metadata

base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
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: أين تم تصوير مسلسل حديقة الحيوان
    sentences:
      - >-
        تم توجيه فيديو Come Undone بواسطة Julien Temple . تم تصوير لقطات للفرقة
        في حوض السمك في حديقة حيوان لندن . كانت تتخللها صور قصيرة لأشخاص
        يتراجعون بطرق مختلفة .
      - >-
        First Lido Condominium هو مجتمع جميل يقع في الطرف الجنوبي ، مباشرة على
        الشاطئ الأصلي ليدو كي في ساراسوتا ، فلوريدا . كان مجمع الوحدات السكنية ،
        الواقع في 1900 Ben Franklin Drive ، أول مجمع سكني تم بناؤه على شاطئ Lido
        في عام 1967 . يتمتع First Lido بإطلالات واسعة على خليج المكسيك ، وغروب
        الشمس الخلاب ورمال السكر البيضاء . يوفر First Lido جوا ودودا مريحا
        ومسبحا ساخنا يتم تدفئته على مدار العام وموظفي الصيانة في الموقع وخدمة
        الإنترنت اللاسلكي . .
      - >-
        امرأة تغمى على مجموعة من . CBS New Series ' Zoo ' الآن تصوير وتوظيف .
        مسلسل تلفزيوني جديد على شبكة سي بي اس Zoo يصور الآن في نيو أورلينز ،
        لويزيانا . وفقا ل Deadline ، تعمل شبكة سي بي إس على مسلسل تلفزيوني جديد
        مبني على فيلم جيمس باترسون الأكثر مبيعا في العالم . تتمحور حديقة
        الحيوانات حول عالم شاب منشق مجبر على حل اللغز وراء سلسلة الهجمات العنيفة
        الأخيرة على الحيوانات التي تجتاح الكوكب .
  - source_sentence: ما هو صافي ثروة فانا وايت ؟
    sentences:
      - >-
        قصف هيروشيما وناجازاكي . في 6 أغسطس 1945 ، أسقطت الولايات المتحدة قنبلة
        ذرية ( ليتل بوي ) على هيروشيما في اليابان . بعد ثلاثة أيام ، ألقيت قنبلة
        ذرية ثانية ( فات مان ) على مدينة ناغازاكي ، وكانت هذه هي المرات الوحيدة
        التي استخدمت فيها الأسلحة النووية في الحرب ، وأسباب القصف ، وقصف
        هيروشيما وناجازاكي . في 6 أغسطس 1945 ، أسقطت الولايات المتحدة قنبلة ذرية
        ( ليتل بوي ) على هيروشيما في اليابان . بعد ثلاثة أيام ، أسقطت قنبلة ذرية
        ثانية ( فات مان ) على مدينة ناغازاكي . كانت هذه هي المرات الوحيدة التي
        استخدمت فيها الأسلحة النووية في الحرب . أسباب القصف .
      - >-
        تقدر ثروة فانا ماري روزيش المولودة ب 15 مليون دولار . روزيش ، المعروفة
        شعبيا باسم فانا وايت ، هي شخصية تلفزيونية أمريكية وممثلة سينمائية اشتهرت
        باسم مضيفة Wheel of Fortune منذ عام 1982 . وقد كسبت White ثروتها بصفتها
        مضيفة Wheel of Fortune منذ عام 1982 حتى الآن . ارتفعت شهرة White ؟ ؟
        يعود تاريخها عندما ظهرت النسخة المجمعة من Wheel of Fortune لأول مرة في
        سبتمبر 1983 .
      - >-
        بولا وايت نت وورث ولدت بولا ميشيل فور في 20 أبريل 1966 ، في توبيلو ،
        ميسيسيبي بالولايات المتحدة الأمريكية ، وكما تعرف باولا وايت بأنها عازفة
        تلفزيونية مسيحية ومشهورة تلفزيونية ومؤسس مشارك ل اقرأ المزيد ؟ ؟
  - source_sentence: أين ولد ه ب أبيض
    sentences:
      - >-
        بولا وايت نت وورث ولدت بولا ميشيل فور في 20 أبريل 1966 ، في توبيلو ،
        ميسيسيبي بالولايات المتحدة الأمريكية ، وكما تعرف باولا وايت بأنها عازفة
        تلفزيونية مسيحية ومشهورة تلفزيونية ومؤسس مشارك ل اقرأ المزيد ؟ ؟
      - >-
        الكاتب | الممثل . إ . ب . ولد وايت في 11 يوليو 1899 في ماونت فيرنون ،
        نيويورك ، الولايات المتحدة الأمريكية باسم إلوين بروكس وايت . كان كاتبا
        وممثلا ، اشتهر ب Stuart Little ( 1999 ) ، Stuart Little 2 ( 2002 ) و
        Charlotte ' s Web ( 2006 ) . كان متزوجا من كاثرين الرقيب أنجيل . توفي في
