура группа вернулась
+    в студию, чтобы закончить Fever. Запись была завершена в декабре 2009 года, и
+    Гилмор начал сводить альбом в Малибу, Калифорния.
+
+    Мы хотели сделать что-то новое и захватывающее, но в то же время остаться самими
+    собой. Взять Дона Гилмора к нам было очень сознательным решением. Мы не хотели,
+    чтобы он изменил нас как музыкантов, а только помог с вокалом и улучшил выступления.
+    Это странная штука — петь в студии, вы не получаете адреналин, нет энергии, шума,
+    это лишь ты перед микрофоном, смотришь на парня, который смотрит на тебя. Выступать
+    в студии было трудно, но Дон был удивителен. Мы переписывали тексты и партии раз
+    пять в некоторых песнях, потому что они казались ему недостаточно сильными. Мы
+    работали безумно много, чтобы получить разнообразные вокальные партии, но всё
+    ещё оставаясь прежними. Вокал занял больше времени, чем всё остальное на альбоме
+    вместе взятое. Это была трудная работа, но я лично думал, что это всё имеет большой
+    смысл. Все жужжат об этом. Мы просто пытались вернуть эти энергию и волнение и
+    вибрацию обратно в группу, потому что Scream Aim Fire просто разорвали наши сердца
+    своим желанием быть в группе.
+
+    14 февраля 2010 года группа выпустила новый трек «Begging For Mercy», доступный
+    для бесплатного скачивания с официального веб-сайта в течение ограниченного времени.'
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy@1
+- cosine_accuracy@3
+- cosine_accuracy@5
+- cosine_precision@1
+- cosine_precision@3
+- cosine_precision@5
+- cosine_recall@1
+- cosine_recall@3
+- cosine_recall@5
+- cosine_ndcg@1
+- cosine_ndcg@3
+- cosine_ndcg@5
+- cosine_mrr@1
+- cosine_mrr@3
+- cosine_mrr@5
+- cosine_map@100
+model-index:
+- name: SentenceTransformer based on intfloat/multilingual-e5-base
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: miracl dev
+      type: miracl-dev
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.6605431309904153
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.8722044728434505
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.9241214057507987
+      name: Cosine Accuracy@5
+    - type: cosine_precision@1
+      value: 0.6605431309904153
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.48189563365282206
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.38194888178913744
+      name: Cosine Precision@5
+    - type: cosine_recall@1
+      value: 0.31972370902083364
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.6040868809039736
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.7387980673923166
+      name: Cosine Recall@5
+    - type: cosine_ndcg@1
+      value: 0.6605431309904153
+      name: Cosine Ndcg@1
+    - type: cosine_ndcg@3
+      value: 0.6673712572389418
+      name: Cosine Ndcg@3
+    - type: cosine_ndcg@5
+      value: 0.6996833834130033
+      name: Cosine Ndcg@5
+    - type: cosine_mrr@1
+      value: 0.6605431309904153
+      name: Cosine Mrr@1
+    - type: cosine_mrr@3
+      value: 0.7549254526091596
+      name: Cosine Mrr@3
+    - type: cosine_mrr@5
+      value: 0.7671858359957411
+      name: Cosine Mrr@5
+    - type: cosine_map@100
+      value: 0.6726402353053416
+      name: Cosine Map@100
+---
+
+# SentenceTransformer based on intfloat/multilingual-e5-base
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-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:** [intfloat/multilingual-e5-base](https://huggingface.co/intfloat/multilingual-e5-base) <!-- at revision 835193815a3936a24a0ee7dc9e3d48c1fbb19c55 -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 768 dimensions
+- **Similarity Function:** Cosine Similarity
+<!-- - **Training Dataset:** Unknown -->
+<!-- - **Language:** Unknown -->
+<!-- - **License:** Unknown -->
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/huggingface/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, 'architecture': 'XLMRobertaModel'})
+  (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): Normalize()
+)
+```
+
+## 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("tellowit/custom-e5-miracl-ru")
+# Run inference
+sentences = [
+    'query: Где происходит действие первой игры Warcraft?',
