metadata

base_model: bkai-foundation-models/vietnamese-bi-encoder
language:
  - vn
library_name: sentence-transformers
license: apache-2.0
metrics:
  - cosine_accuracy@1
  - cosine_accuracy@3
  - cosine_accuracy@5
  - cosine_accuracy@10
  - cosine_precision@1
  - cosine_precision@3
  - cosine_precision@5
  - cosine_precision@10
  - cosine_recall@1
  - cosine_recall@3
  - cosine_recall@5
  - cosine_recall@10
  - cosine_ndcg@10
  - cosine_mrr@10
  - cosine_map@100
pipeline_tag: sentence-similarity
tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:107510
  - loss:MatryoshkaLoss
  - loss:MultipleNegativesRankingLoss
widget:
  - source_sentence: >-
      " điều 8. loại dự_án đầu_tư xây_dựng nhà ở được thế_chấp vay vốn tại
      tổ_chức tín_dụng dự_án đầu_tư xây_dựng nhà ở được thế_chấp để vay vốn theo
      quy_định tại thông_tư này là một trong các dự_án đầu_tư xây_dựng nhà ở
      quy_định tại khoản 2 điều 17 luật nhà ở , bao_gồm : 1. dự_án đầu_tư
      xây_dựng mới hoặc cải_tạo một công_trình nhà ở độc_lập hoặc một cụm
      công_trình nhà ở. 2. dự_án đầu_tư xây_dựng khu nhà ở có hệ_thống hạ_tầng
      kỹ_thuật và hạ_tầng xã_hội_đồng_bộ tại khu_vực nông_thôn. 3. dự_án đầu_tư
      xây_dựng khu đô_thị hoặc dự_án sử_dụng đất hỗn_hợp mà có dành diện_tích
      đất trong dự_án để xây_dựng nhà ở. 4. dự_án đầu_tư xây_dựng công_trình có
      mục_đích sử_dụng hỗn_hợp để ở và kinh_doanh. "
    sentences:
      - vợ là người nước_ngoài thì làm giấy khai_sinh cho con ở đâu ?
      - >-
        dụng_cụ tiếp_xúc với da nguyên_vẹn có_thể áp_dụng biện_pháp khử khuẩn ở
        mức_độ nào ?
      - >-
        những dự_án đầu_tư xây_dựng nhà ở nào được phép thế_chấp vay vốn tại
        tổ_chức tín_dụng ?
  - source_sentence: >-
      hồ_sơ_khai thuế … 3. người nộp thuế không phải nộp hồ_sơ_khai thuế trong
      các trường_hợp sau đây : … b ) cá_nhân có thu_nhập được miễn thuế theo
      quy_định của pháp_luật về thuế thu_nhập cá_nhân và quy_định tại điểm b
      khoản 2 điều 79 luật quản_lý thuế_trừ cá_nhân nhận thừa_kế , quà tặng là
      bất_động_sản. chuyển_nhượng bất_động_sản. … hồ_sơ_khai thuế của tổ_chức ,
      cá_nhân trả thu_nhập khấu_trừ thuế đối_với tiền_lương , tiền công … căn_cứ
      các quy_định nêu trên , chỉ trường_hợp tổ_chức , cá_nhân phát_sinh trả
      thu_nhập chịu thuế thu_nhập cá_nhân mới thuộc diện phải khai thuế thu_nhập
      cá_nhân. do đó , trường_hợp tổ_chức , cá_nhân không phát_sinh trả thu_nhập
      chịu thuế thu_nhập cá_nhân thì không thuộc diện điều_chỉnh của luật thuế
      thu_nhập cá_nhân. theo đó , tổ_chức , cá_nhân không phát_sinh trả thu_nhập
      chịu thuế thu_nhập cá_nhân tháng / quý nào thì không phải khai thuế
      thu_nhập cá_nhân của tháng / quý đó … về khai thuế , tính thuế. về khai
      thuế thu_nhập cá_nhân và thuế , các khoản thu khác của hộ kinh_doanh ,
      cá_nhân cho thuê tài_sản a ) về hồ_sơ_khai thuế : điểm mới 1 : sửa_đổi
      quy_định tổ_chức , cá_nhân trả thu_nhập không phát_sinh khấu_trừ thuế
      thu_nhập cá_nhân theo tháng , quý thì vẫn phải khai thuế ( điểm b khoản 3
      điều 7 ). trước đây : theo quy_định tại điểm a. 1 khoản 1 điều 16 thông_tư
      số 156 / 2013 / tt - btc ngày 6 / 11 / 2013 thì tổ_chức , cá_nhân trả
      thu_nhập không phát_sinh khấu_trừ thuế thu_nhập cá_nhân theo tháng , quý
