--- base_model: BAAI/bge-m3 datasets: [] language: [] library_name: sentence-transformers metrics: - cosine_accuracy@1 - cosine_accuracy@3 - cosine_accuracy@5 - cosine_accuracy@10 - cosine_precision@1 - cosine_precision@3 - cosine_precision@5 - cosine_precision@10 - cosine_recall@1 - cosine_recall@3 - cosine_recall@5 - cosine_recall@10 - cosine_ndcg@10 - cosine_mrr@10 - cosine_map@100 pipeline_tag: sentence-similarity tags: - sentence-transformers - sentence-similarity - feature-extraction - generated_from_trainer - dataset_size:4957 - loss:MatryoshkaLoss - loss:MultipleNegativesRankingLoss widget: - source_sentence: 312 Aus steuerlicher Sicht ist es möglich, mehrere Versorgungszusagen nebeneinander, also neben einer Altzusage auch eine Neuzusage zu erteilen (z. B. „alte“ Direktversicherung und „neuer“ Pensionsfonds). sentences: - Wann liegt bei der betrieblichen Altersversorgung eine schädliche Verwendung vor? - Welche steuerliche Behandlung erfahren Auszahlungen aus Altersvorsorgeverträgen nach § 22 Nr. 5 EStG? - Können verschiedene Versorgungszusagen wie Direktversicherung und Pensionsfonds gleichzeitig bestehen? - source_sentence: 5 Pflichtversicherte nach dem Gesetz über die Alterssicherung der Landwirte gehören, soweit sie nicht als Pflichtversicherte der gesetzlichen Rentenversicherung ohnehin bereits anspruchsberechtigt sind, in dieser Eigenschaft ebenfalls zum begünstigten Personenkreis. Darunter fallen insbesondere die in Anlage 1 Abschnitt B aufgeführten Personen. sentences: - Wann wird das Anrecht der ausgleichsberechtigten Person bei intern geteilter Altersvorsorge als abgeschlossen betrachtet? - Welche Personen sind in der Anlage 1 Abschnitt B bezüglich der Alterssicherung der Landwirte aufgeführt? - In welchen Fällen führt die Möglichkeit einer Beitragserstattung nicht zur Versagung der Anerkennung als betriebliche Altersversorgung? - source_sentence: 233 Voraussetzung für die Förderung durch Sonderausgabenabzug nach § 10a EStG und Zulage nach Abschnitt XI EStG ist in den Fällen der Rz. 231 f., dass der Steuerpflichtige zum begünstigten Personenkreis gehört. Die zeitliche Zuordnung dieser Altersvorsorgebeiträge richtet sich grundsätzlich nach § 11 Abs. 2 EStG. sentences: - Wer gehört zum begünstigten Personenkreis für die Altersvorsorgeförderung? - Wie werden erstattete Kosten eines Altersvorsorgevertrags besteuert, wenn sie dem Steuerpflichtigen ausgezahlt werden? - Ist der Übertragungswert einer betrieblichen Altersversorgung bei einem Arbeitgeberwechsel steuerfrei? - source_sentence: 127 Die Entnahme des Teilkapitalbetrags von bis zu 30 % des zur Verfügung stehenden Kapitals aus dem Vertrag hat zu Beginn der Auszahlungsphase zu erfolgen. Eine Verteilung über mehrere Auszahlungszeitpunkte ist nicht möglich. sentences: - Kann ich den Teilkapitalbetrag aus meiner Altersvorsorge zu verschiedenen Zeitpunkten entnehmen? - Welche Einkunftsarten können Leistungen aus einer Versorgungszusage des Arbeitgebers sein? - Was ist im Todesfall des Zulageberechtigten bezüglich der Förderbeiträge zu tun? - source_sentence: '67 Abwandlung des Beispiels 1 in Rn. 66: A erhält zudem zwei Kinderzulagen für seine in den Jahren 2004 und 2005 geborenen Kinder. Beitragspflichtige Einnahmen 53.000 € 4 % 2.120 € höchstens 2.100 € anzusetzen 2.100 € abzüglich Zulage 175 € Mindesteigenbeitrag (§ 86 Abs. 1 Satz 2 EStG) 1.925 € Sockelbetrag (§ 86 Abs. 1 Satz 4 EStG) 60 € maßgebend (§ 86 Abs. 1 Satz 5 EStG) 1.925 € Die von A geleisteten Beiträge übersteigen den Mindesteigenbeitrag. Die Zulage wird nicht gekürzt.' sentences: - Wird die Zulage für A gekürzt, wenn die Beiträge den Mindesteigenbeitrag übersteigen? - Was versteht man unter Sonderzahlungen des Arbeitgebers? - Wie erfolgt die Besteuerung bei der ausgleichsberechtigten Person nach einer externen Teilung? model-index: - name: SentenceTransformer based on BAAI/bge-m3 results: - task: type: information-retrieval name: Information Retrieval dataset: name: dim 768 type: dim_768 metrics: - type: cosine_accuracy@1 value: 0.019963702359346643 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.24863883847549909 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.3992740471869328 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.6588021778584392 