| --- |
| base_model: aubmindlab/araelectra-base-discriminator |
| datasets: |
| - hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET |
| library_name: sentence-transformers |
| metrics: |
| - map |
| - mrr@10 |
| - ndcg@10 |
| pipeline_tag: sentence-similarity |
| tags: |
| - sentence-transformers |
| - sentence-similarity |
| - feature-extraction |
| - generated_from_trainer |
| - dataset_size:5000000 |
| - loss:MarginMSELoss |
| widget: |
| - source_sentence: ما هي الدرجة المطلوبة ليكون طبيب نفساني للأطفال |
| sentences: |
| - بعد الانتهاء من درجة البكالوريوس ، يطلب من الأطباء النفسيين للأطفال إكمال كلية |
| الطب لمدة 4 سنوات ( درجة MD أو DO ) قبل متابعة تدريب الإقامة . يتكون هذا عادة |
| من ثلاث سنوات من الطب النفسي العام تليها سنتان من التدريب المخصص للطب النفسي للأطفال |
| . لكي تصبح طبيبا نفسيا للأطفال ، تتطلب العديد من البرامج أن تحصل على درجة جامعية |
| في علم النفس ، على الرغم من أن بعض برامج الدراسات العليا تتطلب فقط أن تأخذ الشرط |
| الأساسي دورات العلوم ( الأحياء ، والعلوم الفيزيائية والاجتماعية ، والإحصاء ، والرياضيات |
| ، وما إلى ذلك ) قبل التقدم للحصول على درجة الدراسات العليا . |
| - التعليم مطلوب ليصبح عالم أرصاد جوية . لكي تصبح خبيرا في الأرصاد الجوية ، يجب أن |
| تحصل على درجة جامعية في علم الأرصاد الجوية أو علوم الغلاف الجوي ، أو شهادة في |
| الرياضيات أو العلوم الفيزيائية أو الهندسة مدعومة بدورات في علم الأرصاد الجوية |
| . |
| - تعريف . تحدث عدوى المكورات العنقودية بسبب بكتيريا المكورات العنقودية ، وهي أنواع |
| من الجراثيم توجد عادة على الجلد أو في أنف الأفراد الأصحاء ، وفي معظم الأحيان لا |
| تسبب هذه البكتيريا أي مشاكل أو تؤدي إلى التهابات جلدية طفيفة نسبيا . تحدث عدوى |
| المكورات العنقودية بسبب بكتيريا المكورات العنقودية ، وهي أنواع من الجراثيم توجد |
| عادة على الجلد أو في أنف الأفراد الأصحاء . |
| - source_sentence: تعريف المنحنيات الثانوية |
| sentences: |
| - 'تقدم هذه الصفحة جميع المعاني والترجمات الممكنة لكلمة الخلافة الثانوية . Freebase |
| ( 0 . 00 - 0 votes ) قيم هذا التعريف : التعاقب الثانوي هو أحد نوعي التعاقب البيئي |
| للحياة النباتية .' |
| - التعريف - ماذا يعني التوهين ؟ التوهين هو مصطلح في الاتصالات يشير إلى انخفاض في |
| قوة الإشارة يحدث عادة أثناء إرسال الإشارات التناظرية أو الرقمية عبر مسافات طويلة |
| . يقاس التوهين تاريخيا بالديسيبل ولكن يمكن قياسه أيضا من حيث الجهد . |
| - 'الانحناءات الثانوية للعمود الفقري . الانحناءات الثانوية للعمود الفقري . المنحنيات |
| المحدبة بطنيا للعمود الفقري التي تتطور بعد الولادة في منطقتي عنق الرحم والقطني |
| : اللوردس العنقي والقطني .' |
| - source_sentence: ما هو مرض الانسداد الرئوي المزمن ؟ |
| sentences: |
| - أظهرت الدراسة بأثر رجعي عدم وجود فرق كبير في التحسن في تحمل التمرين أو QOL بعد |
| إعادة التأهيل الرئوي في مرض الانسداد الرئوي المزمن مقابل مرضى الانسداد الرئوي |
| المزمن . لذلك ، فإن إعادة التأهيل الرئوي فعالة للمرضى ذوي الإعاقة بسبب أي مرض |
| تنفسي مزمن ، وليس فقط مرض الانسداد الرئوي المزمن . |
| - التفاقم الحاد لمرض الانسداد الرئوي المزمن . التفاقم الحاد لمرض الانسداد الرئوي |
| المزمن المعروف أيضا باسم التفاقم الحاد لالتهاب الشعب الهوائية المزمن ( AECB ) |