      thì không phải khai thuế
    sentences:
      - >-
        trường_hợp nào sử_dụng tác_phẩm đã công_bố không phải xin phép nhưng
        phải trả_thù_lao ?
      - >-
        mục_tiêu để học_sinh trung_cấp sư_phạm học chương_trình giáo_dục
        quốc_phòng và an_ninh là gì ?
      - không phát_sinh thuế thu_nhập cá_nhân có phải nộp tờ khai không ?
  - source_sentence: >-
      thẩm_quyền xử_phạt 1. thanh_tra khoa_học và công_nghệ có thẩm_quyền
      xử_phạt các hành_vi vi_phạm_quy_định tại chương ii của nghị_định này.
      thẩm_quyền xử_phạt của thanh_tra khoa_học và công_nghệ 1. thanh_tra viên
      thuộc thanh_tra bộ khoa_học và công_nghệ , thanh_tra sở khoa_học và
      công_nghệ đang thi_hành công_vụ có quyền : a ) phạt cảnh_cáo. b ) phạt
      tiền đến 500. 000 đồng. c ) tịch_thu tang_vật , phương_tiện vi_phạm
      hành_chính có giá_trị không vượt quá 1. 000. 000 đồng. d ) áp_dụng
      biện_pháp khắc_phục hậu_quả quy_định tại điểm d khoản 3 điều 3 của
      nghị_định này. quy_định về mức phạt tiền tối_đa , thẩm_quyền xử_phạt
      đối_với cá_nhân , tổ_chức. 2. thẩm_quyền xử_phạt vi_phạm hành_chính của
      những người được quy_định tại các điều từ 16 đến 21 của nghị_định này là
      thẩm_quyền áp_dụng đối_với một hành_vi vi_phạm hành_chính của cá_nhân.
      trong trường_hợp phạt tiền , thẩm_quyền xử_phạt đối_với tổ_chức gấp 02 lần
      thẩm_quyền xử_phạt đối_với cá_nhân
    sentences:
      - >-
        thanh_tra viên thuộc thanh_tra bộ khoa_học và công_nghệ có quyền xử_phạt
        tổ_chức đại_diện sở_hữu công_nghiệp làm sai_lệch nội_dung chứng_chỉ
        hành_nghề không ?
      - >-
        nguồn tài_chính từ nguồn thu hoạt_động sự_nghiệp có phải là một trong
        các nguồn của đơn_vị sự_nghiệp công_lập không ?
      - >-
        hội_đồng tư_vấn tuyển_chọn thực_hiện nhiệm_vụ khoa_học cấp_bộ của bộ
        tư_pháp có những trách_nhiệm gì ?
  - source_sentence: >-
      " 1. đầu_tư chương_trình , dự_án kết_cấu_hạ_tầng kinh_tế - xã_hội.
      trường_hợp thật_sự cần_thiết tách riêng việc bồi_thường , hỗ_trợ ,
      tái_định_cư , giải_phóng mặt_bằng thành dự_án độc_lập , đối_với dự_án
      quan_trọng quốc_gia do quốc_hội xem_xét , quyết_định. đối_với dự_án nhóm a
      do thủ_tướng chính_phủ , hội_đồng nhân_dân cấp tỉnh xem_xét , quyết_định
      theo thẩm_quyền. việc tách riêng dự_án độc_lập được thực_hiện khi
      phê_duyệt chủ_trương đầu_tư dự_án quan_trọng quốc_gia , dự_án nhóm a. 2.
      đầu_tư phục_vụ hoạt_động của cơ_quan nhà_nước , đơn_vị sự_nghiệp công_lập
      , tổ_chức chính_trị , tổ_chức chính_trị - xã_hội. 3. đầu_tư và hỗ_trợ
      hoạt_động đầu_tư cung_cấp sản_phẩm , dịch_vụ công_ích , phúc_lợi xã_hội.
      4. đầu_tư của nhà_nước tham_gia thực_hiện dự_án theo phương_thức đối_tác
      công tư. 5. đầu_tư phục_vụ công_tác lập , thẩm_định , quyết_định hoặc
      phê_duyệt , công_bố và điều_chỉnh quy_hoạch theo quy_định của pháp_luật về
      quy_hoạch. 6. cấp bù lãi_suất tín_dụng ưu_đãi , phí quản_lý. cấp vốn
      điều_lệ cho các ngân_hàng chính_sách , quỹ tài_chính nhà_nước_ngoài
      ngân_sách. hỗ_trợ đầu_tư cho các đối_tượng chính_sách khác theo quyết_định
      của thủ_tướng chính_phủ. chính_phủ quy_định trình_tự , thủ_tục thực_hiện
      đầu_tư đối_với đối_tượng quy_định tại khoản này. "
    sentences:
      - >-