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.019963702359346643 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.08287961282516636 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.07985480943738657 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.06588021778584391 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.019963702359346643 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.24863883847549909 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.3992740471869328 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.6588021778584392 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.3072766574898433 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.19910408204419097 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.21588812107724084 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 512 type: dim_512 metrics: - type: cosine_accuracy@1 value: 0.029038112522686024 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.25226860254083483 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.4029038112522686 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.647912885662432 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.029038112522686024 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.08408953418027827 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.08058076225045373 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.0647912885662432 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.029038112522686024 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.25226860254083483 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.4029038112522686 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.647912885662432 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.30835796317387987 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.20380765131218861 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.22078173489998865 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 256 type: dim_256 metrics: - type: cosine_accuracy@1 value: 0.034482758620689655 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.23049001814882034 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.38656987295825773 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.647912885662432 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.034482758620689655 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.07683000604960677 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.07731397459165154 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.0647912885662432 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.034482758620689655 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.23049001814882034 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.38656987295825773 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.647912885662432 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.3040645102017685 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.1990666320974852 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.21577058637681837 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 128 type: dim_128 metrics: - type: cosine_accuracy@1 value: 0.02722323049001815 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.24319419237749546 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.38656987295825773 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.6442831215970962 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.02722323049001815 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.08106473079249849 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.07731397459165155 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.06442831215970962 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.02722323049001815 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.24319419237749546 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.38656987295825773 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.6442831215970962 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.3030488823891233 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.19836804655316465 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.21511274800304536 