ShoAnn/retriever_checkpoints

SentenceTransformer based on indobenchmark/indobert-base-p1

This is a sentence-transformers model finetuned from indobenchmark/indobert-base-p1 on the indo_legalqa_triplets 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: indobenchmark/indobert-base-p1
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Training Dataset:
  • indo_legalqa_triplets

Model Sources

• Documentation: Sentence Transformers Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 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:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("retriever_checkpoints")
# Run inference
sentences = [
    'Apakah seseorang yang melakukan wanprestasi suatu perjanjian dapat dikatakan melakukan suatu penipuan?',
    'Dalam buku "Hukum Bisnis Untuk Perusahaan" karya Abdul R. Saliman (2005:47), dijelaskan beberapa kondisi yang menyebabkan debitur dapat dianggap melakukan wanprestasi.  Penjelasan tersebut merinci situasi-situasi di mana debitur, meskipun telah dinyatakan lalai, tetap gagal memenuhi kewajiban perjanjiannya atau hanya dapat memenuhi kewajiban tersebut melewati batas waktu yang telah ditentukan.  Buku ini memberikan pemahaman mendalam tentang berbagai aspek hukum bisnis, termasuk definisi dan implikasi wanprestasi dalam konteks perjanjian bisnis.  Penulis memaparkan  konsekuensi hukum bagi debitur yang melakukan wanprestasi, serta  hak-hak yang dimiliki oleh kreditur dalam menghadapi situasi tersebut.',
    "['(1)  a.  saksi dipanggil ke dalam ruang sidang seorang demi seorang  menurut urutan yang dipandang sebaik-baiknya oleh hakim ketua  sidang setelah mendengar pendapat penuntut umum, terdakwa  atau penasihat hukum;  b.  yang pertama-tama didengar keterangannya adalah korban yang  menjadi saksi;  c.  dalam hal ada saksi baik yang menguntungkan maupun yang  memberatkan terdakwa yang tercantum dalam surat pelimpahan  perkara dan atau yang diminta oleh terdakwa atau penasihat  hukum atau penuntut umum selama berlangsungnya sidang atau  sebelum dijatuhkannya putusan, hakim ketua sidang wajib  mendengar keterangan saksi tersebut.', '(2)  hakim ketua sidang menanyakan kepada saksi keterangan tentang nama  lengkap, tempat lahir, umur atau tanggal lahir, jenis kelamin,  kebangsaan, tempat tinggal, agama dan pekerjaan, selanjutnya apakah  ia kenal terdakwa sebelum terdakwa melakukan perbuatan yang menjadi  dasar dakwaan serta apakah ia berkeluarga sedarah atau semenda dan  sampai derajat keberapa dengan terdakwa, atau apakah ia suami atau  isteri terdakwa meskipun sudah bercerai atau terikat hubungan kerja  dengannya.', '(3)  sebelum memberi keterangan, saksi wajib mengucapkan sumpah atau  janji menurut cara agamanya masing-masing, bahwa ia akan memberikan  keterangan yang  sebenarnya dan tidak lain daripada yang sebenarnya.']",
]
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]

Training Details

Training Dataset

indo_legalqa_triplets

• Dataset: indo_legalqa_triplets at 8da77c2
• Size: 4,876 training samples
• Columns: q, pos, and neg
• Approximate statistics based on the first 1000 samples:

  	q	pos	neg
  type	string	string	string
  details	min: 9 tokens mean: 54.48 tokens max: 213 tokens	min: 3 tokens mean: 91.98 tokens max: 512 tokens	min: 11 tokens mean: 482.53 tokens max: 512 tokens

• Samples:

  q	pos	neg
  Baru-baru ini ada berita mengenai orang yang menempelkan QRIS palsu di kotak amal masjid. Bagaimana sanksi terhadap seseorang yang memalsukan QRIS yang terpasang di kotak amal masjid atau tempat umum lainnya?	Pasal 624 Undang-Undang ini mulai berlaku setelah 3 (tiga) tahun terhitung sejak tanggal diundangkan. Agar setiap orang mengetahuinya, memerintahkan pengundangan Undang-Undang ini dengan penempatannya dalam Lembaran Negara Republik Indonesia.	['(1) setiap orang yang mengoperasikan pesawat udara untuk kegiatan angkutan udara wajib memiliki sertifikat. (21 sertifrkat sebagaimana dimaksud pada ayat (1) terdiri atas: a. sertilikat operator pesawat udara (air operator ertificatel yang diberikan kepada badan hukum indonesia yang mengoperasikan pesawat udara sipil untuk angkutan udara niaga; atau b. sertiflkat pengoperasian pesawat udara (operating ertificatel yang diberikan kepada orang atau badan hukum indonesia yang pesawat udara sipil untuk angkutan udara bukan niaga. 19. pasal 42 dihapus. 21. ketentuan. . . sk no 132655 a 20. pasal 43 dihapus. presiden repuelik indonesia -430- 21. ketentuan pasal 45 diubah sehingga berbunyi sebagai berikut: pasal 45 ketentuan lebih lanjut mengenai tata cara dan prosedur memperoleh sertifrkat operator pesawat udara atau sertilikat pengoperasian pesawat udara dan kriteria, jenis, besaran denda, dan tata cara pengenaan sanksi administratif diatur dalam peraturan pemerintah. 22. ketentuan pasal 4...
  Mau tanya, jika ada seseorang yang mengalami pemukulan dengan luka biru apakah pelakunya bisa dipidana penjara atau denda? Saya pernah mendengar dari orang tua kalau polisi tidak akan menangani kasus ringan seperti ini. Bagaimana jika korban hanya mengalami luka biru atau memar? Bagaimana jika tersangka masih di bawah 18 tahun? Terima kasih.	5. penyelidikan adalah serangkaian tindakan penyelidik untuk mencari dan menemukan suatu peristiwa yang diduga sebagai tindak pidana guna menentukan dapat atau tidaknya dilakukan penyidikan menurut cara yang diatur dalam undang-undang ini	['(1) setiap orang yang mengoperasikan pesawat udara untuk kegiatan angkutan udara wajib memiliki sertifikat. (21 sertifrkat sebagaimana dimaksud pada ayat (1) terdiri atas: a. sertilikat operator pesawat udara (air operator ertificatel yang diberikan kepada badan hukum indonesia yang mengoperasikan pesawat udara sipil untuk angkutan udara niaga; atau b. sertiflkat pengoperasian pesawat udara (operating ertificatel yang diberikan kepada orang atau badan hukum indonesia yang pesawat udara sipil untuk angkutan udara bukan niaga. 19. pasal 42 dihapus. 21. ketentuan. . . sk no 132655 a 20. pasal 43 dihapus. presiden repuelik indonesia -430- 21. ketentuan pasal 45 diubah sehingga berbunyi sebagai berikut: pasal 45 ketentuan lebih lanjut mengenai tata cara dan prosedur memperoleh sertifrkat operator pesawat udara atau sertilikat pengoperasian pesawat udara dan kriteria, jenis, besaran denda, dan tata cara pengenaan sanksi administratif diatur dalam peraturan pemerintah. 22. ketentuan pasal 4...
  Setelah diajukan kasasi, terdakwa mendapat keringanan hukuman dari pidana mati menjadi pidana seumur hidup. Mungkinkah kasasi mengubah hukuman dan memberikan keringanan seperti itu? Mohon pencerahannya.	['(1) pemohon kasasi wajib mengajukan memori kasasi yang memuat alasan permohonan kasasinya dan dalam waktu empat belas hari setelah mengajukan permohonan tersebut, harus sudah menyerahkannya kepada panitera yang untuk itu ia memberikan surat tanda terima.', '(2) dalam hal pemohon kasasi adalah terdakwa yang kurang memahami hukum, panitera pada waktu menerima permohonan kasasi wajib menanyakan apakah alasan ia mengajukan permohonan tersebut dan untuk itu panitera membuatkan memori kasasinya.', '(3) alasan yang tersebut pada ayat (1) dan ayat (2) adalah sebagaimana dimaksud dalam pasal 253 ayat (1) undang-undang ini.', '(4) apabila dalam tenggang waktu sebagaimana dimaksud dalam ayat (1), pemohon terlambat menyerahkan memori kasasi maka hak untuk mengajukan permohonan kasasi gugur.', '(5) ketentuan sebagaimana diatur dalam pasal 246 ayat (3) berlaku juga untuk ayat (4) pasal ini.', '(6) tembusan memori kasasi yang diajukan oleh salah satu pihak, oleh panitera disampaika...	['(1) setiap orang yang mengoperasikan pesawat udara untuk kegiatan angkutan udara wajib memiliki sertifikat. (21 sertifrkat sebagaimana dimaksud pada ayat (1) terdiri atas: a. sertilikat operator pesawat udara (air operator ertificatel yang diberikan kepada badan hukum indonesia yang mengoperasikan pesawat udara sipil untuk angkutan udara niaga; atau b. sertiflkat pengoperasian pesawat udara (operating ertificatel yang diberikan kepada orang atau badan hukum indonesia yang pesawat udara sipil untuk angkutan udara bukan niaga. 19. pasal 42 dihapus. 21. ketentuan. . . sk no 132655 a 20. pasal 43 dihapus. presiden repuelik indonesia -430- 21. ketentuan pasal 45 diubah sehingga berbunyi sebagai berikut: pasal 45 ketentuan lebih lanjut mengenai tata cara dan prosedur memperoleh sertifrkat operator pesawat udara atau sertilikat pengoperasian pesawat udara dan kriteria, jenis, besaran denda, dan tata cara pengenaan sanksi administratif diatur dalam peraturan pemerintah. 22. ketentuan pasal 4...