        các nước phát_triển khi tham_gia_công_ước chống sa_mạc_hóa của liên_hợp
        quốc sẽ có những nghĩa_vụ nào ?
      - >-
        ban quản_lý các dự_án đầu_tư xây_dựng thanh_tra chính_phủ có cơ_cấu
        tổ_chức như thế_nào ?
      - đối_tượng đầu_tư công bao_gồm những_ai ?
  - source_sentence: >-
      1. công_ước này sẽ bắt_đầu có hiệu_lực với điều_kiện tuân_thủ các quy_định
      của khoản 6 điều này , vào ngày đầu tháng tiếp_theo sau khi hết một hạn kỳ
      12 tháng kể từ ngày văn_bản phê_chuẩn , chấp_nhận , chuẩn_y hay gia_nhập
      thứ mười được đệ_trình kể_cả những văn_bản chứa_đựng một tuyên_bố được làm
      chiếu theo điều 92. 5. mọi quốc_gia thành_viên của công_ước la - haye 1964
      về ký_kết_hợp_đồng mà phê_chuẩn , chấp_nhận hay chuẩn_y công_ước này ,
      hoặc gia_nhập công_ước này và tuyên_bố hay đã tuyên_bố chiếu theo điều 92
      rằng họ không bị ràng_buộc bởi phần thứ ba của công_ước sẽ hủy bỏ vào lúc
      phê_chuẩn , chấp_nhận , chuẩn_y hay gia_nhập , bản công_ước la - haye 1964
      về ký_kết_hợp_đồng_bằng cách gửi một thông_cáo với mục_đích đó cho
      chính_phủ hà_lan. 6. vì mục_đích của điều này , các sự phê_chuẩn ,
      chấp_nhận , chuẩn_y và gia_nhập công_ước này của các quốc_gia thành_viên
      của công_ước la - haye 1964 về ký_kết_hợp_đồng hay công_ước la - haye 1964
      về mua_bán hàng_hóa chỉ bắt_đầu có hiệu_lực kể từ ngày các thông_báo
      hủy_bỏ của các quốc_gia đó đối_với hai công_ước nói trên cũng sẽ có
      hiệu_lực. người giữ lưu_chiểu bản công_ước này sẽ thỏa_thuận với chính_phủ
      hà_lan , vốn là người giữ lưu_chiểu các công_ước 1964 , để đảm_bảo sự
      phối_hợp cần_thiết về vấn_đề này
    sentences:
      - >-
        công_ước viên về mua_bán hàng_hóa quốc_tế năm 1980 sẽ bắt_đầu có
        hiệu_lực với điều_kiện gì ?
      - >-
        sau khi giữ người trong trường_hợp khẩn_cấp thì cơ_quan điều_tra phải
        thông_báo ngay cho những_ai ?
      - >-
        đăng_kiểm viên có hành_vi làm sai_lệch kết_quả kiểm_định xe cơ_giới bị
        phạt tiền như thế_nào ?
model-index:
  - name: vietnamese-bi-encoder-for-SoICT-2024
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: dim 768
          type: dim_768
        metrics:
          - type: cosine_accuracy@1
            value: 0.3883308220324795
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.6043864054913779
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.6909425749204755
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.7849489368826386
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.3883308220324795
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.2014621351637926
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.13818851498409507
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.07849489368826384
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.3883308220324795
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.6043864054913779
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.6909425749204755
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.7849489368826386
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.5804958772856197
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.5156554362355417
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.5234798575441378
            name: Cosine Map@100