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 64 type: dim_64 metrics: - type: cosine_accuracy@1 value: 0.016333938294010888 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.2250453720508167 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.37749546279491836 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.617059891107078 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.016333938294010888 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.0750151240169389 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.07549909255898368 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.06170598911070781 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.016333938294010888 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.2250453720508167 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.37749546279491836 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.617059891107078 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.28661971571769745 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.18480756488923475 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.20148744214489955 name: Cosine Map@100 --- # SentenceTransformer based on BAAI/bge-m3 This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [BAAI/bge-m3](https://huggingface.co/BAAI/bge-m3). It maps sentences & paragraphs to a 1024-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:** [BAAI/bge-m3](https://huggingface.co/BAAI/bge-m3) - **Maximum Sequence Length:** 1024 tokens - **Output Dimensionality:** 1024 tokens - **Similarity Function:** Cosine Similarity ### 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': 1024, 'do_lower_case': False}) with Transformer model: XLMRobertaModel (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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("akot/bge-semantic-bmf-matryoshka") # Run inference sentences = [ '67 Abwandlung des Beispiels 1 in Rn. 66: A erhält zudem zwei Kinderzulagen für seine in den Jahren 2004 und 2005 geborenen Kinder. Beitragspflichtige Einnahmen 53.000 € 4 % 2.120 € höchstens 2.100 € anzusetzen 2.100 € abzüglich Zulage 175 € Mindesteigenbeitrag (§ 86 Abs. 1 Satz 2 EStG) 1.925 € Sockelbetrag (§ 86 Abs. 1 Satz 4 EStG) 60 € maßgebend (§ 86 Abs. 1 Satz 5 EStG) 1.925 € Die von A geleisteten Beiträge übersteigen den Mindesteigenbeitrag. Die Zulage wird nicht gekürzt.', 'Wird die Zulage für A gekürzt, wenn die Beiträge den Mindesteigenbeitrag übersteigen?', 'Wie erfolgt die Besteuerung bei der ausgleichsberechtigten Person nach einer externen Teilung?', ] embeddings = model.encode(sentences) print(embeddings.shape) # [3, 1024] # Get the similarity scores for the embeddings similarities = model.similarity(embeddings, embeddings) print(similarities.shape) # [3, 3] ``` ## Evaluation ### Metrics #### Information Retrieval * Dataset: `dim_768` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.02 | | cosine_accuracy@3 | 0.2486 | | cosine_accuracy@5 | 0.3993 | | cosine_accuracy@10 | 0.6588 | | cosine_precision@1 | 0.02 | | cosine_precision@3 | 0.0829 | | cosine_precision@5 | 0.0799 | | cosine_precision@10 | 0.0659 | | cosine_recall@1 | 0.02 | | cosine_recall@3 | 0.2486 | | cosine_recall@5 | 0.3993 | | cosine_recall@10 | 0.6588 | | cosine_ndcg@10 | 0.3073 | | cosine_mrr@10 | 0.1991 | | **cosine_map@100** | **0.2159** | #### Information Retrieval * Dataset: `dim_512` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.029 | | cosine_accuracy@3 | 0.2523 | | cosine_accuracy@5 | 0.4029 | | cosine_accuracy@10 | 0.6479 | | cosine_precision@1 | 0.029 | | cosine_precision@3 | 0.0841 | | cosine_precision@5 | 0.0806 | | cosine_precision@10 | 0.0648 | | cosine_recall@1 | 0.029 | | cosine_recall@3 | 0.2523 | | cosine_recall@5 | 0.4029 | | cosine_recall@10 | 0.6479 | | cosine_ndcg@10 | 0.3084 | | cosine_mrr@10 | 0.2038 | | **cosine_map@100** | **0.2208** | #### Information Retrieval * Dataset: `dim_256` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.0345 | | cosine_accuracy@3 | 0.2305 | | cosine_accuracy@5 | 0.3866 | | cosine_accuracy@10 | 0.6479 | | cosine_precision@1 | 0.0345 | | cosine_precision@3 | 0.0768 | | cosine_precision@5 | 0.0773 | | cosine_precision@10 | 0.0648 | | cosine_recall@1 | 0.0345 | | cosine_recall@3 | 0.2305 | | cosine_recall@5 | 0.3866 | | cosine_recall@10 | 0.6479 | | cosine_ndcg@10 | 0.3041 | | cosine_mrr@10 | 0.1991 | | **cosine_map@100** | **0.2158** | #### Information Retrieval * Dataset: `dim_128` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.0272 | | cosine_accuracy@3 | 0.2432 | | cosine_accuracy@5 | 0.3866 | | cosine_accuracy@10 | 0.6443 | | cosine_precision@1 | 0.0272 | | cosine_precision@3 | 0.0811 | | cosine_precision@5 | 0.0773 | | cosine_precision@10 | 0.0644 | | cosine_recall@1 | 0.0272 | | cosine_recall@3 | 0.2432 | | cosine_recall@5 | 0.3866 | | cosine_recall@10 | 0.6443 | | cosine_ndcg@10 | 0.303 | | cosine_mrr@10 | 0.1984 | | **cosine_map@100** | **0.2151** | #### Information Retrieval * Dataset: `dim_64` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.0163 | | cosine_accuracy@3 | 0.225 | | cosine_accuracy@5 | 0.3775 | | cosine_accuracy@10 | 0.6171 | | cosine_precision@1 | 0.0163 | | cosine_precision@3 | 0.075 | | cosine_precision@5 | 0.0755 | | cosine_precision@10 | 0.0617 | | cosine_recall@1 | 0.0163 | | cosine_recall@3 | 0.225 | | cosine_recall@5 | 0.3775 | | cosine_recall@10 | 0.6171 | | cosine_ndcg@10 | 0.2866 | | cosine_mrr@10 | 0.1848 | | **cosine_map@100** | **0.2015** | ## Training Details ### Training Dataset #### Unnamed Dataset * Size: 4,957 training samples * Columns: positive and anchor * Approximate statistics based on the first 1000 samples: | | positive | anchor | |:--------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | positive | anchor | |:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------| | 134 Eine Rückzahlungsverpflichtung besteht nicht für den Teil der Zulagen, der auf nach § 1 Abs. 1 Nr. 2 AltZertG angespartes gefördertes Altersvorsorgevermögen entfällt, wenn es in Form einer Hinterbliebenenrente an die dort genannten Hinterbliebenen ausgezahlt wird. Dies gilt auch für den entsprechenden Teil der Steuerermäßigung. | Muss man Zulagen zurückzahlen, wenn das Altersvorsorgevermögen als Hinterbliebenenrente ausgezahlt wird? | | 140 Beendet der Zulageberechtigte vor der vollständigen Rückzahlung des AltersvorsorgeEigenheimbetrags die Nutzung zu eigenen Wohnzwecken, wird er so behandelt, als habe er den noch nicht zurückgezahlten Betrag schädlich verwendet. Die auf den noch ausstehenden Rückzahlungsbetrag entfallenden Zulagen sowie die nach § 10a Abs. 4 EStG gesondert festgestellten Steuerermäßigungen sind zurückzuzahlen (§ 92a Abs. 3 EStG). Die im noch ausstehenden Rückzahlungsbetrag enthaltenen Zuwächse (z.B. Zinserträge und Kursgewinne) Seite 41 sind als sonstige Einkünfte zu versteuern (§ 22 Nr. 5 Satz 5 Halbsatz 1 EStG). Außerdem hat der Zulageberechtigte den Vorteil zu versteuern, der sich aus der zinslosen Nutzung des noch nicht zurückgezahlten Betrags ergibt. Zugrunde gelegt wird hierbei eine Verzinsung von 5 % (Zins und Zinseszins) für jedes volle Kalenderjahr der Nutzung (§ 22 Nr. 5 Satz 5 Halbsatz 2 EStG). Diese Folgen treten nicht ein, wenn er den noch nicht zurückgezahlten Betrag in ein Folgeobjekt investiert (§ 92a Abs. 4 Satz 3 Nr. 1 EStG) oder zugunsten eines auf seinen Namen lautenden zertifizierten Altersvorsorgevertrags einzahlt (§ 92a Abs. 4 Satz 3 Nr. 2 EStG). | Was geschieht steuerlich, wenn der AltersvorsorgeEigenheimbetrag nicht vollständig zurückgezahlt wird und die Immobilie nicht mehr selbst genutzt wird? | | 144 Die als Einkünfte nach § 22 Nr. 5 Satz 3 EStG i.V.m. § 22 Nr. 5 Satz 2 EStG zu besteuernden Beträge muss der Anbieter gem. § 94 Abs. 1 Satz 4 EStG dem Zulageberechtigten bescheinigen und im Wege des Rentenbezugsmitteilungsverfahrens (§ 22a EStG) mitteilen. Ergeben sich insoweit steuerpflichtige Einkünfte nach § 22 Nr. 5 Satz 3 EStG für einen anderen Leistungsempfänger (z. B. Erben), ist für diesen eine entsprechende Rentenbezugsmitteilung der ZfA zu übermitteln. | Was muss im Falle eines anderen Leistungsempfängers, wie Erben, hinsichtlich der Rentenbezugsmitteilung getan werden? | * Loss: [MatryoshkaLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters: ```json { "loss": "MultipleNegativesRankingLoss", "matryoshka_dims": [ 768, 512, 256, 128, 64 ], "matryoshka_weights": [ 1, 1, 1, 1, 1 ], "n_dims_per_step": -1 } ``` ### Training Hyperparameters #### Non-Default Hyperparameters - `eval_strategy`: epoch - `per_device_train_batch_size`: 16 - `per_device_eval_batch_size`: 16 - `gradient_accumulation_steps`: 16 - `learning_rate`: 2e-05 - `num_train_epochs`: 10 - `lr_scheduler_type`: cosine - `warmup_ratio`: 0.1 - `bf16`: True - `tf32`: True - `load_best_model_at_end`: True - `optim`: adamw_torch_fused - `batch_sampler`: no_duplicates #### All Hyperparameters
