SetFit with jhgan/ko-sroberta-multitask
This is a SetFit model that can be used for Text Classification. This SetFit model uses jhgan/ko-sroberta-multitask as the Sentence Transformer embedding model. A LogisticRegression instance is used for classification.
The model has been trained using an efficient few-shot learning technique that involves:
- Fine-tuning a Sentence Transformer with contrastive learning.
- Training a classification head with features from the fine-tuned Sentence Transformer.
Model Details
Model Description
Model Sources
Model Labels
Label |
Examples |
rag |
- 'QR코드 스캔 후 필요한 서류와 절차는?'
- '연구용역사업의 원가계산서 관련, 일정 금액 이상 지출 승인은 누구에게 받나요?'
- '계약부서 승인 없이 지급신청 시 주의할 점은?'
|
general |
- '아래 글의 요지 좀 설명해줘.\n \n 다른 문화권에서 온 여자와 데이트. 관계에 대해 좋은 점이 많이 있습니다. 공통된 직업적 관심사, 동일한 성욕, 그리고 서로를 존중한다는 점은 제게는 새로운 관계입니다(항상 남성에 대해 안 좋은 태도를 가진 여자들과만 사귀어 왔죠). 그녀는 저를 정말 사랑해요. \n \n 하지만 장기적인 생존 가능성에 대해 몇 가지 심각한 우려가 있습니다. 하나는 부모님에 관한 것입니다. 제 부모님은 우리가 사귀는 사이라는 사실을 알게 되자 "네가 미국에 머물 수 있는 티켓이라는 걸 기억하라"고 말씀하셨어요. 우리가 진짜 사귀는 사이라는 사실을 알게 된 부모님은 제가 얼마나 버는지 알고 싶어 하셨고(저는 대학원생입니다), 존경의 표시로 은퇴한 부모님을 부양하는 전통에 대해 제가 괜찮은지 확인하고 싶어 하셨습니다(부모님은 그런 도움이 필요 없을 만큼 잘 살고 계시지만요). 여자친구는 이에 대해 부모님의 의견에 동의하며 제가 괜찮지 않다면 돈을 더 벌어서 직접 해야 한다고 말했습니다. 또한 여자친구는 제가 이전에 결혼했고 지금은 이혼했다는 사실을 부모님이 '절대 알 수 없다'고 말합니다. \n \n 제가 극복하거나 간과할 수 있었던 다른 문제들도 있지만(한 가지 예로, 그녀는 사교적이지 않지만 저는 사교적입니다), 이러한 문제들이 결합되어 그녀와의 미래는 앞으로 많은 문제가 예고되어 있고 위험하다고 느낍니다. 이전 결혼 생활에서 저는 그런 징후를 무시하고 대가를 치렀고, 그 역사를 반복하고 싶지 않습니다. 동시에 저와 성적으로도 잘 어울리는 파트너가 있다는 것은 정말 좋은 일입니다. \n \n 다른 사람들은 이런 다문화적인 상황에서 어떤 경험을 했는지, 특히 장기적인 경험이 있다면 어떤지 궁금합니다.'
- '너는 누구냐니까'
- '문제와 몇 가지 답 옵션("A", "B", "C", "D"와 연관된)이 주어집니다. 상식적인 지식을 바탕으로 정답을 선택해야 합니다. 연상에 기반한 답은 피하고, 답안 세트는 연상을 넘어서는 상식을 파악하기 위해 의도적으로 선택된 것입니다. 'A', 'B', 'C', 'D', 'E' 중 하나를 제외하고는 다른 문자를 생성하지 말고 각 문제에 대해 하나의 답만 작성하세요.\n\n폰이라는 이름은 매우 다재다능할 수 있지만, 모든 부품이 중요한 것은 무엇일까요?\n(A)체스 게임 (B)계획 (C)체스 세트 (D)체커 (E)노스 캐롤라이나'
|
Evaluation
Metrics
Label |
Accuracy |
all |
0.9952 |
Uses
Direct Use for Inference
First install the SetFit library:
pip install setfit
Then you can load this model and run inference.
from setfit import SetFitModel
model = SetFitModel.from_pretrained("NTIS/sroberta-embedding")
preds = model("원장 인계 전 필요한 절차는?")
