oliverguhr/revosax-granite-embedding-278m-multilingual

ibm-granite/granite-embedding-278m-multilingual trained on german Natural Questions pairs

This is a sentence-transformers model finetuned from ibm-granite/granite-embedding-278m-multilingual on the csv 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: ibm-granite/granite-embedding-278m-multilingual
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Training Dataset:
  • csv
• Language: de
• License: apache-2.0

Model Sources

• Repository and Code: GitHub Repo with training Code

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, '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:

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("oliverguhr/revosax-granite-embedding-278m-multilingual")
# Run inference
sentences = [
    'Was muss ich beachten, wenn ich eine Erlaubnis zum Verbringen von Waffen oder Munition aus Deutschland beantragen möchte?',
    '## Zehntes Sächsisches Kostenverzeichnis 99 Waffenrecht\r\n 1 Hs. 2 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 269 bis 2 694 | | 3.3 | Bewilligung von Fristverlängerung nach § 21 Abs. 5 Satz 2 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 25 Prozent der nach Tarifstelle 3.1 oder 3.2 festgesetzten Gebühr | | 3.4 | Erlaubnis zum nichtgewerbsmäßigen Herstellen, Bearbeiten oder Instandsetzen von Schusswaffen nach § 26 Abs. 1 Satz 1 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 140 bis 680 | | 3.5 | Erlaubnis zum Betrieb oder zur wesentlichen Änderung ihrer Beschaffenheit oder Art der Nutzung einer Schießstätte einschließlich Abnahmeprüfung nach § 27 Abs. 1 Satz 1 [WaffG](/federal_laws/431/redirect "Waffengesetz"), einschließlich Abnahmeprüfung | 140 bis 1 000 | | 3.6 | Mitteilungen gemäß § 34 Abs. 1 Satz 4 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 17 | | 4. | Verbringen und Mitnahme von Waffen oder Munition in den, durch den oder aus dem Geltungsbereich des Gesetzes | | | 4.1 | Erlaubnis zum Verbringen von Waffen oder Munition in die, durch die oder aus der Bundesrepublik Deutschland nach § 29 Abs. 1 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 70 | | 4.2 | Allgemeine Erlaubnis zum Verbringen von Waffen oder Munition aus der Bundesrepublik Deutschland nach § 30 Abs. 1 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 90 | | 4.3 | Erlaubnis zur Mitnahme von Waffen oder Munition in die oder durch die Bundesrepublik Deutschland nach § 32 Abs. 1 Satz 1 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 70 | | 4.4 | Verlängern einer Erlaubnis zur Mitnahme von Waffen oder Munition in die oder durch die Bundesrepublik Deutschland nach § 32 Abs. 1 Satz 2 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 45 | | 4.5 | Erlaubnis zur Mitnahme von Waffen oder Munition in einen anderen Mitgliedstaat nach § 32 Abs. 1a [WaffG](/federal_laws/431/redirect "Waffengesetz") | 70 | | 4.6 | Ausstellen eines Europäischen Feuerwaffenpasses nach § 32 Abs. 2 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 80 | | 4.7 | Eintragungen im Europäischen Feuerwaffenpass, soweit die Eintragung nicht beim Ausstellen des Europäischen Feuerwaffenpasses vorgenommen wird nach § 37g Abs. 3 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 35 | | 4.8 | Verlängern der Geltungsdauer eines Europäischen Feuerwaffenpasses nach § 33 Abs. 1 Satz 2 [AWaffV](/federal_laws/986/redirect "Allgemeine Waffengesetz-Verordnung") | 45 | | 5. | Zulassung von Ausnahmen | | | 5.1 | Ausnahmen vom Mindestalter für Kinder und Jugendliche nach § 3 Abs. 3 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 105 bis 210 | | 5.2 | Ausnahmen von den Erlaubnispflichten nach § 12 Abs. 5 [WaffG](/federal_laws/431/redirect "Waffengesetz") | 105 bis 275 | | 5.3 | Ausnahmen vom Mindestalter zur',
    '## Schulordnung Förderschulen §\xa05 \xa0Aufgabe und Aufbau der Schule mit Förderschwerpunkt geistige Entwicklung\r\n\r\n(1) Die Schule mit dem Förderschwerpunkt geistige Entwicklung unterrichtet und begleitet Schülerinnen und Schüler mit schwerwiegenden Beeinträchtigungen im kognitiven Bereich, verbunden mit sozialkommunikativen und emotionalen Besonderheiten.\r\n\r\n(2) Die Schule mit Förderschwerpunkt geistige Entwicklung gliedert sich in Unterstufe, Mittelstufe, Oberstufe und Werkstufe. Innerhalb der einzelnen Stufen werden Klassen gebildet. Der Besuch einer Stufe umfasst drei Jahre. Die Schülerinnen und Schüler der Schule mit dem Förderschwerpunkt geistige Entwicklung erfüllen die ihnen obliegende Berufsschulpflicht in der Regel in der Werkstufe.\r\n\r\n(3) Der Unterricht erfolgt nach den Lehrplänen für die Schule mit dem Förderschwerpunkt geistige Entwicklung.\r\n\r\n\r\n',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Training Details

Training Dataset

csv

• Dataset: csv
• Size: 48,631 training samples
• Columns: query and answer
• Approximate statistics based on the first 1000 samples:

  	query	answer
  type	string	string
  details	min: 13 tokens mean: 25.25 tokens max: 50 tokens	min: 19 tokens mean: 278.62 tokens max: 512 tokens