| هو تفاقم مفاجئ لأعراض مرض الانسداد الرئوي المزمن ( ضيق التنفس وكمية ولون البلغم |
| ) والذي يستمر عادة لعدة أيام . قد يحدث بسبب عدوى بكتيريا أو فيروسات أو عن طريق |
| ملوثات بيئية . |
| - هناك اختلافات رئيسية بين طريقة تصميم Shingrix و Zostavax . يحتوي لقاح الهربس النطاقي |
| الجديد على مادة مساعدة ، وهي مادة تعزز استجابة الجهاز المناعي . قد يكون هذا هو |
| ما يجعل Shingrix أكثر فاعلية وطويلة الأمد ، كما يقول شافنر من فاندربيلت . |
| - source_sentence: تعريف المزواة |
| sentences: |
| - إجمالي المحطات . تعد المحطات الإجمالية واحدة من أكثر أدوات المسح شيوعا المستخدمة |
| اليوم . وهي تتألف من جهاز ثيودوليت إلكتروني ومكون إلكتروني لقياس المسافة ( EDM |
| ) . تتوفر أيضا محطات روبوتية كاملة تتيح التشغيل لشخص واحد من خلال التحكم في الجهاز |
| باستخدام جهاز التحكم عن بعد . تاريخ |
| - '" تعريف " " المزواة " " . تردد الكلمات . المزواة ( اسم . أداة مسح لقياس الزوايا |
| الأفقية والرأسية ، وتتكون من تلسكوب صغير مثبت على حامل ثلاثي القوائم ، وهو مجاني |
| الحركة في المستويين الأفقي والعمودي . "' |
| - 'يمكن أن يحدث كسوف الشمس فقط خلال القمر الجديد ، عندما يتحرك القمر بين الأرض والشمس |
| وتشكل الأجرام السماوية الثلاثة خطا مستقيما : الأرض والقمر والشمس . هناك ثلاثة |
| أنواع من كسوف الشمس : الكلي ، الجزئي ، الحلقي . هناك أيضا هجين نادر هو مزيج من |
| خسوفين .' |
| - source_sentence: ما هو سماد المرحاض |
| sentences: |
| - 'توقعات مفصلة لكل ساعة . 1 0 صباحا : توقعات هاولي ، بنسلفانيا ليوم 11 أبريل هي |
| 59 درجة وضباب . هناك فرصة بنسبة 58 بالمائة لسقوط أمطار ورياح 6 ميل في الساعة من |
| الجنوب الغربي . 2 3 صباحا : توقعات مدينة هاولي ، بنسلفانيا ليوم 11 أبريل هي 55 |
| درجة وضبابية . هناك فرصة 60 بالمائة لسقوط أمطار ورياح 5 ميل في الساعة من الجنوب |
| الغربي .' |
| - مرحاض السماد هو نوع من المراحيض الجافة التي تستخدم نظام معالجة هوائيا في الغالب |
| لمعالجة الفضلات البشرية ، عن طريق التسميد أو التحلل الهوائي المدار . تستخدم هذه |
| المراحيض عموما القليل من الماء أو لا تستخدم على الإطلاق ويمكن استخدامها كبديل |
| لمراحيض الشطف . |
| - اتصل بي مالك العقار بخصوص مشكلة تتعلق بالمرحاض ، ولم يعمل أي من المكبس أو مثقاب |
| المرحاض ، وسحبت المرحاض لأجد لعبة كرة مطاطية تسد المرحاض . عمل المالك والمستأجر |
| على ذلك وقام المستأجر بدفع الفاتورة . |
| model-index: |
| - name: SentenceTransformer based on aubmindlab/araelectra-base-discriminator |
| results: |
| - task: |
| type: reranking |
| name: Reranking |
| dataset: |
| name: Unknown |
| type: unknown |
| metrics: |
| - type: map |
| value: 0.527847136091933 |
| name: Map |
| - type: mrr@10 |
| value: 0.5297288359788359 |
| name: Mrr@10 |
| - type: ndcg@10 |
| value: 0.5917037331590277 |
| name: Ndcg@10 |
| --- |
| |
| # SentenceTransformer based on aubmindlab/araelectra-base-discriminator |
|
|
| This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [aubmindlab/araelectra-base-discriminator](https://huggingface.co/aubmindlab/araelectra-base-discriminator) on the [raraelectr_aand_raraber_tused_dataset](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET) 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:** [aubmindlab/araelectra-base-discriminator](https://huggingface.co/aubmindlab/araelectra-base-discriminator) <!-- at revision aaa9fba5575bd531d45cec3eccf24b755e0dccca --> |