+    'passage: Warcraft Adventures: Lord of the Clans\xa0— отменённая компьютерная игра в жанре графического квеста, которую совместно разрабатывали американская компания Blizzard Entertainment и американо-российская студия Animation Magic с по . Действие "Warcraft Adventures" происходит в вымышленной вселенной Warcraft вскоре после событий игры ""; главный герой, орк по имени Тралл, пытается объединить племена орков, после проигранной войны живущие в резервациях под властью победителей-людей. Игровой процесс "Warcraft Adventures" должен был быть схож с другими графическими квестами того времени — при помощи интерфейса «укажи и щелкни» игрок мог исследовать мир, решать головоломки и взаимодействовать с другими персонажами.',
+    'passage: Тем временем с аэродрома Энгельс вылетел вертолёт Ми-4, в задачу экипажа которого входило н��йти и подобрать Гагарина. Экипаж вертолёта Ми-4 первым обнаружил спускаемый аппарат, но Гагарина рядом не было; ситуацию прояснили местные жители, которые сказали, что Гагарин уехал на грузовике в город Энгельс. Вертолёт взлетел и взял курс на город. С его борта на дороге неподалеку от КПП ракетного дивизиона заметили автомашину, на которой Гагарин после доклада в части направлялся к спускаемому аппарату. Гагарин вышел из машины и махал руками, его подобрали, и вертолёт полетел на аэродром Энгельс, передав радиограмму: «Космонавт взят на борт, следую на аэродром». На месте посадки Гагарину была вручена его первая награда за полёт в космос\xa0— медаль «За освоение целинных земель». Впоследствии такая же медаль вручалась на месте посадки и многим другим космонавтам.',
+]
+embeddings = model.encode(sentences)
+print(embeddings.shape)
+# [3, 768]
+
+# Get the similarity scores for the embeddings
+similarities = model.similarity(embeddings, embeddings)
+print(similarities)
+# tensor([[1.0000, 0.8099, 0.6821],
+#         [0.8099, 1.0000, 0.6656],
+#         [0.6821, 0.6656, 1.0000]])
+```
+
+<!--
+### 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
+
+#### Information Retrieval
+
+* Dataset: `miracl-dev`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+
+| Metric             | Value      |
+|:-------------------|:-----------|
+| cosine_accuracy@1  | 0.6605     |
+| cosine_accuracy@3  | 0.8722     |
+| cosine_accuracy@5  | 0.9241     |
+| cosine_precision@1 | 0.6605     |
+| cosine_precision@3 | 0.4819     |
+| cosine_precision@5 | 0.3819     |
+| cosine_recall@1    | 0.3197     |
+| cosine_recall@3    | 0.6041     |
+| cosine_recall@5    | 0.7388     |
+| cosine_ndcg@1      | 0.6605     |
+| cosine_ndcg@3      | 0.6674     |
+| **cosine_ndcg@5**  | **0.6997** |
+| cosine_mrr@1       | 0.6605     |
+| cosine_mrr@3       | 0.7549     |
+| cosine_mrr@5       | 0.7672     |
+| cosine_map@100     | 0.6726     |
+
+<!--
+## 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: 33,921 training samples
+* Columns: <code>sentence1</code>, <code>sentence2</code>, and <code>label</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | sentence1                                                                          | sentence2                                                                            | label                                                          |
+  |:--------|:-----------------------------------------------------------------------------------|:-------------------------------------------------------------------------------------|:---------------------------------------------------------------|
+  | type    | string                                                                             | string                                                                               | float                                                          |
+  | details | <ul><li>min: 10 tokens</li><li>mean: 17.69 tokens</li><li>max: 32 tokens</li></ul> | <ul><li>min: 17 tokens</li><li>mean: 197.06 tokens</li><li>max: 512 tokens</li></ul> | <ul><li>min: 0.0</li><li>mean: 0.28</li><li>max: 1.0</li></ul> |
+* Samples:
+  | sentence1                                                                  | sentence2                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          | label            |
+  |:---------------------------------------------------------------------------|:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------|