• Samples:

  query	answer
  Wie kann ich die Berichtigung der Eröffnungsbilanz und des Jahresabschlusses im sächsischen Kommunalhaushalt vornehmen, wenn ich einen Fehler entdecke?	## Sächsische Kommunalhaushaltsverordnung § 62  Berichtigung der Eröffnungsbilanz, des Jahresabschlusses und des Gesamtabschlusses
  (1) Ergibt sich bei der Aufstellung des Jahresabschlusses für ein späteres Haushaltsjahr, dass in der Eröffnungsbilanz Vermögensgegenstände, zweckgebundene und sonstige Rücklagen, Sonderposten, Rückstellungen, Verbindlichkeiten oder Rechnungsabgrenzungsposten
  1. mit einem zu niedrigen Wert, 2. mit einem zu hohen Wert, 3. zu Unrecht oder 4. nicht angesetzt worden sind, ist in dem letzten noch nicht festgestellten Jahresabschluss der Wertansatz zu berichtigen oder der unterlassene Wertansatz nachzuholen, wenn es sich um einen wesentlichen Betrag handelt.
  (2) Maßgeblich für die Beurteilung der Fehlerhaftigkeit sind die zum Bilanzstichtag bestehenden objektiven Verhältnisse.
  (3) Die Berichtigung ist im Anhang des betroffenen Jahresabschlusses zu erläutern. Auf Grund einer nachträglichen Ausübung von Wahlrechten oder Ermessensspielräumen ist eine Ber...
  Was muss ich beachten, wenn ich eine Mitteilung über die Anordnung oder Aufhebung einer Vollstreckungssperre machen möchte?	## Verwaltungsvorschrift des Sächsischen Staatsministeriums der Justiz und für Demokratie, Europa und Gleichstellung über Mitteilungen in Zivilsachen 1 Mitteilungen über die Anordnung und Aufhebung einer Vollstreckungssperre
  (1) Mitzuteilen sind die Anordnung und Aufhebung einer Vollstreckungssperre nach § 49 Absatz 1 Nummer 1 StaRUG.
  Gleiches gilt für Folgeanordnungen und Neuanordnungen nach § 52 StaRUG.
  (2) Die Mitteilung ist alsbald nach Erlass der Anordnung oder Aufhebung zu bewirken.
  (3) Die Mitteilungen sind zu richten an:
  1. das Vollstreckungsgericht; 2. die Gerichtskasse oder die nach § 2 Absatz 1 Satz 2 JBeitrG als Vollstreckungsbehörde bestimmte Stelle; 3. das Hauptzollamt; 4. die Verteilerstelle für Gerichtsvollzieheraufträge; 5. das Finanzamt; 6. die Agentur für Arbeit. (4) Soweit gesetzliche Vorschriften nicht entgegenstehen, können die Mitteilungen in einfacher Abschrift oder auch elektronisch übermittelt werden.
  Wann tritt die Sächsische Härtefallkommissionsverordnung genau in Kraft?	## Sächsische Härtefallkommissionsverordnung § 5  Inkrafttreten
  Diese Verordnung tritt am Tage nach ihrer Verkündung in Kraft.
  Dresden, den 6. Juli 2010
  Der Ministerpräsident
  In Vertretung
  Sven Morlok
  Staatsminister
  Der Staatsminister des Innern
  In Vertretung
  Prof. Dr. Georg Unland
  Staatsminister

• Loss: CachedMultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "mini_batch_size": 32
  }
  

Evaluation Dataset

csv

• Dataset: csv
• Size: 12,158 evaluation samples
• Columns: query and answer
• Approximate statistics based on the first 1000 samples:

  	query	answer
  type	string	string
  details	min: 12 tokens mean: 25.29 tokens max: 44 tokens	min: 19 tokens mean: 281.72 tokens max: 512 tokens

• Samples:

  query	answer
  Was sind die Voraussetzungen, um eine Vergütung für Fachkräfte im Bereich der Sozialarbeit zu bekommen?	## Verwaltungsvorschrift des Sächsischen Staatsministeriums für Soziales, Gesundheit, Jugend und Familie über die Vergütung für Fachkräfte beim Vollzug der Verordnung über die staatliche Anerkennung von Diplom-Sozialarbeitern, Diplom-Sozialpädagogen und Diplom-Heilpädagogen 2. Voraussetzungen
  2. Voraussetzungen
  Eine Vergütung kann nur gewährt werden, wenn a) der Fachkraft die Tätigkeit nicht im Rahmen der Dienstpflichten im Hauptamt übertragen werden kann und b) sie für diese Nebentätigkeit im Hauptamt nachweislich nicht entsprechend entlastet wird.
  Wie wird die Mitgliedschaft in der Bundesregierung oder im Landtag bei der Besoldung berücksichtigt?	## Verwaltungsvorschrift des Sächsischen Staatsministeriums der Finanzen zum Vollzug des Sächsischen Besoldungsgesetzes
  der Mitgliedschaft in der Bundesregierung oder einer Landesregierung, in der gesetzgebenden Körperschaft eines Landes, im Deutschen Bundestag oder im Europäischen Parlament nicht den Aufstieg in den Stufen des Grundgehalts. Dies setzt voraus, dass das ehemalige Kabinettsmitglied oder der ehemalige Abgeordnete für die Dauer der Mitgliedschaft keine Versorgungsabfindung erhalten hat. Für die ehemaligen Mitglieder der Sächsischen Staatsregierung, die danach im Beamtenverhältnis wiederverwendet werden, kommt eine Berücksichtigung der Zeit der Mitgliedschaft beim Stufenaufstieg in Betracht, da das Sächsische Ministergesetz keine Regelung zu einer Versorgungsabfindung enthält. Ebenso verhält es sich bei den ehemaligen Kabinettsmitgliedern des Bundes. Eine Versorgungsabfindung erhalten auf Antrag die Mitglieder des Sächsischen Landtages gemäß § 17 Absatz 1 des Abgeordnete...
  Was muss ich beachten, wenn ich eine Förderung für ganztägige Bildungs- und Betreuungsangebote beantragen möchte?	## Richtlinie Ganztagsinvestitionen VII. Verfahren
  § 7 Ganztagsfinanzhilfegesetz vorliegen und keine Doppelförderung beantragt wird, kk) Angaben zur Anzahl der Plätze ganztägiger Bildungs- und Betreuungsangebote, die gemäß Ziffer IV Nummer 1 Buchstabe h mit der Investitionsmaßnahme aaa) zusätzlich geschaffen werden, bbb) von der Schaffung räumlicher Kapazitäten profitieren, ccc) erhalten werden, weil sie ohne Erhaltungsmaßnahmen mindestens perspektivisch vom Wegfall bedroht sind, oder vom Erhalt räumlicher Kapazitäten profitieren, als messbare Ziele der Investitionsmaßnahme, ll) Angaben, ob an der Schule Zuwendungen nach der Sächsischen Ganztagsangebotsverordnung eingesetzt werden, mm) eine Versicherung, dass die Planung und Durchführung der beantragten Maßnahme auf Grundlage von angemessenen und dokumentierten Wirtschaftlichkeitsuntersuchungen erfolgt und die Grundsätze der Wirtschaftlichkeit und Sparsamkeit eingehalten werden, nn) eine Versicherung, dass die Maßnahme im Sinne von Z...