• Loss: TripletLoss with these parameters:

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  

Evaluation Dataset

indo_legalqa_triplets

• Dataset: indo_legalqa_triplets at 8da77c2
• Size: 610 evaluation samples
• Columns: q, pos, and neg
• Approximate statistics based on the first 610 samples:

  	q	pos	neg
  type	string	string	string
  details	min: 8 tokens mean: 52.38 tokens max: 223 tokens	min: 5 tokens mean: 93.74 tokens max: 512 tokens	min: 12 tokens mean: 480.32 tokens max: 512 tokens

• Samples:

  q	pos	neg
  Bisakah pemilik Showroom mobil dikenakan UU Tindak Pidana Pencucian Uang apabila pembelinya menggunakan uang hasil tindak pidana korupsi untuk membeli mobil? Terima kasih admin hukumonline.com	['(1) penyedia barang dan/atau jasa lain sebagaimana dimaksud dalam pasal 17 ayat (1) huruf b wajib menyampaikan laporan transaksi yang dilakukan oleh pengguna jasa dengan mata uang rupiah dan/atau mata uang asing yang nilainya paling sedikit atau setara dengan rp500.000.000,00 (lima ratus juta rupiah) kepada ppatk.', '(2) laporan . . . (2) laporan transaksi sebagaimana dimaksud pada ayat (1) disampaikan paling lama 14 (empat belas) hari kerja terhitung sejak tanggal transaksi dilakukan.']	['(1) setiap orang yang mengoperasikan pesawat udara untuk kegiatan angkutan udara wajib memiliki sertifikat. (21 sertifrkat sebagaimana dimaksud pada ayat (1) terdiri atas: a. sertilikat operator pesawat udara (air operator ertificatel yang diberikan kepada badan hukum indonesia yang mengoperasikan pesawat udara sipil untuk angkutan udara niaga; atau b. sertiflkat pengoperasian pesawat udara (operating ertificatel yang diberikan kepada orang atau badan hukum indonesia yang pesawat udara sipil untuk angkutan udara bukan niaga. 19. pasal 42 dihapus. 21. ketentuan. . . sk no 132655 a 20. pasal 43 dihapus. presiden repuelik indonesia -430- 21. ketentuan pasal 45 diubah sehingga berbunyi sebagai berikut: pasal 45 ketentuan lebih lanjut mengenai tata cara dan prosedur memperoleh sertifrkat operator pesawat udara atau sertilikat pengoperasian pesawat udara dan kriteria, jenis, besaran denda, dan tata cara pengenaan sanksi administratif diatur dalam peraturan pemerintah. 22. ketentuan pasal 4...
  Saya memiliki kasus, yaitu 2 minggu yang lalu toko mebel kami mengalami kebakaran, lalu api yang membakar toko mebel kami merambat, dan membakar salah satu rumah tetangga yang ada di samping toko mebel kami. Secara hukum, kami ingin mengerti apakah tetangga yang rumahnya terbakar dapat menuntut kami atas insiden itu?	Dalam KUHP lama yang pada saat artikel ini diterbitkan masih berlaku, dan UU 1/2023 tentang KUHP baru yang berlaku terhitung 3 tahun sejak tanggal diundangkan,[2] yaitu tahun 2026, tidak ditemukan suatu definisi tentang kealpaan, sehingga perlu merujuk kepada suatu doktrin hukum.	Spam & praktik penipuan; Komunitas YouTube dibangun atas dasar kepercayaan. Konten yang bertujuan untuk menipu, menyesatkan, mengirim spam, atau menipu pengguna lain tidak diizinkan di YouTube. Kebijakan spam, praktik penipuan, & penipuan Kebijakan peniruan identitas Kebijakan tautan eksternal Kebijakan keterlibatan palsu Kebijakan daftar putar Kebijakan tambahan. Konten sensitif; Kami berharap dapat melindungi penonton, kreator, dan khususnya anak di bawah umur. Itulah sebabnya kami memiliki aturan seputar menjaga keamanan anak, seks & ketelanjangan, dan tindakan menyakiti diri sendiri. Pelajari apa saja yang diizinkan di YouTube dan apa yang harus dilakukan jika Anda melihat konten yang tidak mematuhi kebijakan ini. Kebijakan konten ketelanjangan & seksual Kebijakan gambar mini Kebijakan keselamatan anak Kebijakan bunuh diri, menyakiti diri sendiri, dan gangguan makan Kebijakan bahasa vulgar. Konten kekerasan atau berbahaya; Ujaran kebencian, perilaku predator, kekerasan grafis, sera...
  Mohon izin bertanya bapak/ibu. Apakah menerima gadai kendaraan secara sadar hanya diperlihatkan fisik kendaraan dan STNK-nya saja apakah perbuatan yang salah secara hukum? Akhirnya berujung masalah ternyata mobil yang digadai itu adalah mobil rental. Apakah bisa yang menerima gadai itu dikenakan Pasal 480 KUHP? Terimakasih bapak atau ibu atas perhatiannya.	Undang-Undang ini mulai berlaku setelah 3 (tiga) tahun terhitung sejak tanggal diundangkan. Agar setiap orang mengetahuinya, memerintahkan pengundangan Undang-Undang ini dengan penempatannya dalam Lembaran Negara Republik Indonesia.	['(1) setiap orang yang mengoperasikan pesawat udara untuk kegiatan angkutan udara wajib memiliki sertifikat. (21 sertifrkat sebagaimana dimaksud pada ayat (1) terdiri atas: a. sertilikat operator pesawat udara (air operator ertificatel yang diberikan kepada badan hukum indonesia yang mengoperasikan pesawat udara sipil untuk angkutan udara niaga; atau b. sertiflkat pengoperasian pesawat udara (operating ertificatel yang diberikan kepada orang atau badan hukum indonesia yang pesawat udara sipil untuk angkutan udara bukan niaga. 19. pasal 42 dihapus. 21. ketentuan. . . sk no 132655 a 20. pasal 43 dihapus. presiden repuelik indonesia -430- 21. ketentuan pasal 45 diubah sehingga berbunyi sebagai berikut: pasal 45 ketentuan lebih lanjut mengenai tata cara dan prosedur memperoleh sertifrkat operator pesawat udara atau sertilikat pengoperasian pesawat udara dan kriteria, jenis, besaran denda, dan tata cara pengenaan sanksi administratif diatur dalam peraturan pemerintah. 22. ketentuan pasal 4...