Training Details
Training Set Metrics
Training set |
Min |
Median |
Max |
Word count |
2 |
24.824 |
722 |
Label |
Training Sample Count |
rag |
553 |
general |
447 |
Training Hyperparameters
- batch_size: (64, 64)
- num_epochs: (4, 4)
- max_steps: -1
- sampling_strategy: oversampling
- body_learning_rate: (2e-05, 1e-05)
- head_learning_rate: 0.01
- loss: CosineSimilarityLoss
- distance_metric: cosine_distance
- margin: 0.25
- end_to_end: False
- use_amp: False
- warmup_proportion: 0.1
- seed: 42
- eval_max_steps: -1
- load_best_model_at_end: True
Training Results
Epoch |
Step |
Training Loss |
Validation Loss |
0.0001 |
1 |
0.2655 |
- |
0.0063 |
50 |
0.2091 |
- |
0.0126 |
100 |
0.2327 |
- |
0.0189 |
150 |
0.1578 |
- |
0.0253 |
200 |
0.0836 |
- |
0.0316 |
250 |
0.0274 |
- |
0.0379 |
300 |
0.0068 |
- |
0.0442 |
350 |
0.0032 |
- |
0.0505 |
400 |
0.0013 |
- |
0.0568 |
450 |
0.0012 |
- |
0.0632 |
500 |
0.0009 |
- |
0.0695 |
550 |
0.0006 |
- |
0.0758 |
600 |
0.0004 |
- |
0.0821 |
650 |
0.0004 |
- |
0.0884 |
700 |
0.0003 |
- |
0.0947 |
750 |
0.0003 |
- |
0.1011 |
800 |
0.0003 |
- |
0.1074 |
850 |
0.0002 |
- |
0.1137 |
900 |
0.0002 |
- |
0.1200 |
950 |
0.0002 |
- |
0.1263 |
1000 |
0.0002 |
- |
0.1326 |
1050 |
0.0001 |
- |
0.1390 |
1100 |
0.0001 |
- |
0.1453 |
1150 |
0.0001 |
- |
0.1516 |
1200 |
0.0001 |
- |
0.1579 |
1250 |
0.0001 |
- |
0.1642 |
1300 |
0.0001 |
- |
0.1705 |
1350 |
0.0001 |
- |
0.1769 |
1400 |
0.0001 |
- |
0.1832 |
1450 |
0.0001 |
- |
0.1895 |
1500 |
0.0001 |
- |
0.1958 |
1550 |
0.0001 |
- |
0.2021 |
1600 |
0.0 |
- |
0.2084 |
1650 |
0.0001 |
- |
0.2148 |
1700 |
0.0001 |
- |
0.2211 |
1750 |
0.0 |
- |
0.2274 |
1800 |
0.0001 |
- |
0.2337 |
1850 |
0.0 |
- |
0.2400 |
1900 |
0.0 |
- |
0.2463 |
1950 |
0.0 |
- |
0.2527 |
2000 |
0.0 |
- |
0.2590 |
2050 |
0.0 |
- |
0.2653 |
2100 |
0.0 |
- |
0.2716 |
2150 |
0.0 |
- |
0.2779 |
2200 |
0.0 |
- |
0.2842 |
2250 |
0.0 |
- |
0.2906 |
2300 |
0.0 |
- |
0.2969 |
2350 |
0.0 |
- |
0.3032 |
2400 |
0.0 |
- |
0.3095 |
2450 |
0.0 |
- |
0.3158 |
2500 |
0.0 |
- |
0.3221 |
2550 |
0.0 |
- |
0.3284 |
2600 |
0.0 |
- |
0.3348 |
2650 |
0.0 |
- |
0.3411 |
2700 |
0.0 |
- |
0.3474 |
2750 |
0.0 |
- |
0.3537 |
2800 |
0.0 |
- |
0.3600 |
2850 |
0.0 |
- |
0.3663 |
2900 |
0.0 |
- |
0.3727 |
2950 |
0.0 |
- |
0.3790 |
3000 |
0.0 |
- |
0.3853 |
3050 |
0.0 |
- |
0.3916 |
3100 |
0.0 |
- |
0.3979 |
3150 |
0.0 |
- |
0.4042 |
3200 |
0.0 |
- |
0.4106 |
3250 |
0.0 |
- |
0.4169 |
3300 |
0.0 |
- |
0.4232 |
3350 |
0.0 |
- |
0.4295 |
3400 |
0.0 |
- |
0.4358 |
3450 |
0.0 |
- |
0.4421 |
3500 |
0.0 |
- |
0.4485 |
3550 |
0.0 |
- |
0.4548 |
3600 |
0.0 |
- |
0.4611 |
3650 |
0.0 |
- |
0.4674 |
3700 |