| - **Maximum Sequence Length:** 512 tokens |
| - **Output Dimensionality:** 768 dimensions |
| - **Similarity Function:** Cosine Similarity |
| - **Training Dataset:** |
| - [raraelectr_aand_raraber_tused_dataset](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET) |
| <!-- - **Language:** Unknown --> |
| <!-- - **License:** Unknown --> |
|
|
| ### 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': 512, 'do_lower_case': False}) with Transformer model: ElectraModel |
| (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: |
|
|
| ```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("hatemestinbejaia/AraELECTRADPR_initialversion0") |
| # Run inference |
| sentences = [ |
| 'ما هو سماد المرحاض', |
| 'مرحاض السماد هو نوع من المراحيض الجافة التي تستخدم نظام معالجة هوائيا في الغالب لمعالجة الفضلات البشرية ، عن طريق التسميد أو التحلل الهوائي المدار . تستخدم هذه المراحيض عموما القليل من الماء أو لا تستخدم على الإطلاق ويمكن استخدامها كبديل لمراحيض الشطف .', |
| 'اتصل بي مالك العقار بخصوص مشكلة تتعلق بالمرحاض ، ولم يعمل أي من المكبس أو مثقاب المرحاض ، وسحبت المرحاض لأجد لعبة كرة مطاطية تسد المرحاض . عمل المالك والمستأجر على ذلك وقام المستأجر بدفع الفاتورة .', |
| ] |
| 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] |
| ``` |
|
|
| <!-- |
| ### Direct Usage (Transformers) |
|
|
| <details><summary>Click to see the direct usage in Transformers</summary> |
|
|
| </details> |
| --> |
|
|
| <!-- |
| ### Downstream Usage (Sentence Transformers) |
|
|
| You can finetune this model on your own dataset. |
|
|
| <details><summary>Click to expand</summary> |
|
|
| </details> |
| --> |
|
|
| <!-- |
| ### Out-of-Scope Use |
|
|
| *List how the model may foreseeably be misused and address what users ought not to do with the model.* |
| --> |
|
|
| ## Evaluation |
|
|
| ### Metrics |
|
|
| #### Reranking |
|
|
| * Evaluated with [<code>RerankingEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.RerankingEvaluator) |
|
|
| | Metric | Value | |
| |:--------|:-----------| |
| | **map** | **0.5278** | |
| | mrr@10 | 0.5297 | |
| | ndcg@10 | 0.5917 | |
|
|
| <!-- |
| ## Bias, Risks and Limitations |
|
|
| *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* |
| --> |
|
|
| <!-- |
| ### Recommendations |
|
|
| *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* |
| --> |
|
|
| ## Training Details |
|
|
| ### Training Dataset |
|
|
| #### raraelectr_aand_raraber_tused_dataset |
|
|
| * Dataset: [raraelectr_aand_raraber_tused_dataset](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET) at [41662fd](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET/tree/41662fd4d29d1cf849ca12213a7b27d69fe8fcd7) |
| * Size: 5,000,000 training samples |
| * Columns: <code>query</code>, <code>pos</code>, <code>neg</code>, and <code>label</code> |
| * Approximate statistics based on the first 1000 samples: |
| | | query | pos | neg | label | |