vietnamese-bi-encoder-for-SoICT-2024

This is a sentence-transformers model finetuned from bkai-foundation-models/vietnamese-bi-encoder on the json 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: bkai-foundation-models/vietnamese-bi-encoder
Maximum Sequence Length: 256 tokens
Output Dimensionality: 768 tokens
Similarity Function: Cosine Similarity
Training Dataset:
- json
Language: vn
License: apache-2.0

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': 256, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (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:

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("maiduchuy321/vietnamese-bi-encoder-for-SoICT-2024")
# Run inference
sentences = [
    '1. công_ước này sẽ bắt_đầu có hiệu_lực với điều_kiện tuân_thủ các quy_định của khoản 6 điều này , vào ngày đầu tháng tiếp_theo sau khi hết một hạn kỳ 12 tháng kể từ ngày văn_bản phê_chuẩn , chấp_nhận , chuẩn_y hay gia_nhập thứ mười được đệ_trình kể_cả những văn_bản chứa_đựng một tuyên_bố được làm chiếu theo điều 92. 5. mọi quốc_gia thành_viên của công_ước la - haye 1964 về ký_kết_hợp_đồng mà phê_chuẩn , chấp_nhận hay chuẩn_y công_ước này , hoặc gia_nhập công_ước này và tuyên_bố hay đã tuyên_bố chiếu theo điều 92 rằng họ không bị ràng_buộc bởi phần thứ ba của công_ước sẽ hủy bỏ vào lúc phê_chuẩn , chấp_nhận , chuẩn_y hay gia_nhập , bản công_ước la - haye 1964 về ký_kết_hợp_đồng_bằng cách gửi một thông_cáo với mục_đích đó cho chính_phủ hà_lan. 6. vì mục_đích của điều này , các sự phê_chuẩn , chấp_nhận , chuẩn_y và gia_nhập công_ước này của các quốc_gia thành_viên của công_ước la - haye 1964 về ký_kết_hợp_đồng hay công_ước la - haye 1964 về mua_bán hàng_hóa chỉ bắt_đầu có hiệu_lực kể từ ngày các thông_báo hủy_bỏ của các quốc_gia đó đối_với hai công_ước nói trên cũng sẽ có hiệu_lực. người giữ lưu_chiểu bản công_ước này sẽ thỏa_thuận với chính_phủ hà_lan , vốn là người giữ lưu_chiểu các công_ước 1964 , để đảm_bảo sự phối_hợp cần_thiết về vấn_đề này',
    'công_ước viên về mua_bán hàng_hóa quốc_tế năm 1980 sẽ bắt_đầu có hiệu_lực với điều_kiện gì ?',
    'đăng_kiểm viên có hành_vi làm sai_lệch kết_quả kiểm_định xe cơ_giới bị phạt tiền như thế_nào ?',
]
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]