0.0 |
- |
0.4737 |
3750 |
0.0 |
- |
0.4800 |
3800 |
0.0 |
- |
0.4864 |
3850 |
0.0 |
- |
0.4927 |
3900 |
0.0 |
- |
0.4990 |
3950 |
0.0 |
- |
0.5053 |
4000 |
0.0 |
- |
0.5116 |
4050 |
0.0 |
- |
0.5179 |
4100 |
0.0 |
- |
0.5243 |
4150 |
0.0 |
- |
0.5306 |
4200 |
0.0 |
- |
0.5369 |
4250 |
0.0 |
- |
0.5432 |
4300 |
0.0 |
- |
0.5495 |
4350 |
0.0004 |
- |
0.5558 |
4400 |
0.0001 |
- |
0.5622 |
4450 |
0.0 |
- |
0.5685 |
4500 |
0.0096 |
- |
0.5748 |
4550 |
0.0 |
- |
0.5811 |
4600 |
0.0 |
- |
0.5874 |
4650 |
0.0 |
- |
0.5937 |
4700 |
0.0 |
- |
0.6001 |
4750 |
0.0 |
- |
0.6064 |
4800 |
0.0 |
- |
0.6127 |
4850 |
0.0 |
- |
0.6190 |
4900 |
0.0 |
- |
0.6253 |
4950 |
0.0 |
- |
0.6316 |
5000 |
0.0 |
- |
0.6379 |
5050 |
0.0 |
- |
0.6443 |
5100 |
0.0 |
- |
0.6506 |
5150 |
0.0 |
- |
0.6569 |
5200 |
0.0 |
- |
0.6632 |
5250 |
0.0 |
- |
0.6695 |
5300 |
0.0 |
- |
0.6758 |
5350 |
0.0 |
- |
0.6822 |
5400 |
0.0 |
- |
0.6885 |
5450 |
0.0 |
- |
0.6948 |
5500 |
0.0 |
- |
0.7011 |
5550 |
0.0 |
- |
0.7074 |
5600 |
0.0 |
- |
0.7137 |
5650 |
0.0 |
- |
0.7201 |
5700 |
0.0 |
- |
0.7264 |
5750 |
0.0 |
- |
0.7327 |
5800 |
0.0 |
- |
0.7390 |
5850 |
0.0 |
- |
0.7453 |
5900 |
0.0 |
- |
0.7516 |
5950 |
0.0 |
- |
0.7580 |
6000 |
0.0 |
- |
0.7643 |
6050 |
0.0 |
- |
0.7706 |
6100 |
0.0 |
- |
0.7769 |
6150 |
0.0 |
- |
0.7832 |
6200 |
0.0 |
- |
0.7895 |
6250 |
0.0 |
- |
0.7959 |
6300 |
0.0 |
- |
0.8022 |
6350 |
0.0 |
- |
0.8085 |
6400 |
0.0 |
- |
0.8148 |
6450 |
0.0 |
- |
0.8211 |
6500 |
0.0 |
- |
0.8274 |
6550 |
0.0 |
- |
0.8338 |
6600 |
0.0 |
- |
0.8401 |
6650 |
0.0 |
- |
0.8464 |
6700 |
0.0 |
- |
0.8527 |
6750 |
0.0 |
- |
0.8590 |
6800 |
0.0 |
- |
0.8653 |
6850 |
0.0 |
- |
0.8717 |
6900 |
0.0 |
- |
0.8780 |
6950 |
0.0 |
- |
0.8843 |
7000 |
0.0 |
- |
0.8906 |
7050 |
0.0 |
- |
0.8969 |
7100 |
0.0 |
- |
0.9032 |
7150 |
0.0 |
- |
0.9096 |
7200 |
0.0 |
- |
0.9159 |
7250 |
0.0 |
- |
0.9222 |
7300 |
0.0 |
- |
0.9285 |
7350 |
0.0 |
- |
0.9348 |
7400 |
0.0 |
- |
0.9411 |
7450 |
0.0 |
- |
0.9474 |
7500 |
0.0 |
- |
0.9538 |
7550 |
0.0 |
- |
0.9601 |
7600 |
0.0 |
- |
0.9664 |
7650 |
0.0 |
- |
0.9727 |
7700 |
0.0 |
- |
0.9790 |
7750 |
0.0 |
- |
0.9853 |
7800 |
0.0 |
- |
0.9917 |
7850 |
0.0 |
- |
0.9980 |
7900 |
0.0 |
- |
1.0 |
7916 |
- |
0.0096 |
1.0043 |
7950 |
0.0 |
- |
1.0106 |
8000 |
0.0 |
- |
1.0169 |
8050 |
0.0 |
- |
1.0232 |
8100 |
0.0 |
- |
1.0296 |
8150 |
0.0 |
- |
1.0359 |
8200 |
0.0 |
- |
1.0422 |
8250 |
0.0 |
- |
1.0485 |
8300 |
0.0 |
- |
1.0548 |
8350 |
0.0 |
- |
1.0611 |
8400 |
0.0 |
- |
1.0675 |
8450 |
0.0 |
- |
1.0738 |
8500 |
0.0 |
- |
1.0801 |
8550 |
0.0 |
- |
1.0864 |
8600 |
0.0 |
- |
1.0927 |
8650 |
0.0 |
- |
1.0990 |
8700 |
0.0 |
- |