• Loss: CachedMultipleNegativesRankingLoss with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "mini_batch_size": 32
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 32
• learning_rate: 4e-05
• warmup_ratio: 0.1
• seed: 12
• bf16: True
• batch_sampler: no_duplicates

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: 32
• 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: 4e-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: 0.1
• 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: 12
• 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: None
• local_rank: 0
• ddp_backend: None
• tpu_num_cores: None
• tpu_metrics_debug: False
• debug: []
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_prefetch_factor: None
• past_index: -1
• disable_tqdm: False
• remove_unused_columns: True
• label_names: None
• load_best_model_at_end: False
• ignore_data_skip: False
• fsdp: []
• fsdp_min_num_params: 0
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
• tp_size: 0
• fsdp_transformer_layer_cls_to_wrap: None
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch
• optim_args: None
• adafactor: False
• group_by_length: False
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• skip_memory_metrics: True
• use_legacy_prediction_loop: False
• push_to_hub: False
• resume_from_checkpoint: None
• hub_model_id: None
• hub_strategy: every_save
• hub_private_repo: None
• hub_always_push: False
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_inputs_for_metrics: False
• include_for_metrics: []
• eval_do_concat_batches: True
• fp16_backend: auto
• push_to_hub_model_id: None
• push_to_hub_organization: None
• mp_parameters:
• auto_find_batch_size: False
• full_determinism: False
• torchdynamo: None
• ray_scope: last
• ddp_timeout: 1800
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• include_tokens_per_second: False
• include_num_input_tokens_seen: False
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• use_liger_kernel: False
• eval_use_gather_object: False
• average_tokens_across_devices: False
• prompts: None
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional

Training Logs

Click to expand

Epoch	Step	Training Loss	Validation Loss
0.0007	1	0.3765	-
0.0033	5	0.4998	-
0.0066	10	0.5041	-
0.0099	15	0.4927	-
0.0132	20	0.3842	-
0.0164	25	0.463	-
0.0197	30	0.5034	-
0.0230	35	0.4948	-
0.0263	40	0.4611	-
0.0296	45	0.4297	-
0.0329	50	0.433	-
0.0362	55	0.4112	-
0.0395	60	0.4352	-
0.0428	65	0.408	-
0.0461	70	0.4639	-
0.0493	75	0.4229	-
0.0526	80	0.4303	-
0.0559	85	0.4534	-
0.0592	90	0.4534	-
0.0625	95	0.3836	-
0.0658	100	0.376	-
0.0691	105	0.4177	-
0.0724	110	0.3835	-
0.0757	115	0.3872	-
0.0789	120	0.3169	-
0.0822	125	0.3255	-
0.0855	130	0.2971	-
0.0888	135	0.3262	-
0.0921	140	0.2915	-
0.0954	145	0.285	-
0.0987	150	0.3298	-
0.1020	155	0.2844	-
0.1053	160	0.2968	-
0.1086	165	0.2559	-
0.1118	170	0.2791	-
0.1151	175	0.261	-
0.1184	180	0.2612	-
0.1217	185	0.2252	-
0.125	190	0.1789	-
0.1283	195	0.2246	-
0.1316	200	0.2383	-
0.1349	205	0.2188	-
0.1382	210	0.2215	-
0.1414	215	0.2229	-
0.1447	220	0.2135	-
0.1480	225	0.1902	-
0.1513	230	0.1905	-
0.1546	235	0.2281	-
0.1579	240	0.1723	-
0.1612	245	0.179	-
0.1645	250	0.1701	-
0.1678	255	0.179	-
0.1711	260	0.1688	-
0.1743	265	0.1579	-
0.1776	270	0.1761	-
0.1809	275	0.1268	-
0.1842	280	0.1128	-
0.1875	285	0.1468	-
0.1908	290	0.1269	-
0.1941	295	0.1297	-
0.1974	300	0.1035	-
0.2007	305	0.1336	-
0.2039	310	0.1296	-
0.2072	315	0.0967	-
0.2105	320	0.1198	-
0.2138	325	0.12	-
0.2171	330	0.1164	-
0.2204	335	0.0895	-
0.2237	340	0.0683	-
0.2270	345	0.0977	-
0.2303	350	0.098	-
0.2336	355	0.0878	-
0.2368	360	0.0659	-
0.2401	365	0.0751	-
0.2434	370	0.1003	-
0.2467	375	0.0837	-
0.25	380	0.068	-
0.2533	385	0.0806	-
0.2566	390	0.0732	-
0.2599	395	0.0889	-
0.2632	400	0.0604	-
0.2664	405	0.0773	-
0.2697	410	0.0768	-
0.2730	415	0.0713	-
0.2763	420	0.07	-
0.2796	425	0.0521	-
0.2829	430	0.0565	-
0.2862	435	0.037	-
0.2895	440	0.0674	-
0.2928	445	0.0558	-
0.2961	450	0.0492	-
0.2993	455	0.0615	-
0.3026	460	0.0493	-
0.3059	465	0.0429	-
0.3092	470	0.0858	-
0.3125	475	0.0847	-
0.3158	480	0.0647	-
0.3191	485	0.0705	-
0.3224	490	0.0683	-
0.3257	495	0.0575	-
0.3289	500	0.0531	-
0.3322	505	0.0443	-
0.3355	510	0.0561	-
0.3388	515	0.0468	-
0.3421	520	0.0473	-
0.3454	525	0.0412	-
0.3487	530	0.0346	-
0.3520	535	0.061	-
0.3553	540	0.0652	-
0.3586	545	0.0296	-
0.3618	550	0.0511	-
0.3651	555	0.0463	-
0.3684	560	0.0713	-
0.3717	565	0.0405	-
0.375	570	0.0443	-
0.3783	575	0.0404	-
0.3816	580	0.038	-
0.3849	585	0.045	-
0.3882	590	0.0462	-
0.3914	595	0.0367	-
0.3947	600	0.0375	-
0.3980	605	0.0369	-
0.4013	610	0.0481	-
0.4046	615	0.0328	-
0.4079	620	0.0322	-
0.4112	625	0.0467	-
0.4145	630	0.0359	-
0.4178	635	0.0412	-
0.4211	640	0.041	-
0.4243	645	0.0459	-
0.4276	650	0.0368	-
0.4309	655	0.0327	-
0.4342	660	0.0338	-
0.4375	665	0.0863	-
0.4408	670	0.0371	-
0.4441	675	0.0342	-
0.4474	680	0.0466	-
0.4507	685	0.0424	-
0.4539	690	0.042	-
0.4572	695	0.0819	-
0.4605	700	0.043	-
0.4638	705	0.0397	-
0.4671	710	0.0392	-
0.4704	715	0.0235	-
0.4737	720	0.0411	-
0.4770	725	0.0286	-
0.4803	730	0.033	-
0.4836	735	0.0519	-
0.4868	740	0.0393	-
0.4901	745	0.047	-
0.4934	750	0.0532	-
0.4967	755	0.054	-
0.5	760	0.0415	-
0.5033	765	0.0602	-
0.5066	770	0.0541	-
0.5099	775	0.0887	-
0.5132	780	0.0235	-
0.5164	785	0.0224	-
0.5197	790	0.0445	-
0.5230	795	0.0258	-
0.5263	800	0.0308	-
0.5296	805	0.0382	-
0.5329	810	0.0357	-
0.5362	815	0.0732	-
0.5395	820	0.0381	-
0.5428	825	0.0387	-
0.5461	830	0.0532	-
0.5493	835	0.0381	-
0.5526	840	0.0606	-
0.5559	845	0.0312	-
0.5592	850	0.0264	-
0.5625	855	0.0475	-
0.5658	860	0.046	-
0.5691	865	0.0254	-
0.5724	870	0.0321	-
0.5757	875	0.0423	-
0.5789	880	0.0619	-
0.5822	885	0.0489	-
0.5855	890	0.0228	-
0.5888	895	0.0234	-
0.5921	900	0.0535	-
0.5954	905	0.032	-
0.5987	910	0.0365	-
0.6020	915	0.0382	-
0.6053	920	0.0411	-
0.6086	925	0.0327	-
0.6118	930	0.0306	-
0.6151	935	0.035	-
0.6184	940	0.0284	-
0.6217	945	0.0364	-
0.625	950	0.0265	-
0.6283	955	0.0271	-
0.6316	960	0.0417	-