Evaluation

Metrics

Information Retrieval

Dataset: dim_768
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.3883
cosine_accuracy@3	0.6044
cosine_accuracy@5	0.6909
cosine_accuracy@10	0.7849
cosine_precision@1	0.3883
cosine_precision@3	0.2015
cosine_precision@5	0.1382
cosine_precision@10	0.0785
cosine_recall@1	0.3883
cosine_recall@3	0.6044
cosine_recall@5	0.6909
cosine_recall@10	0.7849
cosine_ndcg@10	0.5805
cosine_mrr@10	0.5157
cosine_map@100	0.5235

Training Details

Training Dataset

json

Dataset: json
Size: 107,510 training samples
Columns: positive and anchor
Approximate statistics based on the first 1000 samples:
positive anchor
type string string
details
min: 2 tokens
mean: 169.63 tokens
max: 256 tokens

min: 5 tokens
mean: 17.53 tokens
max: 37 tokens

	positive	anchor
type	string	string
details	min: 2 tokens mean: 169.63 tokens max: 256 tokens	min: 5 tokens mean: 17.53 tokens max: 37 tokens

Samples:

positive	anchor
`" điều 6. mức hưởng chế_độ ốm_đau 1. mức hưởng chế_độ ốm_đau theo quy_định tại khoản 1 điều 26 và điều 27 của luật bảo_hiểm xã_hội được tính như sau : mức hưởng chế_độ ốm_đau = tiền_lương tháng đóng bảo_hiểm xã_hội của tháng liền kề trước khi nghỉ_việc / 24 ngày x 75 ( % ) x số ngày nghỉ_việc được hưởng chế_độ ốm_đau "`	`mức hưởng chế_độ ốm_đau được pháp_luật quy_định như thế_nào ?`
huấn_luyện , bồi_dưỡng nghiệp_vụ phòng cháy và chữa_cháy. 4. trách_nhiệm tổ_chức huấn_luyện , bồi_dưỡng nghiệp_vụ về phòng cháy và chữa_cháy :. b ) cơ_quan , tổ_chức , cơ_sở hoặc cá_nhân có nhu_cầu được huấn_luyện , bồi_dưỡng nghiệp_vụ phòng cháy và chữa_cháy thì đề_nghị cơ_quan công_an hoặc cơ_sở huấn_luyện , hướng_dẫn về nghiệp_vụ phòng cháy và chữa_cháy đã được xác_nhận đủ điều_kiện kinh_doanh dịch_vụ phòng cháy và chữa_cháy tổ_chức huấn_luyện. kinh_phí tổ_chức huấn_luyện do cơ_quan , tổ_chức , cơ_sở hoặc cá_nhân tham_gia huấn_luyện chịu trách_nhiệm. vi_phạm_quy_định về tuyên_truyền , phổ_biến pháp_luật , kiến_thức và huấn_luyện , bồi_dưỡng nghiệp_vụ phòng cháy và chữa_cháy , cứu nạn , cứu_hộ. 3. phạt tiền từ 1. 500. 000 đồng đến 3. 000. 000 đồng đối_với hành_vi không tổ_chức huấn_luyện , bồi_dưỡng nghiệp_vụ phòng cháy và chữa_cháy , cứu nạn , cứu_hộ theo quy_định	`công_ty không thực_hiện bồi_dưỡng nghiệp_vụ phòng cháy chữa_cháy cho người lao_động thì bị xử_phạt như thế_nào ?`