1.1054 |
8750 |
0.0 |
- |
1.1117 |
8800 |
0.0 |
- |
1.1180 |
8850 |
0.0 |
- |
1.1243 |
8900 |
0.0 |
- |
1.1306 |
8950 |
0.0 |
- |
1.1369 |
9000 |
0.0 |
- |
1.1433 |
9050 |
0.0 |
- |
1.1496 |
9100 |
0.0 |
- |
1.1559 |
9150 |
0.0 |
- |
1.1622 |
9200 |
0.0 |
- |
1.1685 |
9250 |
0.0 |
- |
1.1748 |
9300 |
0.0 |
- |
1.1812 |
9350 |
0.0 |
- |
1.1875 |
9400 |
0.0 |
- |
1.1938 |
9450 |
0.0 |
- |
1.2001 |
9500 |
0.0 |
- |
1.2064 |
9550 |
0.0 |
- |
1.2127 |
9600 |
0.0 |
- |
1.2191 |
9650 |
0.0 |
- |
1.2254 |
9700 |
0.0 |
- |
1.2317 |
9750 |
0.0 |
- |
1.2380 |
9800 |
0.0 |
- |
1.2443 |
9850 |
0.0 |
- |
1.2506 |
9900 |
0.0 |
- |
1.2569 |
9950 |
0.0 |
- |
1.2633 |
10000 |
0.0 |
- |
1.2696 |
10050 |
0.0 |
- |
1.2759 |
10100 |
0.0 |
- |
1.2822 |
10150 |
0.0 |
- |
1.2885 |
10200 |
0.0 |
- |
1.2948 |
10250 |
0.0 |
- |
1.3012 |
10300 |
0.0 |
- |
1.3075 |
10350 |
0.0 |
- |
1.3138 |
10400 |
0.0 |
- |
1.3201 |
10450 |
0.0 |
- |
1.3264 |
10500 |
0.0 |
- |
1.3327 |
10550 |
0.0 |
- |
1.3391 |
10600 |
0.0 |
- |
1.3454 |
10650 |
0.0 |
- |
1.3517 |
10700 |
0.0 |
- |
1.3580 |
10750 |
0.0 |
- |
1.3643 |
10800 |
0.0 |
- |
1.3706 |
10850 |
0.0 |
- |
1.3770 |
10900 |
0.0 |
- |
1.3833 |
10950 |
0.0 |
- |
1.3896 |
11000 |
0.0 |
- |
1.3959 |
11050 |
0.0 |
- |
1.4022 |
11100 |
0.0 |
- |
1.4085 |
11150 |
0.0 |
- |
1.4149 |
11200 |
0.0 |
- |
1.4212 |
11250 |
0.0 |
- |
1.4275 |
11300 |
0.0 |
- |
1.4338 |
11350 |
0.0 |
- |
1.4401 |
11400 |
0.0 |
- |
1.4464 |
11450 |
0.0 |
- |
1.4528 |
11500 |
0.0 |
- |
1.4591 |
11550 |
0.0 |
- |
1.4654 |
11600 |
0.0 |
- |
1.4717 |
11650 |
0.0 |
- |
1.4780 |
11700 |
0.0 |
- |
1.4843 |
11750 |
0.0 |
- |
1.4907 |
11800 |
0.0 |
- |
1.4970 |
11850 |
0.0 |
- |
1.5033 |
11900 |
0.0 |
- |
1.5096 |
11950 |
0.0 |
- |
1.5159 |
12000 |
0.0 |
- |
1.5222 |
12050 |
0.0 |
- |
1.5285 |
12100 |
0.0 |
- |
1.5349 |
12150 |
0.0 |
- |
1.5412 |
12200 |
0.0 |
- |
1.5475 |
12250 |
0.0 |
- |
1.5538 |
12300 |
0.0 |
- |
1.5601 |
12350 |
0.0 |
- |
1.5664 |
12400 |
0.0 |
- |
1.5728 |
12450 |
0.0 |
- |
1.5791 |
12500 |
0.0 |
- |
1.5854 |
12550 |
0.0 |
- |
1.5917 |
12600 |
0.0 |
- |
1.5980 |
12650 |
0.0 |
- |
1.6043 |
12700 |
0.0 |
- |
1.6107 |
12750 |
0.0 |
- |
1.6170 |
12800 |
0.0 |
- |
1.6233 |
12850 |
0.0 |
- |
1.6296 |
12900 |
0.0 |
- |
1.6359 |
12950 |
0.0 |
- |
1.6422 |
13000 |
0.0 |
- |
1.6486 |
13050 |
0.0 |
- |
1.6549 |
13100 |
0.0 |
- |
1.6612 |
13150 |
0.0 |
- |
1.6675 |
13200 |
0.0 |
- |
1.6738 |
13250 |
0.0 |
- |
1.6801 |
13300 |
0.0 |
- |
1.6865 |
13350 |
0.0 |
- |
1.6928 |
13400 |
0.0 |
- |
1.6991 |
13450 |
0.0 |
- |
1.7054 |
13500 |
0.0 |
- |
1.7117 |
13550 |
0.0 |
- |
1.7180 |
13600 |
0.0 |
- |
1.7244 |
13650 |
0.0 |