0.6349	965	0.0275	-
0.6382	970	0.0405	-
0.6414	975	0.0288	-
0.6447	980	0.0335	-
0.6480	985	0.0328	-
0.6513	990	0.0568	-
0.6546	995	0.027	-
0.6579	1000	0.0367	-
0.6612	1005	0.0329	-
0.6645	1010	0.0455	-
0.6678	1015	0.0433	-
0.6711	1020	0.0433	-
0.6743	1025	0.0596	-
0.6776	1030	0.0708	-
0.6809	1035	0.0231	-
0.6842	1040	0.0357	-
0.6875	1045	0.0611	-
0.6908	1050	0.0327	-
0.6941	1055	0.0313	-
0.6974	1060	0.0368	-
0.7007	1065	0.0402	-
0.7039	1070	0.0657	-
0.7072	1075	0.0391	-
0.7105	1080	0.0543	-
0.7138	1085	0.0254	-
0.7171	1090	0.0348	-
0.7204	1095	0.0418	-
0.7237	1100	0.0336	-
0.7270	1105	0.0242	-
0.7303	1110	0.0329	-
0.7336	1115	0.0277	-
0.7368	1120	0.0261	-
0.7401	1125	0.0281	-
0.7434	1130	0.0549	-
0.7467	1135	0.0206	-
0.75	1140	0.0209	-
0.7533	1145	0.0268	-
0.7566	1150	0.0295	-
0.7599	1155	0.0322	-
0.7632	1160	0.0246	-
0.7664	1165	0.0321	-
0.7697	1170	0.0289	-
0.7730	1175	0.0222	-
0.7763	1180	0.0305	-
0.7796	1185	0.0318	-
0.7829	1190	0.0267	-
0.7862	1195	0.0244	-
0.7895	1200	0.0305	-
0.7928	1205	0.0326	-
0.7961	1210	0.0289	-
0.7993	1215	0.023	-
0.8026	1220	0.0428	-
0.8059	1225	0.0238	-
0.8092	1230	0.0348	-
0.8125	1235	0.0478	-
0.8158	1240	0.0292	-
0.8191	1245	0.0324	-
0.8224	1250	0.0335	-
0.8257	1255	0.033	-
0.8289	1260	0.0231	-
0.8322	1265	0.022	-
0.8355	1270	0.0332	-
0.8388	1275	0.0512	-
0.8421	1280	0.0367	-
0.8454	1285	0.03	-
0.8487	1290	0.0313	-
0.8520	1295	0.0582	-
0.8553	1300	0.0314	-
0.8586	1305	0.0206	-
0.8618	1310	0.0291	-
0.8651	1315	0.0267	-
0.8684	1320	0.0204	-
0.8717	1325	0.0306	-
0.875	1330	0.0199	-
0.8783	1335	0.0167	-
0.8816	1340	0.0262	-
0.8849	1345	0.028	-
0.8882	1350	0.0344	-
0.8914	1355	0.0339	-
0.8947	1360	0.0425	-
0.8980	1365	0.0317	-
0.9013	1370	0.0349	-
0.9046	1375	0.0302	-
0.9079	1380	0.0319	-
0.9112	1385	0.0314	-
0.9145	1390	0.0305	-
0.9178	1395	0.0329	-
0.9211	1400	0.034	-
0.9243	1405	0.027	-
0.9276	1410	0.0344	-
0.9309	1415	0.0287	-
0.9342	1420	0.0201	-
0.9375	1425	0.0376	-
0.9408	1430	0.0279	-
0.9441	1435	0.0352	-
0.9474	1440	0.023	-
0.9507	1445	0.023	-
0.9539	1450	0.0252	-
0.9572	1455	0.0256	-
0.9605	1460	0.0371	-
0.9638	1465	0.0225	-
0.9671	1470	0.0288	-
0.9704	1475	0.0262	-
0.9737	1480	0.0262	-
0.9770	1485	0.0301	-
0.9803	1490	0.0302	-
0.9836	1495	0.0243	-
0.9868	1500	0.0426	-
0.9901	1505	0.0416	-
0.9934	1510	0.0399	-
0.9967	1515	0.0209	-
1.0	1520	0.041	-
1.0033	1525	0.0385	-
1.0066	1530	0.0184	-
1.0099	1535	0.0298	-
1.0132	1540	0.0427	-
1.0164	1545	0.0198	-
1.0197	1550	0.0445	-
1.0230	1555	0.0444	-
1.0263	1560	0.0375	-
1.0296	1565	0.0295	-
1.0329	1570	0.0227	-
1.0362	1575	0.0267	-
1.0395	1580	0.0325	-
1.0428	1585	0.0289	-
1.0461	1590	0.0304	-
1.0493	1595	0.042	-
1.0526	1600	0.0266	-
1.0559	1605	0.0436	-
1.0592	1610	0.0486	-
1.0625	1615	0.0312	-
1.0658	1620	0.0245	-
1.0691	1625	0.0168	-
1.0724	1630	0.0207	-
1.0757	1635	0.0344	-
1.0789	1640	0.0199	-
1.0822	1645	0.0327	-
1.0855	1650	0.0567	-
1.0888	1655	0.0358	-
1.0921	1660	0.0296	-
1.0954	1665	0.0268	-
1.0987	1670	0.0392	-
1.1020	1675	0.0213	-
1.1053	1680	0.0335	-
1.1086	1685	0.0267	-
1.1118	1690	0.0311	-
1.1151	1695	0.0347	-
1.1184	1700	0.0385	-
1.1217	1705	0.0355	-
1.125	1710	0.0252	-
1.1283	1715	0.0389	-
1.1316	1720	0.0269	-
1.1349	1725	0.0162	-
1.1382	1730	0.044	-
1.1414	1735	0.0254	-
1.1447	1740	0.0303	-
1.1480	1745	0.0154	-
1.1513	1750	0.0353	-
1.1546	1755	0.0165	-
1.1579	1760	0.0218	-
1.1612	1765	0.0204	-
1.1645	1770	0.0431	-
1.1678	1775	0.0446	-
1.1711	1780	0.0388	-
1.1743	1785	0.0189	-
1.1776	1790	0.0237	-
1.1809	1795	0.0163	-
1.1842	1800	0.0173	-
1.1875	1805	0.0271	-
1.1908	1810	0.0307	-
1.1941	1815	0.0301	-
1.1974	1820	0.0345	-
1.2007	1825	0.0221	-
1.2039	1830	0.0196	-
1.2072	1835	0.0293	-
1.2105	1840	0.0446	-
1.2138	1845	0.0274	-
1.2171	1850	0.026	-
1.2204	1855	0.0222	-
1.2237	1860	0.0191	-
1.2270	1865	0.0427	-
1.2303	1870	0.0289	-
1.2336	1875	0.0542	-
1.2368	1880	0.0303	-
1.2401	1885	0.027	-
1.2434	1890	0.0203	-
