metadata

base_model: aari1995/German_Semantic_V3
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 aari1995/German_Semantic_V3
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 768
          type: dim_768
        metrics:
          - type: cosine_accuracy@1
            value: 0.02722323049001815
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.19600725952813067
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.3339382940108893
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.5535390199637024
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.02722323049001815
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.06533575317604355
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.06678765880217785
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.05535390199637023
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.02722323049001815
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.19600725952813067
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.3339382940108893
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.5535390199637024
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.26072465632924774
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.17108504018667361
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.18770082835080207
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 512
          type: dim_512
        metrics:
          - type: cosine_accuracy@1
            value: 0.02722323049001815
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.19600725952813067
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.32304900181488205
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.5626134301270418
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.02722323049001815
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.06533575317604355
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.06460980036297641
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.056261343012704176
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.02722323049001815
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.19600725952813067
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.32304900181488205
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.5626134301270418
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.2619272501758391
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.17047791893526926
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.18609576776317005
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 256
          type: dim_256
        metrics:
          - type: cosine_accuracy@1
            value: 0.021778584392014518
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.1851179673321234
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.3194192377495463
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.5571687840290381
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.021778584392014518
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.06170598911070781
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.06388384754990926
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.05571687840290381
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.021778584392014518
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.1851179673321234
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.3194192377495463
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.5571687840290381
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.25612468011654316
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.16426122778209898
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.18028375195557364
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 128
          type: dim_128
        metrics:
          - type: cosine_accuracy@1
            value: 0.023593466424682397
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.1869328493647913
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.32304900181488205
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.542649727767695
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.023593466424682397
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.06231094978826376
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.06460980036297642
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.054264972776769504
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.023593466424682397
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.1869328493647913
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.32304900181488205
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.542649727767695
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.2520700332274149
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.16319390430098243
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.17991374973589885
            name: Cosine Map@100
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 64
          type: dim_64
        metrics:
          - type: cosine_accuracy@1
            value: 0.025408348457350273
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.18330308529945555
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.3121597096188748
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.5190562613430127
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.025408348457350273
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.06110102843315183
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.062431941923774964
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.051905626134301275
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.025408348457350273
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.18330308529945555
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.3121597096188748
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.5190562613430127
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.2452921508851895
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.16116512545732162
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.17937881548234963
            name: Cosine Map@100

SentenceTransformer based on aari1995/German_Semantic_V3

This is a sentence-transformers model finetuned from aari1995/German_Semantic_V3. 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: aari1995/German_Semantic_V3
Maximum Sequence Length: 1024 tokens
Output Dimensionality: 1024 tokens
Similarity Function: Cosine Similarity

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': 1024, 'do_lower_case': False}) with Transformer model: JinaBertModel 
  (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})
)

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("akot/german-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

Metric	Value
cosine_accuracy@1	0.0272
cosine_accuracy@3	0.196
cosine_accuracy@5	0.3339
cosine_accuracy@10	0.5535
cosine_precision@1	0.0272
cosine_precision@3	0.0653
cosine_precision@5	0.0668
cosine_precision@10	0.0554
cosine_recall@1	0.0272
cosine_recall@3	0.196
cosine_recall@5	0.3339
cosine_recall@10	0.5535
cosine_ndcg@10	0.2607
cosine_mrr@10	0.1711
cosine_map@100	0.1877

Information Retrieval

Dataset: dim_512
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.0272
cosine_accuracy@3	0.196
cosine_accuracy@5	0.323
cosine_accuracy@10	0.5626
cosine_precision@1	0.0272
cosine_precision@3	0.0653
cosine_precision@5	0.0646
cosine_precision@10	0.0563
cosine_recall@1	0.0272
cosine_recall@3	0.196
cosine_recall@5	0.323
cosine_recall@10	0.5626
cosine_ndcg@10	0.2619
cosine_mrr@10	0.1705
cosine_map@100	0.1861