- |
1.7307 |
13700 |
0.0 |
- |
1.7370 |
13750 |
0.0 |
- |
1.7433 |
13800 |
0.0 |
- |
1.7496 |
13850 |
0.0 |
- |
1.7559 |
13900 |
0.0 |
- |
1.7623 |
13950 |
0.0 |
- |
1.7686 |
14000 |
0.0 |
- |
1.7749 |
14050 |
0.0 |
- |
1.7812 |
14100 |
0.0 |
- |
1.7875 |
14150 |
0.0 |
- |
1.7938 |
14200 |
0.0 |
- |
1.8002 |
14250 |
0.0 |
- |
1.8065 |
14300 |
0.0 |
- |
1.8128 |
14350 |
0.0 |
- |
1.8191 |
14400 |
0.0 |
- |
1.8254 |
14450 |
0.0 |
- |
1.8317 |
14500 |
0.0 |
- |
1.8380 |
14550 |
0.0 |
- |
1.8444 |
14600 |
0.0 |
- |
1.8507 |
14650 |
0.0 |
- |
1.8570 |
14700 |
0.0 |
- |
1.8633 |
14750 |
0.0 |
- |
1.8696 |
14800 |
0.0 |
- |
1.8759 |
14850 |
0.0 |
- |
1.8823 |
14900 |
0.0 |
- |
1.8886 |
14950 |
0.0 |
- |
1.8949 |
15000 |
0.0 |
- |
1.9012 |
15050 |
0.0 |
- |
1.9075 |
15100 |
0.0 |
- |
1.9138 |
15150 |
0.0 |
- |
1.9202 |
15200 |
0.0 |
- |
1.9265 |
15250 |
0.0 |
- |
1.9328 |
15300 |
0.0 |
- |
1.9391 |
15350 |
0.0 |
- |
1.9454 |
15400 |
0.0 |
- |
1.9517 |
15450 |
0.0 |
- |
1.9581 |
15500 |
0.0 |
- |
1.9644 |
15550 |
0.0 |
- |
1.9707 |
15600 |
0.0 |
- |
1.9770 |
15650 |
0.0 |
- |
1.9833 |
15700 |
0.0 |
- |
1.9896 |
15750 |
0.0 |
- |
1.9960 |
15800 |
0.0 |
- |
2.0 |
15832 |
- |
0.0096 |
2.0023 |
15850 |
0.0 |
- |
2.0086 |
15900 |
0.0 |
- |
2.0149 |
15950 |
0.0 |
- |
2.0212 |
16000 |
0.0 |
- |
2.0275 |
16050 |
0.0 |
- |
2.0339 |
16100 |
0.0 |
- |
2.0402 |
16150 |
0.0 |
- |
2.0465 |
16200 |
0.0 |
- |
2.0528 |
16250 |
0.0 |
- |
2.0591 |
16300 |
0.0 |
- |
2.0654 |
16350 |
0.0 |
- |
2.0718 |
16400 |
0.0 |
- |
2.0781 |
16450 |
0.0 |
- |
2.0844 |
16500 |
0.0 |
- |
2.0907 |
16550 |
0.0 |
- |
2.0970 |
16600 |
0.0 |
- |
2.1033 |
16650 |
0.0 |
- |
2.1097 |
16700 |
0.0 |
- |
2.1160 |
16750 |
0.0 |
- |
2.1223 |
16800 |
0.0 |
- |
2.1286 |
16850 |
0.0 |
- |
2.1349 |
16900 |
0.0 |
- |
2.1412 |
16950 |
0.0 |
- |
2.1475 |
17000 |
0.0 |
- |
2.1539 |
17050 |
0.0 |
- |
2.1602 |
17100 |
0.0 |
- |
2.1665 |
17150 |
0.0 |
- |
2.1728 |
17200 |
0.0 |
- |
2.1791 |
17250 |
0.0 |
- |
2.1854 |
17300 |
0.0 |
- |
2.1918 |
17350 |
0.0 |
- |
2.1981 |
17400 |
0.0 |
- |
2.2044 |
17450 |
0.0 |
- |
2.2107 |
17500 |
0.0 |
- |
2.2170 |
17550 |
0.0 |
- |
2.2233 |
17600 |
0.0 |
- |
2.2297 |
17650 |
0.0 |
- |
2.2360 |
17700 |
0.0 |
- |
2.2423 |
17750 |
0.0 |
- |
2.2486 |
17800 |
0.0 |
- |
2.2549 |
17850 |
0.0 |
- |
2.2612 |
17900 |
0.0 |
- |
2.2676 |
17950 |
0.0 |
- |
2.2739 |
18000 |
0.0 |
- |
2.2802 |
18050 |
0.0 |
- |
2.2865 |
18100 |
0.0 |
- |
2.2928 |
18150 |
0.0 |
- |
2.2991 |
18200 |
0.0 |
- |
2.3055 |
18250 |
0.0 |
- |
2.3118 |
18300 |
0.0 |
- |
2.3181 |
18350 |
0.0 |
- |
2.3244 |
18400 |
0.0 |
- |
2.3307 |
18450 |
0.0 |
- |
2.3370 |
18500 |
0.0 |