+  | <code>query: Когда был спущен на воду первый миноносец «Спокойный»?</code> | <code>passage: Зачислен в списки ВМФ СССР 19 августа 1952 года. Официальная закладка (при 33 % готовности корпуса) была произведена на заводе № 190 им. А. А. Жданова 4 марта 1953 года (строительный № 701), спущен на воду 28 ноября 1953 года. Испытания корабля были начаты 26 апреля 1954 года на Балтике, испытания артиллерии велись с 8 августа по 8 сентября и с 3 по 16 декабря 1955 года. Корабль принят флотом 27 июня 1956 года, 9 октября 1957 года эсминец вступил в состав Советского Военно-Морского Флота.</code>                                                                                | <code>1.0</code> |
+  | <code>query: Когда был спущен на воду первый миноносец «Спокойный»?</code> | <code>passage: Стерегу́щий — русский миноносец типа «Сокол». Заложен в 1900 году на Невском заводе (Санкт-Петербург), имея тогда название «Кулик». Спущен на воду в июне 1902 году под именем «Стерегущий» в Порт-Артуре, куда по частям был доставлен железнодорожным транспортом. В строй вступил в августе 1903 года. Погиб в неравном бою с превосходящими силами японцев а во время русско-японской войны. Против миноносцев «Стерегущий» и «Решительный» действовало четыре японских миноносца, которые по вооружению, водоизмещению и количеству экипажа существенно превосходили русские миноносцы.</code> | <code>0.0</code> |
+  | <code>query: Когда был спущен на воду первый миноносец «Спокойный»?</code> | <code>passage: Эскадренный миноносец заложен в 1900 году на Невском заводе в Санкт-Петербурге под названием «Перепел». 27 февраля 1902 года начат сборкой, и 4 мая 1903 года спущен на воду в Порт-Артуре. Принят в казну в декабре 1903 года. С 9 марта 1902 года — «Скорый».<br>К началу русско-японской войны «Скорый» входил в состав 2-го отряда миноносцев 1-й Тихоокеанской эскадры. В задачи миноносца входило: дозорная и разведывательная служба, траление и постановка мины у побережья Порт-Артура.</code>                                                                                             | <code>0.0</code> |
+* Loss: [<code>CoSENTLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#cosentloss) with these parameters:
+  ```json
+  {
+      "scale": 20.0,
+      "similarity_fct": "pairwise_cos_sim"
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `per_device_train_batch_size`: 64
+- `num_train_epochs`: 2
+- `learning_rate`: 1e-05
+- `warmup_steps`: 0.1
+- `fp16`: True
+- `eval_strategy`: steps
+- `load_best_model_at_end`: True
+- `warmup_ratio`: 0.1
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `per_device_train_batch_size`: 64
+- `num_train_epochs`: 2
+- `max_steps`: -1
+- `learning_rate`: 1e-05
+- `lr_scheduler_type`: linear
+- `lr_scheduler_kwargs`: None
+- `warmup_steps`: 0.1
+- `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`: 1.0
+- `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`: steps
+- `per_device_eval_batch_size`: 8
+- `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`: True
+- `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`: 0.1
+- `local_rank`: -1
+- `prompts`: None
+- `batch_sampler`: batch_sampler
+- `multi_dataset_batch_sampler`: proportional
+- `router_mapping`: {}
+- `learning_rate_mapping`: {}
+
+</details>
+
+### Training Logs
+<details><summary>Click to expand</summary>
+
+| Epoch     | Step    | Training Loss | miracl-dev_cosine_ndcg@5 |
+|:---------:|:-------:|:-------------:|:------------------------:|
+| 0.0188    | 10      | 6.5815        | -                        |
+| 0.0377    | 20      | 6.5509        | 0.6958                   |
+| 0.0565    | 30      | 6.4997        | -                        |
+| 0.0753    | 40      | 6.4911        | 0.6962                   |
+| 0.0942    | 50      | 6.4202        | -                        |
+| 0.1130    | 60      | 6.4611        | 0.6951                   |
+| 0.1318    | 70      | 6.6049        | -                        |
+| 0.1507    | 80      | 6.3301        | 0.6947                   |
+| 0.1695    | 90      | 6.4636        | -                        |
+| 0.1883    | 100     | 6.3973        | 0.6959                   |
+| 0.2072    | 110     | 6.4483        | -                        |
+| 0.2260    | 120     | 6.4115        | 0.6976                   |
+| 0.2448    | 130     | 6.5310        | -                        |
+| 0.2637    | 140     | 6.5184        | 0.6979                   |
+| 0.2825    | 150     | 6.3948        | -                        |
+| 0.3013    | 160     | 6.3295        | 0.6967                   |