" điều 73. điều_kiện trước khi chính_thức hoạt_động 1. doanh_nghiệp bảo_hiểm , doanh_nghiệp tái_bảo_hiểm , chi_nhánh nước_ngoài tại việt nam phải chính_thức hoạt_động trong thời_hạn 12 tháng kể từ ngày được cấp giấy_phép thành_lập và hoạt_động , trừ trường_hợp có sự_kiện bất_khả_kháng hoặc trở_ngại khách_quan. đối_với trường_hợp bất_khả_kháng hoặc trở_ngại khách_quan , doanh_nghiệp bảo_hiểm , doanh_nghiệp tái_bảo_hiểm , chi_nhánh nước_ngoài tại việt nam phải báo_cáo bằng văn_bản và được bộ tài_chính chấp_thuận bằng văn_bản về việc gia_hạn thời_gian chính_thức hoạt_động. thời_gian gia_hạn tối_đa là 12 tháng. 2. doanh_nghiệp bảo_hiểm , doanh_nghiệp tái_bảo_hiểm , chi_nhánh nước_ngoài tại việt nam phải đáp_ứng các quy_định sau đây để chính_thức hoạt_động : a ) chuyển số vốn gửi tại tài_khoản phong_tỏa thành vốn điều_lệ hoặc vốn được cấp. b ) xây_dựng cơ_cấu tổ_chức , bộ_máy quản_lý , kiểm_soát nội_bộ , kiểm_toán nội_bộ , hệ_thống quản_trị rủi_ro phù_hợp với hình_thức hoạt_động theo quy_định của luật này và quy_định khác của pháp_luật có liên_quan. bầu , bổ_nhiệm người đại_diện theo pháp_luật. bầu , bổ_nhiệm các chức_danh đã được bộ tài_chính chấp_thuận về nguyên_tắc quy_định tại khoản 2 điều 70 của luật này. c ) ban_hành các quy_chế quản_lý nội_bộ về tổ_chức hoạt_động , quy_chế nội_bộ về quản_trị rủi_ro và các quy_trình nghiệp_vụ cơ_bản theo quy_định pháp_luật. d ) ký_quỹ đầy_đủ theo quy_định của luật này tại ngân_hàng thương_mại hoạt_động tại việt_nam. đ ) có trụ_sở , cơ_sở vật_chất , kỹ_thuật , hệ_thống công_nghệ phù_hợp với quy_trình nghiệp_vụ về kinh_doanh bảo_hiểm. e ) thực_hiện công_bố nội_dung giấy_phép thành_lập và hoạt_động quy_định tại khoản 2 điều 72 của luật này. 3. doanh_nghiệp bảo_hiểm , doanh_nghiệp tái_bảo_hiểm , chi_nhánh nước_ngoài tại việt nam phải thông_báo cho bộ tài_chính về việc đáp_ứng các quy_định tại khoản 2 điều này ít_nhất 15 ngày trước ngày chính_thức hoạt_động. bộ tài_chính có quyền đình_chỉ việc chính_thức hoạt_động của doanh_nghiệp bảo_hiểm , doanh_nghiệp tái_bảo_hiểm , chi_nhánh nước_ngoài tại việt_nam khi chưa đáp_ứng các quy_định tại khoản 2 điều này. 4. doanh_nghiệp bảo_hiểm , doanh_nghiệp tái_bảo_hiểm , chi_nhánh nước_ngoài tại việt nam không được tiến_hành hoạt_động_kinh_doanh bảo_hiểm trước ngày chính_thức hoạt_động. "	`điều_kiện để doanh_nghiệp bảo_hiểm được chính_thức hoạt_động ?`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "MultipleNegativesRankingLoss",
    "matryoshka_dims": [
        768
    ],
    "matryoshka_weights": [
        1
    ],
    "n_dims_per_step": -1
}

Evaluation Dataset

json

Dataset: json
Size: 11,946 evaluation samples
Columns: positive and anchor
Approximate statistics based on the first 1000 samples:
positive anchor
type string string
details
min: 16 tokens
mean: 165.45 tokens
max: 256 tokens

min: 7 tokens
mean: 17.33 tokens
max: 40 tokens

	positive	anchor
type	string	string
details	min: 16 tokens mean: 165.45 tokens max: 256 tokens	min: 7 tokens mean: 17.33 tokens max: 40 tokens

