George2002/sledopyt_embedder_with_neg

SentenceTransformer based on intfloat/multilingual-e5-large

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-large on the q2q_data and q2p_data datasets. 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: intfloat/multilingual-e5-large
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 1024 dimensions
• Similarity Function: Cosine Similarity
• Training Datasets:
  • q2q_data
  • q2p_data

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: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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:

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("George2002/sledopyt_embedder")
# Run inference
sentences = [
    'query: Как должен выглядеть ярлык на Транспортной единице (ТЕ)?',
    'query: Где подается заявление на выплату вкладов Чеченского банка?',
    'query: Какие данные обязательно должны быть на ярлыке для Транспортной единицы?',
]
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]

Training Details

Training Datasets

q2q_data

• Dataset: q2q_data
• Size: 51,395 training samples
• Columns: query_1, query_2, and negative
• Approximate statistics based on the first 1000 samples:

  	query_1	query_2	negative
  type	string	string	string
  details	min: 11 tokens mean: 21.21 tokens max: 39 tokens	min: 11 tokens mean: 21.15 tokens max: 42 tokens	min: 11 tokens mean: 20.91 tokens max: 34 tokens

• Samples:

  query_1	query_2	negative
  query: Какой статус имеет доверенное лицо, выполняющее операции по счетам другого клиента?	query: Как поступить, если в списке опекаемых не хватает подопечного?	query: Что доверенное лицо имеет право делать с счетами своего доверителя?
  query: Что становится с правами законного представителя, когда клиент достигает 18 лет?	query: Как изменяются полномочия законного представителя после того, как клиент становится совершеннолетним?	query: Когда заканчивается связь законного представителя с несовершеннолетним клиентом автоматом?
  query: С каким вопросом может обратиться банкрот в банк?	query: Какие шаги предпринять, если банкрот не получил сумму по разрешению ФУ раньше?	query: Что может спросить банкрот, когда обращается в банк?

• Loss: TripletLoss with these parameters:

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

q2p_data

• Dataset: q2p_data
• Size: 15,418 training samples
• Columns: query, chunk, and negative
• Approximate statistics based on the first 1000 samples:

  	query	chunk	negative
  type	string	string	string
  details	min: 11 tokens mean: 21.46 tokens max: 40 tokens	min: 12 tokens mean: 159.46 tokens max: 512 tokens	min: 12 tokens mean: 139.38 tokens max: 512 tokens

• Samples:

  query	chunk	negative
  query: Кто может получить выписку по счету, если клиент ограниченно дееспособный из-за пристрастия?	passage: Описание функционала во вложении ниже. Типичные вопросы по отображению молодёжных карт в МП СБОЛ родителя и ответы на них: 02. В каком канале обслуживания родителю или законному представителю будут доступны карты ребенка 14-17 лет ? В мобильном приложении «СберБанк Онлайн» (iPhone/Android) версии не ниже 12.6.0. В web-версии СБОЛ данный функционал недоступен.	passage: Выписка по счету (вкладу) может быть выдана: - Ограниченно дееспособный в силу пристрастия -Доверенное лицо ограниченно дееспособного
  query: Как влияет стадия банкротства на арест или блокировку счетов ИБЦ и ГЖС?	passage: С каким вопросом обратился банкрот? 17. Открытие счета/ вклада на третье лицо, в том числе с внесением наличных Клиенту, в отношении которого введена процедура банкротства запрещено открывать счета и вносить денежные средства на имя третьего лица.	passage: В случае Получения наследства банкротом В случае, если Клиент, обратившийся за получением наследства при идентификации обнаружен в Стоп-Листе банкротов:  - сообщить клиенту, что у Банка есть информация о его банкротстве и он может получить только Выплату на достойные похороны - выплату наследства Банк осуществляет в зависимости от стадии банкротства: !!! Получить наследство и распоряжаться им самостоятельно клиент банкрот может только после завершения процедуры банкротства. Наследством банкрота в стадии реализация имущества распоряжается утвержденный для проведения процедуры финансовый управляющий. В этом случае Наследником в заявке на выплату через ОЦ заводим банкрота, выплата наследства перевеодится ему на счет. После выплаты, ФУ уже в рамках своих полномочий сможет этими ДС распорядиться. .
  query: Какой статус может быть, если связь не была успешно создана?	passage: ВНИМАНИЕ ! С 23 октября 2023г. в МП СБОЛ станет доступным заказ Детской СберКарты по свидетельству о рождении Украины со штампом о гражданстве РФ. Для получения Детской СберКарты в офисе банка необходимо будет предоставить нотариально заверенное удостоверение перевода на русский язык свидетельства о рождении Украины со штампом о гражданстве РФ. Типичные вопросы по Детской СберКарте и ответы на них 14. Управление лимитами по Детской СберКарте Выберите интересующий вопрос	passage: Возможные ошибки: Связь не создана Техническая ошибка. Повторите операцию позже.