- |
2.3434 |
18550 |
0.0 |
- |
2.3497 |
18600 |
0.0 |
- |
2.3560 |
18650 |
0.0 |
- |
2.3623 |
18700 |
0.0 |
- |
2.3686 |
18750 |
0.0 |
- |
2.3749 |
18800 |
0.0 |
- |
2.3813 |
18850 |
0.0 |
- |
2.3876 |
18900 |
0.0 |
- |
2.3939 |
18950 |
0.0 |
- |
2.4002 |
19000 |
0.0 |
- |
2.4065 |
19050 |
0.0 |
- |
2.4128 |
19100 |
0.0 |
- |
2.4192 |
19150 |
0.0 |
- |
2.4255 |
19200 |
0.0 |
- |
2.4318 |
19250 |
0.0 |
- |
2.4381 |
19300 |
0.0 |
- |
2.4444 |
19350 |
0.0 |
- |
2.4507 |
19400 |
0.0 |
- |
2.4570 |
19450 |
0.0 |
- |
2.4634 |
19500 |
0.0 |
- |
2.4697 |
19550 |
0.0 |
- |
2.4760 |
19600 |
0.0 |
- |
2.4823 |
19650 |
0.0 |
- |
2.4886 |
19700 |
0.0 |
- |
2.4949 |
19750 |
0.0 |
- |
2.5013 |
19800 |
0.0 |
- |
2.5076 |
19850 |
0.0 |
- |
2.5139 |
19900 |
0.0 |
- |
2.5202 |
19950 |
0.0 |
- |
2.5265 |
20000 |
0.0 |
- |
2.5328 |
20050 |
0.0 |
- |
2.5392 |
20100 |
0.0 |
- |
2.5455 |
20150 |
0.0 |
- |
2.5518 |
20200 |
0.0 |
- |
2.5581 |
20250 |
0.0 |
- |
2.5644 |
20300 |
0.0 |
- |
2.5707 |
20350 |
0.0 |
- |
2.5771 |
20400 |
0.0 |
- |
2.5834 |
20450 |
0.0 |
- |
2.5897 |
20500 |
0.0 |
- |
2.5960 |
20550 |
0.0 |
- |
2.6023 |
20600 |
0.0 |
- |
2.6086 |
20650 |
0.0 |
- |
2.6150 |
20700 |
0.0 |
- |
2.6213 |
20750 |
0.0 |
- |
2.6276 |
20800 |
0.0 |
- |
2.6339 |
20850 |
0.0 |
- |
2.6402 |
20900 |
0.0 |
- |
2.6465 |
20950 |
0.0 |
- |
2.6529 |
21000 |
0.0 |
- |
2.6592 |
21050 |
0.0 |
- |
2.6655 |
21100 |
0.0 |
- |
2.6718 |
21150 |
0.0 |
- |
2.6781 |
21200 |
0.0 |
- |
2.6844 |
21250 |
0.0 |
- |
2.6908 |
21300 |
0.0 |
- |
2.6971 |
21350 |
0.0 |
- |
2.7034 |
21400 |
0.0 |
- |
2.7097 |
21450 |
0.0 |
- |
2.7160 |
21500 |
0.0 |
- |
2.7223 |
21550 |
0.0 |
- |
2.7287 |
21600 |
0.0 |
- |
2.7350 |
21650 |
0.0 |
- |
2.7413 |
21700 |
0.0 |
- |
2.7476 |
21750 |
0.0 |
- |
2.7539 |
21800 |
0.0 |
- |
2.7602 |
21850 |
0.0 |
- |
2.7665 |
21900 |
0.0 |
- |
2.7729 |
21950 |
0.0 |
- |
2.7792 |
22000 |
0.0 |
- |
2.7855 |
22050 |
0.0 |
- |
2.7918 |
22100 |
0.0 |
- |
2.7981 |
22150 |
0.0 |
- |
2.8044 |
22200 |
0.0 |
- |
2.8108 |
22250 |
0.0 |
- |
2.8171 |
22300 |
0.0 |
- |
2.8234 |
22350 |
0.0 |
- |
2.8297 |
22400 |
0.0 |
- |
2.8360 |
22450 |
0.0 |
- |
2.8423 |
22500 |
0.0 |
- |
2.8487 |
22550 |
0.0 |
- |
2.8550 |
22600 |
0.0 |
- |
2.8613 |
22650 |
0.0 |
- |
2.8676 |
22700 |
0.0 |
- |
2.8739 |
22750 |
0.0 |
- |
2.8802 |
22800 |
0.0 |
- |
2.8866 |
22850 |
0.0 |
- |
2.8929 |
22900 |
0.0 |
- |
2.8992 |
22950 |
0.0 |
- |
2.9055 |
23000 |
0.0 |
- |
2.9118 |
23050 |
0.0 |
- |
2.9181 |
23100 |
0.0 |
- |
2.9245 |
23150 |
0.0 |
- |
2.9308 |
23200 |
0.0 |
- |
2.9371 |
23250 |
0.0 |
- |
2.9434 |
23300 |
0.0 |
- |
2.9497 |
23350 |
0.0 |
- |
2.9560 |
23400 |
0.0 |