+| 0.3202    | 170     | 6.4219        | -                        |
+| 0.3390    | 180     | 6.3656        | 0.6983                   |
+| 0.3578    | 190     | 6.3893        | -                        |
+| 0.3766    | 200     | 6.2737        | 0.6993                   |
+| 0.3955    | 210     | 6.4098        | -                        |
+| 0.4143    | 220     | 6.3519        | 0.7020                   |
+| 0.4331    | 230     | 6.4040        | -                        |
+| 0.4520    | 240     | 6.4088        | 0.7018                   |
+| 0.4708    | 250     | 6.5007        | -                        |
+| 0.4896    | 260     | 6.3679        | 0.7026                   |
+| 0.5085    | 270     | 6.3605        | -                        |
+| 0.5273    | 280     | 6.3862        | 0.7027                   |
+| 0.5461    | 290     | 6.4210        | -                        |
+| 0.5650    | 300     | 6.2719        | 0.7028                   |
+| 0.5838    | 310     | 6.4073        | -                        |
+| 0.6026    | 320     | 6.5132        | 0.7028                   |
+| 0.6215    | 330     | 6.4895        | -                        |
+| 0.6403    | 340     | 6.4847        | 0.7023                   |
+| 0.6591    | 350     | 6.4607        | -                        |
+| **0.678** | **360** | **6.3017**    | **0.7033**               |
+| 0.6968    | 370     | 6.3331        | -                        |
+| 0.7156    | 380     | 6.2592        | 0.7030                   |
+| 0.7345    | 390     | 6.5381        | -                        |
+| 0.7533    | 400     | 6.3632        | 0.7018                   |
+| 0.7721    | 410     | 6.3819        | -                        |
+| 0.7910    | 420     | 6.4583        | 0.7019                   |
+| 0.8098    | 430     | 6.3559        | -                        |
+| 0.8286    | 440     | 6.4377        | 0.7022                   |
+| 0.8475    | 450     | 6.2426        | -                        |
+| 0.8663    | 460     | 6.4216        | 0.7029                   |
+| 0.8851    | 470     | 6.3419        | -                        |
+| 0.9040    | 480     | 6.3999        | 0.7015                   |
+| 0.9228    | 490     | 6.2523        | -                        |
+| 0.9416    | 500     | 6.4349        | 0.7013                   |
+| 0.9605    | 510     | 6.5806        | -                        |
+| 0.9793    | 520     | 6.2994        | 0.7014                   |
+| 0.9981    | 530     | 6.5537        | -                        |
+| 1.0169    | 540     | 5.6289        | 0.7005                   |
+| 1.0358    | 550     | 6.3149        | -                        |
+| 1.0546    | 560     | 6.3903        | 0.6993                   |
+| 1.0734    | 570     | 6.3323        | -                        |
+| 1.0923    | 580     | 6.4648        | 0.7002                   |
+| 1.1111    | 590     | 6.3129        | -                        |
+| 1.1299    | 600     | 6.3834        | 0.7003                   |
+| 1.1488    | 610     | 6.3474        | -                        |
+| 1.1676    | 620     | 6.1932        | 0.6994                   |
+| 1.1864    | 630     | 6.2955        | -                        |
+| 1.2053    | 640     | 6.3489        | 0.6987                   |
+| 1.2241    | 650     | 6.4112        | -                        |
+| 1.2429    | 660     | 6.4257        | 0.6996                   |
+| 1.2618    | 670     | 6.4300        | -                        |
+| 1.2806    | 680     | 6.3101        | 0.6998                   |
+| 1.2994    | 690     | 6.2131        | -                        |
+| 1.3183    | 700     | 6.3198        | 0.6999                   |
+| 1.3371    | 710     | 6.3770        | -                        |
+| 1.3559    | 720     | 6.3222        | 0.6994                   |
+| 1.3748    | 730     | 6.3333        | -                        |
+| 1.3936    | 740     | 6.4028        | 0.6989                   |
+| 1.4124    | 750     | 6.3535        | -                        |
+| 1.4313    | 760     | 6.2531        | 0.6988                   |
+| 1.4501    | 770     | 6.1225        | -                        |
+| 1.4689    | 780     | 6.4201        | 0.6985                   |
+| 1.4878    | 790     | 6.2942        | -                        |
+| 1.5066    | 800     | 6.3772        | 0.6988                   |
+| 1.5254    | 810     | 6.3184        | -                        |