• Loss: TripletLoss with these parameters:

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

Evaluation Datasets

q2q_data

• Dataset: q2q_data
• Size: 2,705 evaluation samples
• Columns: query_1, query_2, and negative
• Approximate statistics based on the first 1000 samples:

  	query_1	query_2	negative
  type	string	string	string
  details	min: 11 tokens mean: 21.08 tokens max: 35 tokens	min: 11 tokens mean: 21.2 tokens max: 38 tokens	min: 11 tokens mean: 20.98 tokens max: 36 tokens

• Samples:

  query_1	query_2	negative
  query: Какой тип документа следует выбрать для подтверждения полномочий попечителя в случае ограничения дееспособности?	query: Какие суммы разрешены для использования на счете по Гражданскому кодексу РФ?	query: Что подтверждает полномочия попечителя по отношению к ограниченно дееспособному клиенту?
  query: Когда клиент имеет право обратиться в банк для установки связи с подопечным?	query: В каких ситуациях клиент может связаться с банком для оформления связи с подопечным?	query: Какие бумаги необходимы законному представителю, чтобы установить контакт с подопечным?
  query: Что происходит с сохранением скана документа при редактировании?	query: Какие шаги необходимо предпринять для перевыпуска или закрытия карты?	query: Как обрабатывается скан-образ исполнительного документа после того, как его зарегистрировали?

• Loss: TripletLoss with these parameters:

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

q2p_data

• Dataset: q2p_data
• Size: 812 evaluation samples
• Columns: query, chunk, and negative
• Approximate statistics based on the first 812 samples:

  	query	chunk	negative
  type	string	string	string
  details	min: 11 tokens mean: 21.33 tokens max: 33 tokens	min: 12 tokens mean: 162.98 tokens max: 512 tokens	min: 12 tokens mean: 131.49 tokens max: 512 tokens

• Samples:

  query	chunk	negative
  query: Что нужно сделать на экране 'Подтверждение полномочий'?	passage: Осторожно! Это может быть мошенник! Информирует ФУ: "В Банке нет сведений о банкротстве клиента. Вы опубликовали факт о начале процедуры банкротства гражданина?" ДА Информирует ФУ: "Банку требуется провести дополнительную проверку. Она займет 1 рабочий день. Прошу обратиться в любое отделение Банка для выполнения операции через один рабочий день."	passage: Выберите способ подтверждения операции С помощью СМС Попросите клиента ввести код из смс на терминале
  query: Какие операции может выполнять Доверенное лицо клиента - банкрота в стадии 'Реализация имущества'?	passage: Срок исполнения задачи 1 рабочий день. Договоритесь о встрече с Клиентом не ранее, чем на следующий рабочий день. Подробная инструкция по ссылке ниже Заявка исполнена Если получен отказ, проинформируйте Клиента при обращении. Если получены документы для открытия счета, перейдите к следующему шагу- отправка подготовленных документов для открытия счета	passage: Полномочия по доверенности, выданной Финансовым управляющим ограничены и зависят от действующей процедуры банкротства. По доверенности ФУ, выданной по счетам клиента, признанного банкротом в стадии Реструктуризация долгов, возможны следующие операции (если они указаны в доверенности): - Получение справок выписок по счетам/вкладам банкрота; По доверенности ФУ, выданной по счетам клиента, признанного банкротом в стадии Реализация имущества, возможны следующие операции (если они указаны в доверенности): - Получение справок выписок по счетам/вкладам банкрота; - Открытие/ закрытие счетов на имя банкрота, , в том числе заключение ДБО (только в АС ФС);; - Приходные операции; - Расходные операции;
  query: Что нужно сделать после выбора курьера с доверенностью для открытия счета?	passage: Кто обратился для выполнения операции? 1. Финансовый управляющий/ Конкурсный управляющий Финансовый управляющий (далее – ФУ), назначается Арбитражным судом для контроля проведения процедуры "Реструктуризации долгов" или проведения процедуры "Реализации имущества" гражданина. !!!! Конкурсный управляющий назначается Арбитражным судом для проведения процедуры "Конкурсное производство" гражданина, признанного банкротом категории Крестьянское фермерское хозяйство (далее КФХ). Для проведения процедуры банкротства управляющего направляем в отделение по обслуживанию юридических лиц, так как введена процедура, характерная для проведения процедур банкротства юр.лиц. Финансовый управляющий может выполнить операции по всем счетам банкрота (кроме номинального счета) в зависимости от введенной процедуры банкротства: Реструктуризация долгов: - Получение справок выписок по счетам/вкладам банкрота; - Выдача разрешений на проведение банкротом операций по своим счетам. Реализация имуще...	passage: Выберите способ подтверждения операции С помощью карты Попросите клиента приложить карту к терминалу