- |
2.9624 |
23450 |
0.0 |
- |
2.9687 |
23500 |
0.0 |
- |
2.9750 |
23550 |
0.0 |
- |
2.9813 |
23600 |
0.0 |
- |
2.9876 |
23650 |
0.0 |
- |
2.9939 |
23700 |
0.0 |
- |
3.0 |
23748 |
- |
0.0128 |
3.0003 |
23750 |
0.0 |
- |
3.0066 |
23800 |
0.0 |
- |
3.0129 |
23850 |
0.0 |
- |
3.0192 |
23900 |
0.0 |
- |
3.0255 |
23950 |
0.0 |
- |
3.0318 |
24000 |
0.0 |
- |
3.0382 |
24050 |
0.0 |
- |
3.0445 |
24100 |
0.0 |
- |
3.0508 |
24150 |
0.0 |
- |
3.0571 |
24200 |
0.0 |
- |
3.0634 |
24250 |
0.0 |
- |
3.0697 |
24300 |
0.0 |
- |
3.0760 |
24350 |
0.0 |
- |
3.0824 |
24400 |
0.0 |
- |
3.0887 |
24450 |
0.0 |
- |
3.0950 |
24500 |
0.0 |
- |
3.1013 |
24550 |
0.0 |
- |
3.1076 |
24600 |
0.0 |
- |
3.1139 |
24650 |
0.0 |
- |
3.1203 |
24700 |
0.0 |
- |
3.1266 |
24750 |
0.0 |
- |
3.1329 |
24800 |
0.0 |
- |
3.1392 |
24850 |
0.0 |
- |
3.1455 |
24900 |
0.0 |
- |
3.1518 |
24950 |
0.0 |
- |
3.1582 |
25000 |
0.0 |
- |
3.1645 |
25050 |
0.0 |
- |
3.1708 |
25100 |
0.0 |
- |
3.1771 |
25150 |
0.0 |
- |
3.1834 |
25200 |
0.0 |
- |
3.1897 |
25250 |
0.0 |
- |
3.1961 |
25300 |
0.0 |
- |
3.2024 |
25350 |
0.0 |
- |
3.2087 |
25400 |
0.0 |
- |
3.2150 |
25450 |
0.0 |
- |
3.2213 |
25500 |
0.0 |
- |
3.2276 |
25550 |
0.0 |
- |
3.2340 |
25600 |
0.0 |
- |
3.2403 |
25650 |
0.0 |
- |
3.2466 |
25700 |
0.0 |
- |
3.2529 |
25750 |
0.0 |
- |
3.2592 |
25800 |
0.0 |
- |
3.2655 |
25850 |
0.0 |
- |
3.2719 |
25900 |
0.0 |
- |
3.2782 |
25950 |
0.0 |
- |
3.2845 |
26000 |
0.0 |
- |
3.2908 |
26050 |
0.0 |
- |
3.2971 |
26100 |
0.0 |
- |
3.3034 |
26150 |
0.0 |
- |
3.3098 |
26200 |
0.0 |
- |
3.3161 |
26250 |
0.0 |
- |
3.3224 |
26300 |
0.0 |
- |
3.3287 |
26350 |
0.0 |
- |
3.3350 |
26400 |
0.0 |
- |
3.3413 |
26450 |
0.0 |
- |
3.3477 |
26500 |
0.0 |
- |
3.3540 |
26550 |
0.0 |
- |
3.3603 |
26600 |
0.0 |
- |
3.3666 |
26650 |
0.0 |
- |
3.3729 |
26700 |
0.0 |
- |
3.3792 |
26750 |
0.0 |
- |
3.3855 |
26800 |
0.0 |
- |
3.3919 |
26850 |
0.0 |
- |
3.3982 |
26900 |
0.0 |
- |
3.4045 |
26950 |
0.0 |
- |
3.4108 |
27000 |
0.0 |
- |
3.4171 |
27050 |
0.0 |
- |
3.4234 |
27100 |
0.0 |
- |
3.4298 |
27150 |
0.0 |
- |
3.4361 |
27200 |
0.0 |
- |
3.4424 |
27250 |
0.0 |
- |
3.4487 |
27300 |
0.0 |
- |
3.4550 |
27350 |
0.0 |
- |
3.4613 |
27400 |
0.0 |
- |
3.4677 |
27450 |
0.0 |
- |
3.4740 |
27500 |
0.0 |
- |
3.4803 |
27550 |
0.0 |
- |
3.4866 |
27600 |
0.0 |
- |
3.4929 |
27650 |
0.0 |
- |
3.4992 |
27700 |
0.0 |
- |
3.5056 |
27750 |
0.0 |
- |
3.5119 |
27800 |
0.0 |
- |
3.5182 |
27850 |
0.0 |
- |
3.5245 |
27900 |
0.0 |
- |
3.5308 |
27950 |
0.0 |
- |
3.5371 |
28000 |
0.0 |
- |
3.5435 |
28050 |
0.0 |
- |
3.5498 |
28100 |
0.0 |
- |
3.5561 |
28150 |
0.0 |
- |
3.5624 |
28200 |
0.0 |
- |
3.5687 |
28250 |