1.2467	1895	0.0273	-
1.25	1900	0.0615	-
1.2533	1905	0.0243	-
1.2566	1910	0.0258	-
1.2599	1915	0.0163	-
1.2632	1920	0.0162	-
1.2664	1925	0.0252	-
1.2697	1930	0.0354	-
1.2730	1935	0.0336	-
1.2763	1940	0.0306	-
1.2796	1945	0.0364	-
1.2829	1950	0.0249	-
1.2862	1955	0.0303	-
1.2895	1960	0.0599	-
1.2928	1965	0.0264	-
1.2961	1970	0.0263	-
1.2993	1975	0.0376	-
1.3026	1980	0.0179	-
1.3059	1985	0.0294	-
1.3092	1990	0.0344	-
1.3125	1995	0.0369	-
1.3158	2000	0.0262	-
1.3191	2005	0.0268	-
1.3224	2010	0.0148	-
1.3257	2015	0.0382	-
1.3289	2020	0.0353	-
1.3322	2025	0.0334	-
1.3355	2030	0.0282	-
1.3388	2035	0.058	-
1.3421	2040	0.023	-
1.3454	2045	0.0221	-
1.3487	2050	0.0272	-
1.3520	2055	0.0531	-
1.3553	2060	0.0214	-
1.3586	2065	0.0284	-
1.3618	2070	0.0315	-
1.3651	2075	0.035	-
1.3684	2080	0.0274	-
1.3717	2085	0.0301	-
1.375	2090	0.0344	-
1.3783	2095	0.027	-
1.3816	2100	0.0449	-
1.3849	2105	0.0239	-
1.3882	2110	0.031	-
1.3914	2115	0.0163	-
1.3947	2120	0.0352	-
1.3980	2125	0.0166	-
1.4013	2130	0.0483	-
1.4046	2135	0.0261	-
1.4079	2140	0.0181	-
1.4112	2145	0.027	-
1.4145	2150	0.0416	-
1.4178	2155	0.0152	-
1.4211	2160	0.0334	-
1.4243	2165	0.0263	-
1.4276	2170	0.0315	-
1.4309	2175	0.0247	-
1.4342	2180	0.0283	-
1.4375	2185	0.0321	-
1.4408	2190	0.0317	-
1.4441	2195	0.022	-
1.4474	2200	0.0435	-
1.4507	2205	0.0286	-
1.4539	2210	0.0255	-
1.4572	2215	0.0443	-
1.4605	2220	0.0314	-
1.4638	2225	0.0226	-
1.4671	2230	0.0234	-
1.4704	2235	0.0185	-
1.4737	2240	0.0442	-
1.4770	2245	0.0331	-
1.4803	2250	0.0382	-
1.4836	2255	0.0251	-
1.4868	2260	0.0184	-
1.4901	2265	0.0239	-
1.4934	2270	0.0585	-
1.4967	2275	0.0347	-
1.5	2280	0.0248	0.0185
1.5033	2285	0.0163	-
1.5066	2290	0.0376	-
1.5099	2295	0.0352	-
1.5132	2300	0.0209	-
1.5164	2305	0.039	-
1.5197	2310	0.0233	-
1.5230	2315	0.0347	-
1.5263	2320	0.0464	-
1.5296	2325	0.0287	-
1.5329	2330	0.0304	-
1.5362	2335	0.0366	-
1.5395	2340	0.0236	-
1.5428	2345	0.0185	-
1.5461	2350	0.0195	-
1.5493	2355	0.0295	-
1.5526	2360	0.0277	-
1.5559	2365	0.0298	-
1.5592	2370	0.0356	-
1.5625	2375	0.0309	-
1.5658	2380	0.0277	-
1.5691	2385	0.0301	-
1.5724	2390	0.0311	-
1.5757	2395	0.0232	-
1.5789	2400	0.0246	-
1.5822	2405	0.0362	-
1.5855	2410	0.0245	-
1.5888	2415	0.0348	-
1.5921	2420	0.0262	-
1.5954	2425	0.0217	-
1.5987	2430	0.0204	-
1.6020	2435	0.0166	-
1.6053	2440	0.034	-
1.6086	2445	0.0319	-
1.6118	2450	0.0153	-
1.6151	2455	0.023	-
1.6184	2460	0.0428	-
1.6217	2465	0.0209	-
1.625	2470	0.0185	-
1.6283	2475	0.0181	-
1.6316	2480	0.0243	-
1.6349	2485	0.035	-
1.6382	2490	0.021	-
1.6414	2495	0.0292	-
1.6447	2500	0.0248	-
1.6480	2505	0.0259	-
1.6513	2510	0.0346	-
1.6546	2515	0.0367	-
1.6579	2520	0.0216	-
1.6612	2525	0.0193	-
1.6645	2530	0.0264	-
1.6678	2535	0.0267	-
1.6711	2540	0.0238	-
1.6743	2545	0.0356	-
1.6776	2550	0.0202	-
1.6809	2555	0.0251	-
1.6842	2560	0.0411	-
1.6875	2565	0.0408	-
1.6908	2570	0.0153	-
1.6941	2575	0.0261	-
1.6974	2580	0.0338	-
1.7007	2585	0.0304	-
1.7039	2590	0.0231	-
1.7072	2595	0.0346	-
1.7105	2600	0.0229	-
1.7138	2605	0.0263	-
1.7171	2610	0.0249	-
1.7204	2615	0.0313	-
1.7237	2620	0.0267	-
1.7270	2625	0.0268	-
1.7303	2630	0.0319	-
1.7336	2635	0.0231	-
1.7368	2640	0.0269	-
1.7401	2645	0.0464	-
1.7434	2650	0.0348	-
1.7467	2655	0.0166	-
1.75	2660	0.0407	-
1.7533	2665	0.0336	-
1.7566	2670	0.0248	-
1.7599	2675	0.0248	-
1.7632	2680	0.0465	-
1.7664	2685	0.0347	-
1.7697	2690	0.0502	-
1.7730	2695	0.0325	-
1.7763	2700	0.0222	-
1.7796	2705	0.0326	-
1.7829	2710	0.0373	-
1.7862	2715	0.0172	-
1.7895	2720	0.0332	-
1.7928	2725	0.0307	-
1.7961	2730	0.028	-
1.7993	2735	0.0223	-
1.8026	2740	0.0569	-
1.8059	2745	0.016	-
1.8092	2750	0.0231	-
1.8125	2755	0.0368	-
1.8158	2760	0.026	-
1.8191	2765	0.048	-
1.8224	2770	0.0265	-
1.8257	2775	0.0348	-
1.8289	2780	0.0216	-
1.8322	2785	0.0224	-
1.8355	2790	0.0285	-
1.8388	2795	0.031	-
1.8421	2800	0.0317	-
1.8454	2805	0.0288	-
1.8487	2810	0.0319	-
1.8520	2815	0.0269	-
1.8553	2820	0.0221	-