Information Retrieval

Dataset: dim_256
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.0218
cosine_accuracy@3	0.1851
cosine_accuracy@5	0.3194
cosine_accuracy@10	0.5572
cosine_precision@1	0.0218
cosine_precision@3	0.0617
cosine_precision@5	0.0639
cosine_precision@10	0.0557
cosine_recall@1	0.0218
cosine_recall@3	0.1851
cosine_recall@5	0.3194
cosine_recall@10	0.5572
cosine_ndcg@10	0.2561
cosine_mrr@10	0.1643
cosine_map@100	0.1803

Information Retrieval

Dataset: dim_128
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.0236
cosine_accuracy@3	0.1869
cosine_accuracy@5	0.323
cosine_accuracy@10	0.5426
cosine_precision@1	0.0236
cosine_precision@3	0.0623
cosine_precision@5	0.0646
cosine_precision@10	0.0543
cosine_recall@1	0.0236
cosine_recall@3	0.1869
cosine_recall@5	0.323
cosine_recall@10	0.5426
cosine_ndcg@10	0.2521
cosine_mrr@10	0.1632
cosine_map@100	0.1799

Information Retrieval

Dataset: dim_64
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.0254
cosine_accuracy@3	0.1833
cosine_accuracy@5	0.3122
cosine_accuracy@10	0.5191
cosine_precision@1	0.0254
cosine_precision@3	0.0611
cosine_precision@5	0.0624
cosine_precision@10	0.0519
cosine_recall@1	0.0254
cosine_recall@3	0.1833
cosine_recall@5	0.3122
cosine_recall@10	0.5191
cosine_ndcg@10	0.2453
cosine_mrr@10	0.1612
cosine_map@100	0.1794

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
min: 5 tokens
mean: 158.11 tokens
max: 1024 tokens

min: 10 tokens
mean: 21.11 tokens
max: 47 tokens

	positive	anchor
type	string	string
details	min: 5 tokens mean: 158.11 tokens max: 1024 tokens	min: 10 tokens mean: 21.11 tokens max: 47 tokens

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 with these parameters:

{
    "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
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
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	7.3654	-	-	-	-	-
0.9806	19	-	0.1293	0.1314	0.1379	0.1080	0.1391
1.0323	20	4.6797	-	-	-	-	-
1.5484	30	2.7983	-	-	-	-	-
1.9613	38	-	0.1607	0.1703	0.1697	0.1546	0.1770
2.0645	40	2.0567	-	-	-	-	-
2.5806	50	1.4778	-	-	-	-	-
2.9935	58	-	0.1636	0.1734	0.1761	0.1586	0.1744
3.0968	60	1.2677	-	-	-	-	-
3.6129	70	0.9943	-	-	-	-	-
3.9742	77	-	0.1728	0.1783	0.1805	0.1741	0.1825
4.1290	80	0.7914	-	-	-	-	-
4.6452	90	0.7161	-	-	-	-	-
4.9548	96	-	0.1756	0.1780	0.1817	0.1702	0.1836
5.1613	100	0.582	-	-	-	-	-
5.6774	110	0.5094	-	-	-	-	-
5.9871	116	-	0.1769	0.1804	0.1793	0.1735	0.1847
6.1935	120	0.4562	-	-	-	-	-
6.7097	130	0.4102	-	-	-	-	-
6.9677	135	-	0.1790	0.1810	0.1857	0.1756	0.1897
7.2258	140	0.393	-	-	-	-	-
7.7419	150	0.3678	-	-	-	-	-
8.0	155	-	0.1789	0.1825	0.1828	0.1759	0.1863
8.2581	160	0.3357	-	-	-	-	-
8.7742	170	0.344	-	-	-	-	-
8.9806	174	-	0.181	0.1883	0.191	0.1796	0.1928
9.2903	180	0.3421	-	-	-	-	-
9.8065	190	0.3062	0.1799	0.1803	0.1861	0.1794	0.1877

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.11.4
Sentence Transformers: 3.0.1
Transformers: 4.41.2
PyTorch: 2.1.2+cu121
Accelerate: 0.33.0
Datasets: 2.19.1
Tokenizers: 0.19.1

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",
}

MatryoshkaLoss

@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

@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}
}