• Loss: TripletLoss with these parameters:

  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• per_device_train_batch_size: 4
• num_train_epochs: 10

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: no
• prediction_loss_only: True
• per_device_train_batch_size: 4
• 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: 5e-05
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 10
• max_steps: -1
• lr_scheduler_type: linear
• lr_scheduler_kwargs: {}
• warmup_ratio: 0.0
• warmup_steps: 0
• log_level: passive
• log_level_replica: warning
• log_on_each_node: True
• logging_nan_inf_filter: True
• save_safetensors: True
• save_on_each_node: False
• save_only_model: False
• restore_callback_states_from_checkpoint: False
• no_cuda: False
• use_cpu: False
• use_mps_device: False
• seed: 42
• data_seed: None
• jit_mode_eval: False
• use_ipex: False
• bf16: False
• fp16: 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: False
• dataloader_num_workers: 0
• dataloader_prefetch_factor: None
• past_index: -1
• disable_tqdm: False
• remove_unused_columns: True
• label_names: None
• load_best_model_at_end: False
• ignore_data_skip: False
• fsdp: []
• fsdp_min_num_params: 0
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
• tp_size: 0
• fsdp_transformer_layer_cls_to_wrap: None
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch
• optim_args: None
• adafactor: False
• group_by_length: False
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• skip_memory_metrics: True
• use_legacy_prediction_loop: False
• push_to_hub: False
• resume_from_checkpoint: None
• hub_model_id: None
• hub_strategy: every_save
• hub_private_repo: None
• hub_always_push: False
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_inputs_for_metrics: False
• include_for_metrics: []
• eval_do_concat_batches: True
• fp16_backend: auto
• push_to_hub_model_id: None
• push_to_hub_organization: None
• mp_parameters:
• auto_find_batch_size: False
• full_determinism: False
• torchdynamo: None
• ray_scope: last
• ddp_timeout: 1800
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• include_tokens_per_second: False
• include_num_input_tokens_seen: False
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• use_liger_kernel: False
• eval_use_gather_object: False
• average_tokens_across_devices: False
• prompts: None
• batch_sampler: batch_sampler
• multi_dataset_batch_sampler: proportional