| |:--------|:---------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:--------------------------------------------------------------------| |
| | type | string | string | string | float | |
| | details | <ul><li>min: 4 tokens</li><li>mean: 8.89 tokens</li><li>max: 23 tokens</li></ul> | <ul><li>min: 11 tokens</li><li>mean: 77.44 tokens</li><li>max: 221 tokens</li></ul> | <ul><li>min: 12 tokens</li><li>mean: 69.83 tokens</li><li>max: 184 tokens</li></ul> | <ul><li>min: -2.88</li><li>mean: 12.91</li><li>max: 21.92</li></ul> | |
| * Samples: |
| | query | pos | neg | label | |
| |:------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------| |
| | <code>القليل من الكافيين جيد أثناء الحمل</code> | <code>نحن لا نعرف الكثير عن تأثيرات الكافيين أثناء الحمل عليك وعلى طفلك . لذلك فمن الأفضل أن تحد من المبلغ الذي تحصل عليه كل يوم . إذا كنت حاملا ، قللي من تناول الكافيين إلى 200 ملليجرام يوميا . هذا هو الكمية الموجودة في فنجان واحد سعة 8 أونصات من القهوة أو فنجان قهوة سعة 12 أونصة .</code> | <code>من الآمن عموما أن تتناول النساء الحوامل الشوكولاتة لأن الدراسات أثبتت وجود فوائد معينة لتناول الشوكولاتة أثناء الحمل . ومع ذلك ، يجب على النساء الحوامل التأكد من أن تناول الكافيين أقل من 200 مجم في اليوم .</code> | <code>4.0280589908361435</code> | |
| | <code>ما هي الفاكهة الأصلية في أستراليا</code> | <code>Passiflora herbertiana . فاكهة العاطفة النادرة موطنها أستراليا . الثمار ذات قشرة خضراء ، بيضاء اللون ، مع تصنيف غير معروف للأكل . تسرد بعض المصادر الفاكهة على أنها صالحة للأكل وحلوة ولذيذة ، بينما يسرد البعض الآخر الفاكهة على أنها مرة وغير صالحة للأكل . فاكهة العاطفة النادرة موطنها أستراليا . الثمار ذات قشرة خضراء ، بيضاء اللون ، مع تصنيف غير معروف للأكل . تسرد بعض المصادر الفاكهة على أنها صالحة للأكل وحلوة ولذيذة ، بينما يسرد البعض الآخر الفواكه على أنها مرة وغير صالحة للأكل .</code> | <code>جوز الكولا هو ثمرة شجرة الكولا ، وهي جنس ( كولا ) من الأشجار التي تنتمي إلى الغابات الاستوائية المطيرة في إفريقيا .</code> | <code>10.18145449956258</code> | |
| | <code>ما هو حجم الجيش الكندي</code> | <code>القوات المسلحة الكندية . 1 بدأت أول مهمة حفظ سلام كندية واسعة النطاق في مصر في 24 نوفمبر 1956 . 2 هناك ما يقرب من 65000 من القوات النظامية و 25000 من أفراد الاحتياط في الجيش الكندي . 3 في كندا ، تم تحديد يوم 9 أغسطس كيوم حفظة السلام الوطنيين .</code> | <code>المعهد الكندي لصحة الأطباء ( CPHI ) هو برنامج وطني تم إنشاؤه في عام 2012 كتعاون بين الجمعية الطبية الكندية ( CMA ) والمؤسسة الطبية الكندية ( CMF ) والجمعيات الطبية الإقليمية والإقليمية ( PTMAs ) .</code> | <code>16.420575777689614</code> | |
| * Loss: <code>__main__.MarginMSELoss</code> |
|
|
| ### Evaluation Dataset |
|
|
| #### raraelectr_aand_raraber_tused_dataset |
|
|
| * Dataset: [raraelectr_aand_raraber_tused_dataset](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET) at [41662fd](https://huggingface.co/datasets/hatemestinbejaia/RARAELECTRAandRARABERTusedDATASET/tree/41662fd4d29d1cf849ca12213a7b27d69fe8fcd7) |
| * Size: 10,000 evaluation samples |
| * Columns: <code>query</code>, <code>pos</code>, <code>neg</code>, and <code>label</code> |