• Loss: TripletLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 32
• learning_rate: 1e-05
• weight_decay: 0.01
• warmup_ratio: 0.1
• load_best_model_at_end: True
• push_to_hub: True
• hub_model_id: George2002/sledopyt_embedder
• hub_strategy: end

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 32
• 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: 1e-05
• weight_decay: 0.01
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 3
• max_steps: -1
• lr_scheduler_type: linear
• lr_scheduler_kwargs: {}
• warmup_ratio: 0.1
• warmup_steps: 0
• log_level: passive
• log_level_replica: warning
• log_on_each_node: True
• logging_nan_inf_filter: True
• save_safetensors: True
• save_on_each_node: False
• save_only_model: False
• restore_callback_states_from_checkpoint: False
• no_cuda: False
• use_cpu: False
• use_mps_device: False
• seed: 42
• data_seed: None
• jit_mode_eval: False
• use_ipex: False
• bf16: 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: True
• dataloader_num_workers: 0
• dataloader_prefetch_factor: None
• past_index: -1
• disable_tqdm: False
• remove_unused_columns: True
• label_names: None
• load_best_model_at_end: True
• ignore_data_skip: False
• fsdp: []
• fsdp_min_num_params: 0
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
• 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: True
• resume_from_checkpoint: None
• hub_model_id: George2002/sledopyt_embedder
• hub_strategy: end
• 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	q2q data loss	q2p data loss
0.0096	10	5.0879	-	-
0.0192	20	5.1046	-	-
0.0288	30	5.0837	-	-
0.0384	40	5.0778	-	-
0.0479	50	5.0643	5.0714	5.0469
0.0575	60	5.0424	-	-
0.0671	70	5.0255	-	-
0.0767	80	5.0099	-	-
0.0863	90	5.0063	-	-
0.0959	100	5.0033	5.0147	5.0005
0.1055	110	5.003	-	-
0.1151	120	4.9967	-	-
0.1246	130	4.998	-	-
0.1342	140	5.0012	-	-
0.1438	150	4.9989	5.0095	4.9424
0.1534	160	4.9908	-	-
0.1630	170	4.9735	-	-
0.1726	180	4.9965	-	-
0.1822	190	4.9825	-	-
0.1918	200	4.9514	5.0074	4.8744
0.2013	210	4.9521	-	-
0.2109	220	4.968	-	-
0.2205	230	4.96	-	-
0.2301	240	4.9758	-	-
0.2397	250	4.9834	5.0065	4.8428
0.2493	260	4.9273	-	-
0.2589	270	4.9796	-	-
0.2685	280	4.9517	-	-
0.2780	290	4.9763	-	-
0.2876	300	4.9372	5.0056	4.8253
0.2972	310	4.9325	-	-
0.3068	320	4.9477	-	-
0.3164	330	4.9455	-	-
0.3260	340	4.9258	-	-
0.3356	350	4.9799	5.0045	4.8434