Training Logs

Click to expand

Epoch	Step	Training Loss
0.0820	100	0.192
0.1641	200	0.2369
0.2461	300	0.2237
0.3281	400	0.104
0.4102	500	0.1874
0.4922	600	0.1252
0.5742	700	0.1504
0.6563	800	0.1648
0.7383	900	0.0853
0.8203	1000	0.175
0.9024	1100	0.0344
0.9844	1200	0.1236
1.0664	1300	0.0595
1.1485	1400	0.1461
1.2305	1500	0.232
1.3126	1600	0.0418
1.3946	1700	0.1814
1.4766	1800	0.0383
1.5587	1900	0.0863
1.6407	2000	0.0106
1.7227	2100	0.0565
1.8048	2200	0.1017
1.8868	2300	0.1314
1.9688	2400	0.1178
2.0509	2500	0.0633
2.1329	2600	0.1472
2.2149	2700	0.2549
2.2970	2800	0.1677
2.3790	2900	0.0197
2.4610	3000	0.027
2.5431	3100	0.0187
2.6251	3200	0.0737
2.7071	3300	0.372
2.7892	3400	0.1667
2.8712	3500	0.557
2.9532	3600	0.9259
3.0353	3700	0.3995
3.1173	3800	0.1924
3.1993	3900	0.2783
3.2814	4000	0.05
3.3634	4100	0.0874
3.4454	4200	0.2844
3.5275	4300	0.0748
3.6095	4400	0.2222
3.6916	4500	0.2282
3.7736	4600	0.2622
3.8556	4700	0.0427
3.9377	4800	0.1407
4.0197	4900	0.087
4.1017	5000	0.1478
4.1838	5100	0.0905
4.2658	5200	0.0948
4.3478	5300	0.0267
4.4299	5400	0.037
4.5119	5500	0.0643
4.5939	5600	0.0712
4.6760	5700	0.3668
4.7580	5800	0.1919
4.8400	5900	0.1652
4.9221	6000	0.2161
5.0041	6100	0.2219
5.0861	6200	0.0696
5.1682	6300	0.0759
5.2502	6400	0.028
5.3322	6500	0.0954
5.4143	6600	0.098
5.4963	6700	0.0104
5.5783	6800	0.0379
5.6604	6900	0.0596
5.7424	7000	0.0073
5.8244	7100	0.0127
5.9065	7200	0.013
5.9885	7300	0.0149
6.0705	7400	0.035
6.1526	7500	0.0567
6.2346	7600	0.0442
6.3167	7700	0.0273
6.3987	7800	0.0527
6.4807	7900	0.0016
6.5628	8000	0.1043
6.6448	8100	0.0571
6.7268	8200	0.0523
6.8089	8300	0.0405
6.8909	8400	0.056
6.9729	8500	0.0316
7.0550	8600	0.0691
7.1370	8700	0.0451
7.2190	8800	0.0234
7.3011	8900	0.0038
7.3831	9000	0.0
7.4651	9100	0.0355
7.5472	9200	0.0
7.6292	9300	0.0226
7.7112	9400	0.0061
7.7933	9500	0.0277
7.8753	9600	0.0086
7.9573	9700	0.0824
8.0394	9800	0.0215
8.1214	9900	0.0416
8.2034	10000	0.0366
8.2855	10100	0.0061
8.3675	10200	0.0014
8.4495	10300	0.0018
8.5316	10400	0.0013
8.6136	10500	0.0
8.6957	10600	0.0021
8.7777	10700	0.0407
8.8597	10800	0.0
8.9418	10900	0.0413
9.0238	11000	0.058
9.1058	11100	0.0271
9.1879	11200	0.0
9.2699	11300	0.0064
9.3519	11400	0.0352
9.4340	11500	0.0344
9.5160	11600	0.0185
9.5980	11700	0.0
9.6801	11800	0.0185
9.7621	11900	0.0
9.8441	12000	0.0
9.9262	12100	0.0089

Framework Versions

• Python: 3.11.12
• Sentence Transformers: 3.4.1
• Transformers: 4.51.1
• PyTorch: 2.6.0+cu124
• Accelerate: 1.5.2
• Datasets: 3.5.0
• Tokenizers: 0.21.1

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

TripletLoss

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification},
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}