Click to expand - `overwrite_output_dir`: False - `do_predict`: False - `eval_strategy`: epoch - `prediction_loss_only`: True - `per_device_train_batch_size`: 16 - `per_device_eval_batch_size`: 16 - `per_gpu_train_batch_size`: None - `per_gpu_eval_batch_size`: None - `gradient_accumulation_steps`: 16 - `eval_accumulation_steps`: None - `torch_empty_cache_steps`: None - `learning_rate`: 2e-05 - `weight_decay`: 0.0 - `adam_beta1`: 0.9 - `adam_beta2`: 0.999 - `adam_epsilon`: 1e-08 - `max_grad_norm`: 1.0 - `num_train_epochs`: 10 - `max_steps`: -1 - `lr_scheduler_type`: cosine - `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`: True - `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`: 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_fused - `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`: False - `hub_always_push`: False - `gradient_checkpointing`: False - `gradient_checkpointing_kwargs`: None - `include_inputs_for_metrics`: False - `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 - `dispatch_batches`: None - `split_batches`: 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 - `eval_use_gather_object`: False - `batch_sampler`: no_duplicates - `multi_dataset_batch_sampler`: proportional
### Training Logs | Epoch | Step | Training Loss | dim_128_cosine_map@100 | dim_256_cosine_map@100 | dim_512_cosine_map@100 | dim_64_cosine_map@100 | dim_768_cosine_map@100 | |:----------:|:------:|:-------------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|:----------------------:| | 0.5161 | 10 | 2.8906 | - | - | - | - | - | | 0.9806 | 19 | - | 0.1981 | 0.2156 | 0.2153 | 0.1849 | 0.2183 | | 1.0323 | 20 | 1.6649 | - | - | - | - | - | | 1.5484 | 30 | 0.992 | - | - | - | - | - | | 1.9613 | 38 | - | 0.2141 | 0.2158 | 0.2206 | 0.1972 | 0.2196 | | 2.0645 | 40 | 0.6799 | - | - | - | - | - | | 2.5806 | 50 | 0.4886 | - | - | - | - | - | | 2.9935 | 58 | - | 0.2145 | 0.2080 | 0.2205 | 0.2072 | 0.2177 | | 3.0968 | 60 | 0.3464 | - | - | - | - | - | | 3.6129 | 70 | 0.29 | - | - | - | - | - | | 3.9742 | 77 | - | 0.2114 | 0.2161 | 0.2220 | 0.2074 | 0.2209 | | 4.1290 | 80 | 0.2217 | - | - | - | - | - | | 4.6452 | 90 | 0.2296 | - | - | - | - | - | | **4.9548** | **96** | **-** | **0.2325** | **0.22** | **0.2283** | **0.2104** | **0.2231** | | 5.1613 | 100 | 0.1665 | - | - | - | - | - | | 5.6774 | 110 | 0.18 | - | - | - | - | - | | 5.9871 | 116 | - | 0.2177 | 0.2152 | 0.2234 | 0.2061 | 0.2241 | | 6.1935 | 120 | 0.131 | - | - | - | - | - | | 6.7097 | 130 | 0.1502 | - | - | - | - | - | | 6.9677 | 135 | - | 0.2127 | 0.2161 | 0.2248 | 0.2037 | 0.2226 | | 7.2258 | 140 | 0.116 | - | - | - | - | - | | 7.7419 | 150 | 0.1363 | - | - | - | - | - | | 8.0 | 155 | - | 0.2196 | 0.2159 | 0.2239 | 0.2077 | 0.2233 | | 8.2581 | 160 | 0.0976 | - | - | - | - | - | | 8.7742 | 170 | 0.1242 | - | - | - | - | - | | 8.9806 | 174 | - | 0.2153 | 0.2203 | 0.2293 | 0.2042 | 0.2192 | | 9.2903 | 180 | 0.109 | - | - | - | - | - | | 9.8065 | 190 | 0.1132 | 0.2151 | 0.2158 | 0.2208 | 0.2015 | 0.2159 | * The bold row denotes the saved checkpoint. ### Framework Versions - Python: 3.11.4 - Sentence Transformers: 3.0.1 - Transformers: 4.44.0 - PyTorch: 2.4.0+cu121 - Accelerate: 0.33.0 - Datasets: 2.19.1 - Tokenizers: 0.19.1 ## 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", } ``` #### MatryoshkaLoss ```bibtex @misc{kusupati2024matryoshka, title={Matryoshka Representation Learning}, author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi}, year={2024}, eprint={2205.13147}, archivePrefix={arXiv}, primaryClass={cs.LG} } ``` #### MultipleNegativesRankingLoss ```bibtex @misc{henderson2017efficient, title={Efficient Natural Language Response Suggestion for Smart Reply}, author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil}, year={2017}, eprint={1705.00652}, archivePrefix={arXiv}, primaryClass={cs.CL} } ```