1.8586	2825	0.019	-
1.8618	2830	0.0166	-
1.8651	2835	0.0274	-
1.8684	2840	0.0273	-
1.8717	2845	0.0164	-
1.875	2850	0.0247	-
1.8783	2855	0.0184	-
1.8816	2860	0.0399	-
1.8849	2865	0.0248	-
1.8882	2870	0.013	-
1.8914	2875	0.0181	-
1.8947	2880	0.018	-
1.8980	2885	0.0206	-
1.9013	2890	0.0326	-
1.9046	2895	0.0455	-
1.9079	2900	0.0222	-
1.9112	2905	0.028	-
1.9145	2910	0.0234	-
1.9178	2915	0.02	-
1.9211	2920	0.034	-
1.9243	2925	0.0221	-
1.9276	2930	0.0291	-
1.9309	2935	0.023	-
1.9342	2940	0.0352	-
1.9375	2945	0.0194	-
1.9408	2950	0.0285	-
1.9441	2955	0.0168	-
1.9474	2960	0.029	-
1.9507	2965	0.027	-
1.9539	2970	0.0316	-
1.9572	2975	0.0267	-
1.9605	2980	0.0115	-
1.9638	2985	0.0244	-
1.9671	2990	0.0272	-
1.9704	2995	0.0167	-
1.9737	3000	0.0322	-
1.9770	3005	0.0437	-
1.9803	3010	0.0389	-
1.9836	3015	0.0184	-
1.9868	3020	0.0333	-
1.9901	3025	0.036	-
1.9934	3030	0.0276	-
1.9967	3035	0.0247	-
2.0	3040	0.0486	-
2.0033	3045	0.0276	-
2.0066	3050	0.0417	-
2.0099	3055	0.0649	-
2.0132	3060	0.0184	-
2.0164	3065	0.0165	-
2.0197	3070	0.0242	-
2.0230	3075	0.0263	-
2.0263	3080	0.0334	-
2.0296	3085	0.0405	-
2.0329	3090	0.0387	-
2.0362	3095	0.0227	-
2.0395	3100	0.0275	-
2.0428	3105	0.0485	-
2.0461	3110	0.0244	-
2.0493	3115	0.0158	-
2.0526	3120	0.0272	-
2.0559	3125	0.018	-
2.0592	3130	0.0236	-
2.0625	3135	0.037	-
2.0658	3140	0.0246	-
2.0691	3145	0.0398	-
2.0724	3150	0.0214	-
2.0757	3155	0.0351	-
2.0789	3160	0.0208	-
2.0822	3165	0.023	-
2.0855	3170	0.0215	-
2.0888	3175	0.024	-
2.0921	3180	0.0239	-
2.0954	3185	0.0457	-
2.0987	3190	0.0251	-
2.1020	3195	0.0308	-
2.1053	3200	0.0203	-
2.1086	3205	0.0282	-
2.1118	3210	0.0245	-
2.1151	3215	0.0216	-
2.1184	3220	0.0264	-
2.1217	3225	0.0269	-
2.125	3230	0.0329	-
2.1283	3235	0.0337	-
2.1316	3240	0.0231	-
2.1349	3245	0.0293	-
2.1382	3250	0.0338	-
2.1414	3255	0.0514	-
2.1447	3260	0.0286	-
2.1480	3265	0.0371	-
2.1513	3270	0.0235	-
2.1546	3275	0.0349	-
2.1579	3280	0.0244	-
2.1612	3285	0.0314	-
2.1645	3290	0.0344	-
2.1678	3295	0.0272	-
2.1711	3300	0.0358	-
2.1743	3305	0.0467	-
2.1776	3310	0.0222	-
2.1809	3315	0.0205	-
2.1842	3320	0.0176	-
2.1875	3325	0.0253	-
2.1908	3330	0.0278	-
2.1941	3335	0.0158	-
2.1974	3340	0.0434	-
2.2007	3345	0.024	-
2.2039	3350	0.0265	-
2.2072	3355	0.0414	-
2.2105	3360	0.0216	-
2.2138	3365	0.0298	-
2.2171	3370	0.0281	-
2.2204	3375	0.0399	-
2.2237	3380	0.0414	-
2.2270	3385	0.0317	-
2.2303	3390	0.029	-
2.2336	3395	0.0269	-
2.2368	3400	0.0261	-
2.2401	3405	0.0277	-
2.2434	3410	0.0372	-
2.2467	3415	0.0317	-
2.25	3420	0.0523	-
2.2533	3425	0.0248	-
2.2566	3430	0.0179	-
2.2599	3435	0.0173	-
2.2632	3440	0.0289	-
2.2664	3445	0.0238	-
2.2697	3450	0.0217	-
2.2730	3455	0.0315	-
2.2763	3460	0.0176	-
2.2796	3465	0.0219	-
2.2829	3470	0.0219	-
2.2862	3475	0.0323	-
2.2895	3480	0.0389	-
2.2928	3485	0.0233	-
2.2961	3490	0.0267	-
2.2993	3495	0.0258	-
2.3026	3500	0.0181	-
2.3059	3505	0.0407	-
2.3092	3510	0.0171	-
2.3125	3515	0.0178	-
2.3158	3520	0.0181	-
2.3191	3525	0.0215	-
2.3224	3530	0.0178	-
2.3257	3535	0.0274	-
2.3289	3540	0.0221	-
2.3322	3545	0.0266	-
2.3355	3550	0.0414	-
2.3388	3555	0.0247	-
2.3421	3560	0.0333	-
2.3454	3565	0.0242	-
2.3487	3570	0.0197	-
2.3520	3575	0.0298	-
2.3553	3580	0.0309	-
2.3586	3585	0.0234	-
2.3618	3590	0.0194	-
2.3651	3595	0.0236	-
2.3684	3600	0.0261	-
2.3717	3605	0.0158	-
2.375	3610	0.0278	-
2.3783	3615	0.0242	-
2.3816	3620	0.0331	-
2.3849	3625	0.0225	-
2.3882	3630	0.0388	-
2.3914	3635	0.0248	-
2.3947	3640	0.0227	-
2.3980	3645	0.0396	-
2.4013	3650	0.0136	-
2.4046	3655	0.0207	-
2.4079	3660	0.0227	-
2.4112	3665	0.017	-
2.4145	3670	0.0257	-
2.4178	3675	0.026	-
2.4211	3680	0.0567	-
2.4243	3685	0.0226	-
2.4276	3690	0.0368	-
2.4309	3695	0.0334	-
2.4342	3700	0.0217	-
2.4375	3705	0.0217	-
2.4408	3710	0.0366	-
2.4441	3715	0.0367	-
2.4474	3720	0.0272	-
2.4507	3725	0.0151	-
2.4539	3730	0.0189	-
2.4572	3735	0.0152	-
2.4605	3740	0.0281	-
2.4638	3745	0.026	-
2.4671	3750	0.017	-