0.3452	360	4.9791	-	-
0.3547	370	4.9437	-	-
0.3643	380	4.9873	-	-
0.3739	390	4.9425	-	-
0.3835	400	4.9837	5.0043	4.8419
0.3931	410	5.0006	-	-
0.4027	420	4.9831	-	-
0.4123	430	4.9531	-	-
0.4219	440	4.9856	-	-
0.4314	450	4.8996	5.0056	4.8652
0.4410	460	4.9467	-	-
0.4506	470	4.9724	-	-
0.4602	480	4.9797	-	-
0.4698	490	4.9735	-	-
0.4794	500	4.8765	5.0036	4.8457
0.4890	510	4.9136	-	-
0.4986	520	4.9688	-	-
0.5081	530	4.9436	-	-
0.5177	540	5.0017	-	-
0.5273	550	4.9867	5.0043	4.8609
0.5369	560	4.9716	-	-
0.5465	570	4.9338	-	-
0.5561	580	4.9975	-	-
0.5657	590	4.9485	-	-
0.5753	600	4.8959	5.0026	4.7809
0.5849	610	4.9769	-	-
0.5944	620	4.9407	-	-
0.6040	630	4.9941	-	-
0.6136	640	4.976	-	-
0.6232	650	4.986	5.0030	4.8102
0.6328	660	4.94	-	-
0.6424	670	4.9917	-	-
0.6520	680	4.9938	-	-
0.6616	690	4.9373	-	-
0.6711	700	5.0235	5.0321	4.8794
0.6807	710	4.939	-	-
0.6903	720	4.9682	-	-
0.6999	730	4.9813	-	-
0.7095	740	4.9442	-	-
0.7191	750	4.9354	5.0024	4.8053
0.7287	760	4.9105	-	-
0.7383	770	4.9271	-	-
0.7478	780	4.9476	-	-
0.7574	790	4.8887	-	-
0.7670	800	4.9576	5.0020	4.7397
0.7766	810	4.9577	-	-
0.7862	820	4.8974	-	-
0.7958	830	5.0033	-	-
0.8054	840	4.976	-	-
0.8150	850	4.9915	5.0422	4.9367
0.8245	860	4.9856	-	-
0.8341	870	4.9566	-	-
0.8437	880	4.8738	-	-
0.8533	890	4.9258	-	-
0.8629	900	4.9118	5.0033	4.7945
0.8725	910	4.9782	-	-
0.8821	920	4.8659	-	-
0.8917	930	4.9197	-	-
0.9012	940	4.9281	-	-
0.9108	950	4.9427	5.0021	4.7857
0.9204	960	4.8966	-	-
0.9300	970	4.9657	-	-
0.9396	980	4.9597	-	-
0.9492	990	4.9627	-	-
0.9588	1000	4.8603	5.0017	4.8015
0.9684	1010	4.9817	-	-
0.9779	1020	4.813	-	-
0.9875	1030	4.9688	-	-
0.9971	1040	4.9802	-	-
1.0067	1050	4.8651	5.0015	4.7961
1.0163	1060	4.9286	-	-
1.0259	1070	4.9124	-	-
1.0355	1080	4.9927	-	-
1.0451	1090	4.9769	-	-
1.0547	1100	5.0158	5.0046	5.1203
1.0642	1110	5.0234	-	-
1.0738	1120	4.9903	-	-
1.0834	1130	5.008	-	-
1.0930	1140	4.9987	-	-
1.1026	1150	5.0091	5.0155	5.1031
1.1122	1160	5.0562	-	-
1.1218	1170	5.0129	-	-
1.1314	1180	5.0033	-	-
1.1409	1190	4.9961	-	-
1.1505	1200	4.988	5.0005	5.0025
1.1601	1210	4.9687	-	-
1.1697	1220	4.9824	-	-
1.1793	1230	4.9955	-	-
1.1889	1240	4.9943	-	-
1.1985	1250	5.0552	5.0002	5.0005
1.2081	1260	5.0073	-	-
1.2176	1270	4.9928	-	-
1.2272	1280	5.0183	-	-
1.2368	1290	4.9932	-	-
1.2464	1300	4.9737	5.0003	5.0018
1.2560	1310	5.012	-	-