+| 1.5443    | 820     | 6.3186        | 0.6985                   |
+| 1.5631    | 830     | 6.3802        | -                        |
+| 1.5819    | 840     | 6.3708        | 0.6985                   |
+| 1.6008    | 850     | 6.3125        | -                        |
+| 1.6196    | 860     | 6.3675        | 0.6985                   |
+| 1.6384    | 870     | 6.2405        | -                        |
+| 1.6573    | 880     | 6.3862        | 0.6988                   |
+| 1.6761    | 890     | 6.3365        | -                        |
+| 1.6949    | 900     | 6.3041        | 0.6994                   |
+| 1.7137    | 910     | 6.3419        | -                        |
+| 1.7326    | 920     | 6.1718        | 0.6992                   |
+| 1.7514    | 930     | 6.2510        | -                        |
+| 1.7702    | 940     | 6.3050        | 0.6991                   |
+| 1.7891    | 950     | 6.4384        | -                        |
+| 1.8079    | 960     | 6.3246        | 0.6994                   |
+| 1.8267    | 970     | 6.2532        | -                        |
+| 1.8456    | 980     | 6.3469        | 0.6996                   |
+| 1.8644    | 990     | 6.3095        | -                        |
+| 1.8832    | 1000    | 6.1955        | 0.7000                   |
+| 1.9021    | 1010    | 6.2463        | -                        |
+| 1.9209    | 1020    | 6.3498        | 0.6998                   |
+| 1.9397    | 1030    | 6.3084        | -                        |
+| 1.9586    | 1040    | 6.2430        | 0.6996                   |
+| 1.9774    | 1050    | 6.2689        | -                        |
+| 1.9962    | 1060    | 6.3395        | 0.6997                   |
+
+* The bold row denotes the saved checkpoint.
+</details>
+
+### Framework Versions
+- Python: 3.13.11
+- Sentence Transformers: 5.2.3
+- Transformers: 5.3.0
+- PyTorch: 2.10.0+cu128
+- Accelerate: 1.13.0
+- Datasets: 2.21.0
+- 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",
+}
+```
+
+#### CoSENTLoss
+```bibtex
+@article{10531646,
+    author={Huang, Xiang and Peng, Hao and Zou, Dongcheng and Liu, Zhiwei and Li, Jianxin and Liu, Kay and Wu, Jia and Su, Jianlin and Yu, Philip S.},
+    journal={IEEE/ACM Transactions on Audio, Speech, and Language Processing},
+    title={CoSENT: Consistent Sentence Embedding via Similarity Ranking},
+    year={2024},
+    doi={10.1109/TASLP.2024.3402087}
+}
+```
+
+<!--
+## 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.*
+-->

config.json

@@ -0,0 +1,30 @@
+{
+  "add_cross_attention": false,
+  "architectures": [
+    "XLMRobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "dtype": "float32",
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 768,
+  "initializer_range": 0.02,
+  "intermediate_size": 3072,
+  "is_decoder": false,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 12,
+  "num_hidden_layers": 12,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "tie_word_embeddings": true,
+  "transformers_version": "5.3.0",
+  "type_vocab_size": 1,
+  "use_cache": true,
+  "vocab_size": 250002
+}

config_sentence_transformers.json

@@ -0,0 +1,14 @@
+{
+  "model_type": "SentenceTransformer",
+  "__version__": {
+    "sentence_transformers": "5.2.3",
+    "transformers": "5.3.0",
+    "pytorch": "2.10.0+cu128"
+  },
+  "prompts": {
+    "query": "",
+    "document": ""
+  },
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:dd460b2228e5e4cdf1f88d5610441cce37262fd6c699ca6d8b9e6dac6976963b
+size 1112197064

modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.models.Normalize"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+    "max_seq_length": 512,
+    "do_lower_case": false
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:883b037111086fd4dfebbbc9b7cee11e1517b5e0c0514879478661440f137085
+size 17082987

tokenizer_config.json

@@ -0,0 +1,22 @@
+{
+  "add_prefix_space": true,
+  "backend": "tokenizers",
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "is_local": true,
+  "mask_token": "<mask>",
+  "max_length": 512,
+  "model_max_length": 512,
+  "pad_to_multiple_of": null,
+  "pad_token": "<pad>",
+  "pad_token_type_id": 0,
+  "padding_side": "right",
+  "sep_token": "</s>",
+  "stride": 0,
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "truncation_side": "right",
+  "truncation_strategy": "longest_first",
+  "unk_token": "<unk>"
+}