0.0 |
- |
3.5750 |
28300 |
0.0 |
- |
3.5814 |
28350 |
0.0 |
- |
3.5877 |
28400 |
0.0 |
- |
3.5940 |
28450 |
0.0 |
- |
3.6003 |
28500 |
0.0 |
- |
3.6066 |
28550 |
0.0 |
- |
3.6129 |
28600 |
0.0 |
- |
3.6193 |
28650 |
0.0 |
- |
3.6256 |
28700 |
0.0 |
- |
3.6319 |
28750 |
0.0 |
- |
3.6382 |
28800 |
0.0 |
- |
3.6445 |
28850 |
0.0 |
- |
3.6508 |
28900 |
0.0 |
- |
3.6572 |
28950 |
0.0 |
- |
3.6635 |
29000 |
0.0 |
- |
3.6698 |
29050 |
0.0 |
- |
3.6761 |
29100 |
0.0 |
- |
3.6824 |
29150 |
0.0 |
- |
3.6887 |
29200 |
0.0 |
- |
3.6950 |
29250 |
0.0 |
- |
3.7014 |
29300 |
0.0 |
- |
3.7077 |
29350 |
0.0 |
- |
3.7140 |
29400 |
0.0 |
- |
3.7203 |
29450 |
0.0 |
- |
3.7266 |
29500 |
0.0 |
- |
3.7329 |
29550 |
0.0 |
- |
3.7393 |
29600 |
0.0 |
- |
3.7456 |
29650 |
0.0 |
- |
3.7519 |
29700 |
0.0 |
- |
3.7582 |
29750 |
0.0 |
- |
3.7645 |
29800 |
0.0 |
- |
3.7708 |
29850 |
0.0 |
- |
3.7772 |
29900 |
0.0 |
- |
3.7835 |
29950 |
0.0 |
- |
3.7898 |
30000 |
0.0 |
- |
3.7961 |
30050 |
0.0 |
- |
3.8024 |
30100 |
0.0 |
- |
3.8087 |
30150 |
0.0 |
- |
3.8151 |
30200 |
0.0 |
- |
3.8214 |
30250 |
0.0 |
- |
3.8277 |
30300 |
0.0 |
- |
3.8340 |
30350 |
0.0 |
- |
3.8403 |
30400 |
0.0 |
- |
3.8466 |
30450 |
0.0 |
- |
3.8530 |
30500 |
0.0 |
- |
3.8593 |
30550 |
0.0 |
- |
3.8656 |
30600 |
0.0 |
- |
3.8719 |
30650 |
0.0 |
- |
3.8782 |
30700 |
0.0 |
- |
3.8845 |
30750 |
0.0 |
- |
3.8909 |
30800 |
0.0 |
- |
3.8972 |
30850 |
0.0 |
- |
3.9035 |
30900 |
0.0 |
- |
3.9098 |
30950 |
0.0 |
- |
3.9161 |
31000 |
0.0 |
- |
3.9224 |
31050 |
0.0 |
- |
3.9288 |
31100 |
0.0 |
- |
3.9351 |
31150 |
0.0 |
- |
3.9414 |
31200 |
0.0 |
- |
3.9477 |
31250 |
0.0 |
- |
3.9540 |
31300 |
0.0 |
- |
3.9603 |
31350 |
0.0 |
- |
3.9666 |
31400 |
0.0 |
- |
3.9730 |
31450 |
0.0 |
- |
3.9793 |
31500 |
0.0 |
- |
3.9856 |
31550 |
0.0 |
- |
3.9919 |
31600 |
0.0 |
- |
3.9982 |
31650 |
0.0 |
- |
4.0 |
31664 |
- |
0.0117 |
- The bold row denotes the saved checkpoint.
Framework Versions
- Python: 3.9.18
- SetFit: 1.0.3
- Sentence Transformers: 2.2.1
- Transformers: 4.32.1
- PyTorch: 1.10.0
- Datasets: 2.20.0
- Tokenizers: 0.13.3
Citation
BibTeX
@article{https://doi.org/10.48550/arxiv.2209.11055,
doi = {10.48550/ARXIV.2209.11055},
url = {https://arxiv.org/abs/2209.11055},
author = {Tunstall, Lewis and Reimers, Nils and Jo, Unso Eun Seo and Bates, Luke and Korat, Daniel and Wasserblat, Moshe and Pereg, Oren},
keywords = {Computation and Language (cs.CL), FOS: Computer and information sciences, FOS: Computer and information sciences},
title = {Efficient Few-Shot Learning Without Prompts},
publisher = {arXiv},
year = {2022},
copyright = {Creative Commons Attribution 4.0 International}
}