2.4704	3755	0.0343	-
2.4737	3760	0.0784	-
2.4770	3765	0.0266	-
2.4803	3770	0.0188	-
2.4836	3775	0.0177	-
2.4868	3780	0.0378	-
2.4901	3785	0.0235	-
2.4934	3790	0.0209	-
2.4967	3795	0.0303	-
2.5	3800	0.0211	-
2.5033	3805	0.0405	-
2.5066	3810	0.0206	-
2.5099	3815	0.0242	-
2.5132	3820	0.0261	-
2.5164	3825	0.0388	-
2.5197	3830	0.0272	-
2.5230	3835	0.0345	-
2.5263	3840	0.0246	-
2.5296	3845	0.0259	-
2.5329	3850	0.0269	-
2.5362	3855	0.0336	-
2.5395	3860	0.0242	-
2.5428	3865	0.0307	-
2.5461	3870	0.0202	-
2.5493	3875	0.0376	-
2.5526	3880	0.0378	-
2.5559	3885	0.0363	-
2.5592	3890	0.0172	-
2.5625	3895	0.0221	-
2.5658	3900	0.0334	-
2.5691	3905	0.0535	-
2.5724	3910	0.0465	-
2.5757	3915	0.0224	-
2.5789	3920	0.0241	-
2.5822	3925	0.0272	-
2.5855	3930	0.0277	-
2.5888	3935	0.0256	-
2.5921	3940	0.0199	-
2.5954	3945	0.0271	-
2.5987	3950	0.0204	-
2.6020	3955	0.0255	-
2.6053	3960	0.023	-
2.6086	3965	0.0325	-
2.6118	3970	0.0185	-
2.6151	3975	0.0182	-
2.6184	3980	0.0284	-
2.6217	3985	0.0325	-
2.625	3990	0.0238	-
2.6283	3995	0.0392	-
2.6316	4000	0.0387	-
2.6349	4005	0.0261	-
2.6382	4010	0.0257	-
2.6414	4015	0.0298	-
2.6447	4020	0.0329	-
2.6480	4025	0.0168	-
2.6513	4030	0.0237	-
2.6546	4035	0.0201	-
2.6579	4040	0.0352	-
2.6612	4045	0.0237	-
2.6645	4050	0.0386	-
2.6678	4055	0.0225	-
2.6711	4060	0.0191	-
2.6743	4065	0.0261	-
2.6776	4070	0.02	-
2.6809	4075	0.0242	-
2.6842	4080	0.0293	-
2.6875	4085	0.0246	-
2.6908	4090	0.0427	-
2.6941	4095	0.0272	-
2.6974	4100	0.0182	-
2.7007	4105	0.0258	-
2.7039	4110	0.028	-
2.7072	4115	0.0612	-
2.7105	4120	0.0374	-
2.7138	4125	0.014	-
2.7171	4130	0.029	-
2.7204	4135	0.0279	-
2.7237	4140	0.0247	-
2.7270	4145	0.0207	-
2.7303	4150	0.0226	-
2.7336	4155	0.0313	-
2.7368	4160	0.0225	-
2.7401	4165	0.0252	-
2.7434	4170	0.0335	-
2.7467	4175	0.0261	-
2.75	4180	0.0201	-
2.7533	4185	0.0362	-
2.7566	4190	0.0157	-
2.7599	4195	0.0193	-
2.7632	4200	0.0174	-
2.7664	4205	0.0189	-
2.7697	4210	0.0152	-
2.7730	4215	0.0252	-
2.7763	4220	0.0314	-
2.7796	4225	0.0366	-
2.7829	4230	0.0193	-
2.7862	4235	0.0165	-
2.7895	4240	0.0157	-
2.7928	4245	0.0279	-
2.7961	4250	0.0307	-
2.7993	4255	0.0319	-
2.8026	4260	0.0284	-
2.8059	4265	0.0381	-
2.8092	4270	0.0356	-
2.8125	4275	0.0238	-
2.8158	4280	0.0463	-
2.8191	4285	0.037	-
2.8224	4290	0.0249	-
2.8257	4295	0.0288	-
2.8289	4300	0.0392	-
2.8322	4305	0.0266	-
2.8355	4310	0.0354	-
2.8388	4315	0.0286	-
2.8421	4320	0.031	-
2.8454	4325	0.0379	-
2.8487	4330	0.0237	-
2.8520	4335	0.0293	-
2.8553	4340	0.0308	-
2.8586	4345	0.0333	-
2.8618	4350	0.0141	-
2.8651	4355	0.0202	-
2.8684	4360	0.0223	-
2.8717	4365	0.0252	-
2.875	4370	0.0238	-
2.8783	4375	0.0203	-
2.8816	4380	0.0289	-
2.8849	4385	0.0336	-
2.8882	4390	0.0257	-
2.8914	4395	0.0187	-
2.8947	4400	0.0302	-
2.8980	4405	0.0584	-
2.9013	4410	0.019	-
2.9046	4415	0.0323	-
2.9079	4420	0.0212	-
2.9112	4425	0.0265	-
2.9145	4430	0.0324	-
2.9178	4435	0.0175	-
2.9211	4440	0.0317	-
2.9243	4445	0.0208	-
2.9276	4450	0.021	-
2.9309	4455	0.0285	-
2.9342	4460	0.024	-
2.9375	4465	0.0256	-
2.9408	4470	0.0305	-
2.9441	4475	0.0158	-
2.9474	4480	0.0358	-
2.9507	4485	0.0478	-
2.9539	4490	0.0254	-
2.9572	4495	0.0168	-
2.9605	4500	0.0209	-
2.9638	4505	0.027	-
2.9671	4510	0.0253	-
2.9704	4515	0.0304	-
2.9737	4520	0.0358	-
2.9770	4525	0.026	-
2.9803	4530	0.017	-
2.9836	4535	0.0171	-
2.9868	4540	0.025	-
2.9901	4545	0.0208	-
2.9934	4550	0.0321	-
2.9967	4555	0.0252	-
3.0	4560	0.0331	0.0181

Framework Versions

• Python: 3.12.3
• Sentence Transformers: 4.1.0
• Transformers: 4.51.3
• PyTorch: 2.7.0+cu126
• Accelerate: 1.6.0
• Datasets: 3.6.0
• 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",
}

CachedMultipleNegativesRankingLoss

@misc{gao2021scaling,
    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup},
    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
    year={2021},
    eprint={2101.06983},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}