        1 أكتوبر 1985 في نورث بروكلين ، مين ، الولايات المتحدة الأمريكية .
      - >-
        اذهب إلى : نظرة عامة ( 3 ) | ميني بيو ( 1 ) | الزوج ( 4 ) | التوافه ( 33
        ) | اقتباسات شخصية ( 2 ) ولد غلين كامبل في 22 أبريل 1936 في ديلايت ،
        أركنساس ، الولايات المتحدة الأمريكية باسم جلين ترافيس كامبل . وهو متزوج
        من كيم كامبل منذ 25 أكتوبر 1982 . ولهما ثلاثة أطفال . كان متزوجا سابقا
        من سارة ديفيس وبيلي جان نونلي وديان كيرك .
  - source_sentence: كيف كان الاتحاد السوفياتي قادرا على تطوير القنبلة الذرية
    sentences:
      - >-
        تختلف الإجابة حسب مصدر اللحوم ووزن وصحة الشخص ومقدار التمارين التي
        يمارسها والجنس وما إلى ذلك . ومع ذلك ، يجب أن يأكل الشخص البالغ ما بين 5
        و 6 أونصات من اللحوم عالية الجودة أو البروتين يوميا ، وتختلف الإجابة حسب
        مصدر اللحوم ووزن وصحة الشخص ومقدار التمارين التي يمارسها والجنس وهكذا
        دواليك . ومع ذلك ، يجب أن يأكل الشخص البالغ العادي ما بين 5 و 6 أونصات
        من اللحوم عالية الجودة أو البروتين يوميا .
      - >-
        بعد أربعة أيام من اختتام المؤتمر ، ألقت الولايات المتحدة قنبلة ذرية على
        هيروشيما في اليابان ؛ في 9 أغسطس ، تم إلقاء قنبلة أخرى على ناغازاكي .
        انتهت الحرب العالمية الثانية رسميا في 14 أغسطس 1945 .
      - >-
        المشروع السوفياتي لتطوير قنبلة ذرية ( الروسية : ' ' · ' ' ' كان برنامج
        بحث وتطوير سري للغاية بدأ خلال الحرب العالمية الثانية ، في في أعقاب
        اكتشاف الاتحاد السوفيتي للمشروع النووي الأمريكي والبريطاني والكندي ،
        سارع السوفييت بالبرنامج بعد القصفين الذريين الأمريكيين لهيروشيما
        وناجازاكي . تم تكليف المشروع الذري السوفيتي بجمع المعلومات الاستخبارية
        حول مشروع الطاقة النووية الألماني وكذلك الجهود النووية الأمريكية .
  - source_sentence: ماونت بيكر نشط
    sentences:
      - >-
        تم تعديل خريطة هيئة المسح الجيولوجي الأمريكية هذه من : Hyde and Crandell
        ، 1978 ، USGS Professional Paper 1022 - C وتظهر لقطة مقربة لجبل بيكر
        وضواحيها ، بما في ذلك أنهار Nooksack و Skagit و Baker . تأثر نهر بيكر في
        أسفل اليمين بشدة بانفجار جبل بيكر عام 1792 .
      - >-
        تمتلك Mount Baker ثاني أكثر فوهة بركانية نشاطا حراريا في سلسلة Cascade
        Range بعد Mount Saint Helens . يقع جبل بيكر على بعد حوالي 31 ميلا ( 50
        كم ) شرق مدينة بيلينجهام ، مقاطعة واتكوم ، وهو أصغر بركان في حقل جبل
        بيكر البركاني . وإلى الجنوب من سياتل ( وفي الأيام الصافية تاكوما )
        بواشنطن . عرف السكان الأصليون الجبل منذ آلاف السنين ، لكن أول سجل مكتوب
        للجبل هو من الإسبانية .
      - >-
        وجد أيضا في : القاموس ، قاموس المرادفات ، الاصطلاحات ، الموسوعة ،
        ويكيبيديا . تفاصيل . تفاصيل مطالبة أو عناصر منفصلة للحساب . عندما يتم
        تفصيلها في شكل منظم لغرض إبلاغ المدعى عليه ، فإن البيان يسمى فاتورة
        التفاصيل .
model-index:
  - name: >-
      SentenceTransformer based on
      sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
    results:
      - task:
          type: reranking
          name: Reranking
        dataset:
          name: Unknown
          type: unknown
        metrics:
          - type: map
            value: 0.5676733464096293
            name: Map
          - type: mrr@10
            value: 0.5691746031746031
            name: Mrr@10
          - type: ndcg@10
            value: 0.6359286839350342
            name: Ndcg@10

SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2

This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 on the raraelectr_aand_raraber_tused_dataset dataset. It maps sentences & paragraphs to a 384-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: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
Maximum Sequence Length: 128 tokens
Output Dimensionality: 384 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- raraelectr_aand_raraber_tused_dataset

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': 128, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, '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:

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("hatemestinbejaia/KDmMiniLML12v2DPR_initialversion00")
# Run inference
sentences = [
    'ماونت بيكر نشط',
    'تمتلك Mount Baker ثاني أكثر فوهة بركانية نشاطا حراريا في سلسلة Cascade Range بعد Mount Saint Helens . يقع جبل بيكر على بعد حوالي 31 ميلا ( 50 كم ) شرق مدينة بيلينجهام ، مقاطعة واتكوم ، وهو أصغر بركان في حقل جبل بيكر البركاني . وإلى الجنوب من سياتل ( وفي الأيام الصافية تاكوما ) بواشنطن . عرف السكان الأصليون الجبل منذ آلاف السنين ، لكن أول سجل مكتوب للجبل هو من الإسبانية .',
    'تم تعديل خريطة هيئة المسح الجيولوجي الأمريكية هذه من : Hyde and Crandell ، 1978 ، USGS Professional Paper 1022 - C وتظهر لقطة مقربة لجبل بيكر وضواحيها ، بما في ذلك أنهار Nooksack و Skagit و Baker . تأثر نهر بيكر في أسفل اليمين بشدة بانفجار جبل بيكر عام 1792 .',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

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

Evaluation

Metrics

Reranking

Evaluated with RerankingEvaluator

Metric	Value
map	0.5677
mrr@10	0.5692
ndcg@10	0.6359

Training Details

Training Dataset

raraelectr_aand_raraber_tused_dataset

Dataset: raraelectr_aand_raraber_tused_dataset at bd59dbf
Size: 5,000,000 training samples
Columns: query, pos, neg, and label

Approximate statistics based on the first 1000 samples:

	query	pos	neg	label
type	string	string	string	float
details	min: 4 tokens mean: 11.14 tokens max: 29 tokens	min: 13 tokens mean: 93.26 tokens max: 128 tokens	min: 17 tokens mean: 87.26 tokens max: 128 tokens	min: -2.88 mean: 12.91 max: 21.92

Samples:

query	pos	neg	label
`القليل من الكافيين جيد أثناء الحمل`	`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 .`	`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 .`	`4.0280589908361435`
`ما هي الفاكهة الأصلية في أستراليا`	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 .	`جوز الكولا هو ثمرة شجرة الكولا ، وهي جنس ( كولا ) من الأشجار التي تنتمي إلى الغابات الاستوائية المطيرة في إفريقيا .`	`10.18145449956258`
`ما هو حجم الجيش الكندي`	`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 .`	`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 ) .`	`16.420575777689614`

Loss: main.MarginMSELoss

Evaluation Dataset

raraelectr_aand_raraber_tused_dataset

Dataset: raraelectr_aand_raraber_tused_dataset at bd59dbf
Size: 10,000 evaluation samples
Columns: query, pos, neg, and label

Approximate statistics based on the first 1000 samples:

	query	pos	neg	label
type	string	string	string	float
details	min: 3 tokens mean: 10.94 tokens max: 33 tokens	min: 23 tokens mean: 91.74 tokens max: 128 tokens	min: 24 tokens mean: 87.33 tokens max: 128 tokens	min: -0.75 mean: 13.72 max: 22.62

Samples:

query	pos	neg	label
`ما هو اسم د . كوين`	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 ) .	`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 .`	`15.524045944213867`
`من يلعب دور بيرني مادوف`	`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 .`	`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 .`	`13.17703644434611`
`كم قدم مكعب في طن من حصى البازلاء`	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 .	`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 .`	`10.34702980518341`

Loss: main.MarginMSELoss

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

Click to expand

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

Training Logs

Epoch	Step	Training Loss	Validation Loss	map
2.7136	106000	0.0001	0.0008	0.5660
2.7648	108000	0.0001	0.0008	0.5654
2.8160	110000	0.0001	0.0008	0.5611
2.8672	112000	0.0001	0.0008	0.5668
2.9184	114000	0.0001	0.0008	0.5675
2.9696	116000	0.0001	0.0008	0.5677

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

@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

@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}
}