1.2656	1320	5.0138	-	-
1.2752	1330	5.0107	-	-
1.2848	1340	5.0226	-	-
1.2943	1350	4.9827	5.0009	5.0021
1.3039	1360	5.0089	-	-
1.3135	1370	4.9869	-	-
1.3231	1380	5.0178	-	-
1.3327	1390	5.0038	-	-
1.3423	1400	4.9761	5.0003	5.0008
1.3519	1410	5.0025	-	-
1.3615	1420	4.9973	-	-
1.3710	1430	4.9911	-	-
1.3806	1440	5.0088	-	-
1.3902	1450	4.986	5.0001	5.0005
1.3998	1460	5.0025	-	-
1.4094	1470	4.9907	-	-
1.4190	1480	5.0012	-	-
1.4286	1490	4.9928	-	-
1.4382	1500	4.9955	5.0002	5.0006
1.4477	1510	4.9952	-	-
1.4573	1520	4.9875	-	-
1.4669	1530	5.0027	-	-
1.4765	1540	4.963	-	-
1.4861	1550	4.9662	5.0016	5.0061
1.4957	1560	4.9284	-	-
1.5053	1570	4.9773	-	-
1.5149	1580	5.0154	-	-
1.5244	1590	4.9956	-	-
1.5340	1600	5.0147	5.0152	5.0622
1.5436	1610	5.0216	-	-
1.5532	1620	5.0276	-	-
1.5628	1630	5.0115	-	-
1.5724	1640	4.9836	-	-
1.5820	1650	5.0171	5.0001	5.0022
1.5916	1660	5.0266	-	-
1.6012	1670	4.9617	-	-
1.6107	1680	4.9691	-	-
1.6203	1690	5.0004	-	-
1.6299	1700	5.0173	5.0399	5.0408
1.6395	1710	4.9824	-	-
1.6491	1720	5.0099	-	-
1.6587	1730	5.003	-	-
1.6683	1740	5.0039	-	-
1.6779	1750	5.0031	5.0021	5.0106
1.6874	1760	4.9992	-	-
1.6970	1770	4.9997	-	-
1.7066	1780	4.9999	-	-
1.7162	1790	5.0022	-	-
1.7258	1800	4.9988	5.0017	5.0100
1.7354	1810	4.9987	-	-
1.7450	1820	5.0029	-	-
1.7546	1830	4.9949	-	-
1.7641	1840	4.999	-	-
1.7737	1850	5.0017	5.0033	4.9873
1.7833	1860	4.9866	-	-
1.7929	1870	4.9976	-	-
1.8025	1880	4.9784	-	-
1.8121	1890	4.9824	-	-
1.8217	1900	4.9945	5.0142	5.1557
1.8313	1910	4.9445	-	-
1.8408	1920	4.9477	-	-
1.8504	1930	5.0047	-	-
1.8600	1940	4.9307	-	-
1.8696	1950	4.9634	5.0023	4.8261
1.8792	1960	4.9791	-	-
1.8888	1970	4.9792	-	-
1.8984	1980	4.9041	-	-
1.9080	1990	4.9349	-	-
1.9175	2000	4.8942	5.0013	4.7501
1.9271	2010	4.9871	-	-
1.9367	2020	4.9631	-	-
1.9463	2030	4.9604	-	-
1.9559	2040	4.9346	-	-
1.9655	2050	4.9398	5.0012	4.7617
1.9751	2060	4.9262	-	-
1.9847	2070	4.9505	-	-
1.9942	2080	4.9667	-	-
2.0038	2090	4.8763	-	-
2.0134	2100	4.9116	5.0010	4.7720
2.0230	2110	4.9367	-	-
2.0326	2120	4.9546	-	-
2.0422	2130	4.9743	-	-
2.0518	2140	4.9795	-	-
2.0614	2150	4.9647	5.0010	4.7732
2.0709	2160	4.9856	-	-
2.0805	2170	4.9553	-	-
2.0901	2180	4.9479	-	-
2.0997	2190	4.9672	-	-
2.1093	2200	4.9645	5.0011	4.7576
2.1189	2210	4.9299	-	-
2.1285	2220	4.9777	-	-
2.1381	2230	4.94	-	-
2.1477	2240	4.978	-	-
2.1572	2250	4.968	4.9994	4.7557
2.1668	2260	4.9512	-	-