| * Approximate statistics based on the first 1000 samples: |
| | | query | pos | neg | label | |
| |:--------|:---------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:--------------------------------------------------------------------| |
| | type | string | string | string | float | |
| | details | <ul><li>min: 3 tokens</li><li>mean: 8.69 tokens</li><li>max: 24 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 73.9 tokens</li><li>max: 202 tokens</li></ul> | <ul><li>min: 21 tokens</li><li>mean: 71.16 tokens</li><li>max: 171 tokens</li></ul> | <ul><li>min: -0.75</li><li>mean: 13.72</li><li>max: 22.62</li></ul> | |
| * Samples: |
| | query | pos | neg | label | |
| |:-----------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------| |
| | <code>ما هو اسم د . كوين</code> | <code>اعرض الشخصيات المختلفة التي لعبها نفس الممثل . الدكتورة ميكايلا كوين . ولدت ميكايلا في 15 فبراير 1833 في بوسطن ، ماساتشوستس ، لأبوين جوزيف وإليزابيث كوين . هناك نشأت مع شقيقاتها الأربع : ماري ( التي تم تغيير اسمها إلى ريبيكا ) ، ومارجوري ، وكلوديت ، ومورين . كان والدها يريد ابنا ، لذلك عندما ولدت أطلق عليها اسم ميكايلا ( الملقب مايك ) .</code> | <code>ليس لدى د . ماكفارلاند أي تأمينات مدرجة . إذا كنت دكتور ماكفارلاند وترغب في إضافة تأمينات تقبلها ، يرجى تحديث ملفك التعريفي المجاني . الانتساب إلى المستشفى ينتمي د . ماكفارلاند إلى المستشفيات التالية .</code> | <code>15.524045944213867</code> | |
| | <code>من يلعب دور بيرني مادوف</code> | <code>ساحر الأكاذيب هو واحد من اثنين من مشاريع Madoff التلفزيونية قيد الإعداد . ABC لديها مسلسل قصير قادم يسمى مادوف ، من بطولة ريتشارد دريفوس وبليث دانر . قصص ذات الصلة . روبرت دي نيرو يسجل الدخول للعب بيرني مادوف في فيلم HBO المحتمل .</code> | <code>اتهمت السلطات الأمريكية مسؤول تنفيذي للمحاسبة يزعم أنه ساعد برنارد مادوف في مخطط بونزي الذي تبلغ تكلفته عدة مليارات من الدولارات ، والذي يوسع نطاق تحقيقه في الاحتيال بعد خمس سنوات من اكتشافه .</code> | <code>13.17703644434611</code> | |
| | <code>كم قدم مكعب في طن من حصى البازلاء</code> | <code>لذلك 1 طن لديه 2000 - 100 أو 20 قدم مكعب من الحصى . الفناء المكعب هو 3x3x3 = 27 قدما مكعبا من الفناء المكعب ، الإجابة 20 - 27 أو 0 . 74 ياردة مكعبة . العوامل الأخرى التي تؤثر على حجم الحصى هي محتوى الرطوبة ودرجات المواد . يحتوي حصى البازلاء على سبيل المثال على جميع الجزيئات ذات الحجم المحدد ، على سبيل المثال ، 1 - 4 بوصة ، حوالي 120 رطلا للإشارة فقط : 1 قدم مكعب = 6 . 25 جالون ( إمبراطوري ) ، جالون من الماء يزن 10 أرطال ، لذا فإن القدم المكعبة من الماء تزن 62 . 5 رطلا . هذا يعني أن الجاذبية النوعية للحصى هي 120 - 62 . 5 ، أو أقل قليلا من 2 .</code> | <code>1 كيس قدم مكعب واحد ( التربة والمهاد ) يغطي ما يقرب من 8 أقدام مربعة إلى عمق 3 . 2 كيس واحد 75 رطلا ( الحصى والرمل ) يغطي حوالي 4 أقدام مربعة إلى عمق 3 . 3 بوصات سميكة ستغطي حوالي 300 قدم مربع . سيغطي سمك 1 حوالي 150 قدما مربعا .</code> | <code>10.34702980518341</code> | |
| * Loss: <code>__main__.MarginMSELoss</code> |
|
|
| ### Training Hyperparameters |
| #### Non-Default Hyperparameters |
|
|
| - `eval_strategy`: steps |
| - `per_device_train_batch_size`: 16 |
| - `gradient_accumulation_steps`: 8 |
| - `learning_rate`: 7e-05 |
| - `warmup_ratio`: 0.07 |
| - `fp16`: True |
| - `half_precision_backend`: amp |
| - `load_best_model_at_end`: True |
| - `fp16_backend`: amp |
|
|
| #### All Hyperparameters |
| <details><summary>Click to expand</summary> |
|
|
| - `overwrite_output_dir`: False |
| - `do_predict`: False |
| - `eval_strategy`: steps |
| - `prediction_loss_only`: True |
| - `per_device_train_batch_size`: 16 |
| - `per_device_eval_batch_size`: 8 |
| - `per_gpu_train_batch_size`: None |
| - `per_gpu_eval_batch_size`: None |
| - `gradient_accumulation_steps`: 8 |
| - `eval_accumulation_steps`: None |
| - `torch_empty_cache_steps`: None |
| - `learning_rate`: 7e-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`: 3 |
| - `max_steps`: -1 |
| - `lr_scheduler_type`: linear |
| - `lr_scheduler_kwargs`: {} |
| - `warmup_ratio`: 0.07 |
| - `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`: True |
| - `fp16_opt_level`: O1 |
| - `half_precision_backend`: amp |
| - `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`: 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 |
| - `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`: amp |
| - `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 |
| - `use_liger_kernel`: False |
| - `eval_use_gather_object`: False |
| - `prompts`: None |
| - `batch_sampler`: batch_sampler |
| - `multi_dataset_batch_sampler`: proportional |
|
|
| </details> |
|
|
| ### Training Logs |
| | Epoch | Step | Training Loss | Validation Loss | map | |
| |:----------:|:---------:|:-------------:|:---------------:|:----------:| |
| | 2.0992 | 82000 | 0.8802 | 0.7704 | 0.5137 | |
| | 2.1504 | 84000 | 0.8801 | 0.7701 | 0.5128 | |
| | 2.2016 | 86000 | 0.8801 | 0.7701 | 0.5172 | |
| | **2.2528** | **88000** | **0.88** | **0.7701** | **0.5395** | |
| | 2.3040 | 90000 | 0.8799 | 0.7700 | 0.5278 | |
|
|
| * The bold row denotes the saved checkpoint. |
|
|
| ### Framework Versions |
| - Python: 3.10.14 |
| - Sentence Transformers: 3.3.1 |
| - Transformers: 4.45.1 |
| - PyTorch: 2.4.0 |
| - Accelerate: 0.34.2 |
| - Datasets: 3.0.1 |
| - Tokenizers: 0.20.0 |
|
|
| ## 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", |
| } |
| ``` |
|
|
| #### MarginMSELoss |
| ```bibtex |
| @misc{hofstätter2021improving, |
| title={Improving Efficient Neural Ranking Models with Cross-Architecture Knowledge Distillation}, |
| author={Sebastian Hofstätter and Sophia Althammer and Michael Schröder and Mete Sertkan and Allan Hanbury}, |
| year={2021}, |
| eprint={2010.02666}, |
| archivePrefix={arXiv}, |
| primaryClass={cs.IR} |
| } |
| ``` |
|
|
| <!-- |
| ## Glossary |
|
|
| *Clearly define terms in order to be accessible across audiences.* |
| --> |
|
|
| <!-- |
| ## Model Card Authors |
|
|
| *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* |
| --> |
|
|
| <!-- |
| ## Model Card Contact |
|
|
| *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* |
| --> |