2.1764	2270	4.9539	-	-
2.1860	2280	4.9508	-	-
2.1956	2290	4.8871	-	-
2.2052	2300	4.909	5.0010	4.7444
2.2148	2310	4.9587	-	-
2.2244	2320	4.8956	-	-
2.2339	2330	4.9891	-	-
2.2435	2340	4.8795	-	-
2.2531	2350	4.887	5.0010	4.7448
2.2627	2360	4.9723	-	-
2.2723	2370	4.8967	-	-
2.2819	2380	4.8975	-	-
2.2915	2390	4.9177	-	-
2.3011	2400	4.9272	5.0010	4.7287
2.3106	2410	4.9283	-	-
2.3202	2420	4.9061	-	-
2.3298	2430	4.9279	-	-
2.3394	2440	4.9856	-	-
2.3490	2450	4.8988	5.0010	4.7268
2.3586	2460	4.9269	-	-
2.3682	2470	4.9318	-	-
2.3778	2480	4.8814	-	-
2.3873	2490	4.9912	-	-
2.3969	2500	4.9226	5.0009	4.7197
2.4065	2510	4.9437	-	-
2.4161	2520	4.9553	-	-
2.4257	2530	4.9355	-	-
2.4353	2540	4.9063	-	-
2.4449	2550	4.9095	4.9973	4.7481
2.4545	2560	4.9624	-	-
2.4640	2570	4.9731	-	-
2.4736	2580	4.9156	-	-
2.4832	2590	4.8714	-	-
2.4928	2600	4.9532	5.0009	4.7327
2.5024	2610	4.9196	-	-
2.5120	2620	4.9477	-	-
2.5216	2630	4.9725	-	-
2.5312	2640	4.9483	-	-
2.5407	2650	4.9124	5.0008	4.7752
2.5503	2660	4.9056	-	-
2.5599	2670	4.9396	-	-
2.5695	2680	4.9472	-	-
2.5791	2690	4.9322	-	-
2.5887	2700	4.9147	5.0008	4.7360
2.5983	2710	4.9511	-	-
2.6079	2720	4.9229	-	-
2.6174	2730	4.9207	-	-
2.6270	2740	4.9695	-	-
2.6366	2750	4.8886	5.0008	4.7616
2.6462	2760	4.9878	-	-
2.6558	2770	4.9647	-	-
2.6654	2780	4.9552	-	-
2.6750	2790	5.0171	-	-
2.6846	2800	4.9379	5.0008	4.7563
2.6942	2810	4.9727	-	-
2.7037	2820	4.9798	-	-
2.7133	2830	4.9726	-	-
2.7229	2840	4.956	-	-
2.7325	2850	4.9512	5.0007	4.7669
2.7421	2860	4.9705	-	-
2.7517	2870	4.8603	-	-
2.7613	2880	4.9764	-	-
2.7709	2890	4.9187	-	-
2.7804	2900	4.8941	5.0008	4.7311
2.7900	2910	4.9592	-	-
2.7996	2920	4.9141	-	-
2.8092	2930	4.9198	-	-
2.8188	2940	5.0112	-	-
2.8284	2950	4.9778	5.0007	4.7333
2.8380	2960	4.8999	-	-
2.8476	2970	4.9223	-	-
2.8571	2980	4.9369	-	-
2.8667	2990	4.8722	-	-
2.8763	3000	4.9299	5.0008	4.7280
2.8859	3010	4.8457	-	-
2.8955	3020	4.8864	-	-
2.9051	3030	4.882	-	-
2.9147	3040	4.8897	-	-
2.9243	3050	4.9663	5.0007	4.7238
2.9338	3060	4.946	-	-
2.9434	3070	4.9555	-	-
2.9530	3080	4.9005	-	-
2.9626	3090	4.9097	-	-
2.9722	3100	4.924	5.0007	4.7231
2.9818	3110	4.8929	-	-
2.9914	3120	4.93	-	-

Framework Versions

• Python: 3.10.12
• Sentence Transformers: 4.1.0
• Transformers: 4.51.3
• PyTorch: 2.6.0+cu124
• Accelerate: 1.6.0
• 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}
}