Samples:

positive	anchor
`" điều 15. nguyên_tắc giao_kết_hợp_đồng lao_động 1. tự_nguyện , bình_đẳng , thiện_chí , hợp_tác và trung_thực. 2. tự_do giao_kết_hợp_đồng lao_động nhưng không được trái pháp_luật , thỏa_ước lao_động tập_thể và đạo_đức xã_hội. "`	`nguyên_tắc giao_kết_hợp_đồng lao_động được đề_cập như thế_nào ?`
" 1. mỗi chức_danh công_chức cấp xã được bố_trí từ 01 người trở lên , ủy_ban nhân_dân cấp tỉnh quy_định việc bố_trí tăng thêm người ở một_số chức_danh công_chức cấp xã phù_hợp với yêu_cầu , nhiệm_vụ của từng xã , phường , thị_trấn ( trừ chức_danh trưởng công_an xã và chỉ_huy_trưởng ban chỉ_huy quân_sự cấp xã ) nhưng không vượt quá tổng_số cán_bộ , công_chức cấp xã quy_định tại khoản 1 điều 4 nghị_định số 92 / 2009 / nđ - cp đã được sửa_đổi , bổ_sung tại khoản 1 điều 2 nghị_định 34 / 2019 / nđ - cp. 2. những chức_danh công_chức cấp xã có từ 02 người đảm_nhiệm , khi tuyển_dụng , ghi hồ_sơ lý_lịch và sổ bảo_hiểm xã_hội phải thống_nhất theo đúng tên gọi của chức_danh công_chức cấp xã quy_định tại khoản 2 điều 3 nghị_định số 92 / 2009 / nđ - cp. 3. căn_cứ quyết_định của ủy_ban nhân_dân cấp tỉnh về việc giao số_lượng cán_bộ , công_chức cấp xã , chủ_tịch ủy_ban nhân_dân cấp huyện quyết_định tuyển_dụng , phân_công , điều_động , luân_chuyển và bố_trí người đảm_nhiệm các chức_danh công_chức cấp xã phù_hợp với chuyên_ngành đào_tạo và đáp_ứng các yêu_cầu của vị_trí chức_danh công_chức. "	`bố_trí số_lượng công_chức cấp xã được pháp_luật quy_định như thế_nào ?`
“ điều 3. giải_thích từ_ngữ … 4. thu phí dịch_vụ sử_dụng đường_bộ theo hình_thức điện_tử không dừng ( sau đây gọi tắt là thu phí điện_tử không dừng ) là hình_thức thu phí dịch_vụ sử_dụng đường_bộ tự_động , phương_tiện giao_thông đường_bộ không cần phải dừng lại để trả phí dịch_vụ sử_dụng đường_bộ khi tới trạm thu phí dịch_vụ sử_dụng đường_bộ. quá_trình tính_toán phí dịch_vụ sử_dụng đường_bộ được thực_hiện tự_động bởi hệ_thống thu phí dịch_vụ sử_dụng đường_bộ theo hình_thức điện_tử không dừng ( sau đây gọi tắt là hệ_thống thu phí điện_tử không dừng ). ”	`thu phí điện_tử không dừng là gì ?`

Loss: MatryoshkaLoss with these parameters:

{
    "loss": "MultipleNegativesRankingLoss",
    "matryoshka_dims": [
        768
    ],
    "matryoshka_weights": [
        1
    ],
    "n_dims_per_step": -1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 24
per_device_eval_batch_size: 16
gradient_accumulation_steps: 16
learning_rate: 2e-05
num_train_epochs: 5
lr_scheduler_type: cosine
warmup_ratio: 0.1
fp16: True
load_best_model_at_end: True
optim: adamw_torch_fused
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 24
per_device_eval_batch_size: 16
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 16
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 2e-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: 5
max_steps: -1
lr_scheduler_type: cosine
lr_scheduler_kwargs: {}
warmup_ratio: 0.1
warmup_steps: 0
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
save_safetensors: True
save_on_each_node: False
save_only_model: False
restore_callback_states_from_checkpoint: False
no_cuda: False
use_cpu: False
use_mps_device: False
seed: 42
data_seed: None
jit_mode_eval: False
use_ipex: False
bf16: False
fp16: True
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: 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_fused
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: 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
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
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Click to expand

Epoch	Step	Training Loss	Validation Loss	dim_768_cosine_map@100
0.0357	10	0.0982	-	-
0.0714	20	0.0764	-	-
0.1071	30	0.0586	-	-
0.1429	40	0.0484	-	-
0.1786	50	0.0513	-	-
0.2143	60	0.0441	-	-
0.25	70	0.0446	-	-
0.2857	80	0.0445	-	-
0.3214	90	0.0295	-	-
0.3571	100	0.0359	-	-
0.3929	110	0.035	-	-
0.4286	120	0.0364	-	-
0.4643	130	0.0323	-	-
0.5	140	0.0317	-	-
0.5357	150	0.03	-	-
0.5714	160	0.0278	-	-
0.6071	170	0.026	-	-
0.6429	180	0.0324	-	-
0.6786	190	0.0316	-	-
0.7143	200	0.031	-	-
0.75	210	0.0268	-	-
0.7857	220	0.0246	-	-
0.8214	230	0.0266	-	-
0.8571	240	0.0244	-	-
0.8929	250	0.0248	-	-
0.9286	260	0.0267	-	-
0.9643	270	0.0224	-	-
1.0	280	0.0305	0.0125	0.5116
1.0357	290	0.0284	-	-
1.0714	300	0.0276	-	-
1.1071	310	0.0179	-	-
1.1429	320	0.0179	-	-
1.1786	330	0.0222	-	-
1.2143	340	0.0174	-	-
1.25	350	0.0146	-	-
1.2857	360	0.0181	-	-
1.3214	370	0.0113	-	-
1.3571	380	0.0131	-	-
1.3929	390	0.0097	-	-
1.4286	400	0.0137	-	-
1.4643	410	0.0119	-	-
1.5	420	0.0092	-	-
1.5357	430	0.0103	-	-
1.5714	440	0.0081	-	-
1.6071	450	0.009	-	-
1.6429	460	0.0098	-	-
1.6786	470	0.009	-	-
1.7143	480	0.0098	-	-
1.75	490	0.0104	-	-
1.7857	500	0.0094	-	-
1.8214	510	0.0088	-	-
1.8571	520	0.0104	-	-
1.8929	530	0.0096	-	-
1.9286	540	0.0097	-	-
1.9643	550	0.009	-	-
2.0	560	0.01	0.0109	0.5177
2.0357	570	0.0106	-	-
2.0714	580	0.0106	-	-
2.1071	590	0.0079	-	-
2.1429	600	0.0079	-	-
2.1786	610	0.0088	-	-
2.2143	620	0.0088	-	-
2.25	630	0.0076	-	-
2.2857	640	0.0077	-	-
2.3214	650	0.0057	-	-
2.3571	660	0.0063	-	-
2.3929	670	0.0052	-	-
2.4286	680	0.0076	-	-
2.4643	690	0.0063	-	-
2.5	700	0.0056	-	-
2.5357	710	0.007	-	-
2.5714	720	0.0053	-	-
2.6071	730	0.0051	-	-
2.6429	740	0.0052	-	-
2.6786	750	0.0055	-	-
2.7143	760	0.0066	-	-
2.75	770	0.0058	-	-
2.7857	780	0.0055	-	-
2.8214	790	0.006	-	-
2.8571	800	0.0058	-	-
2.8929	810	0.0054	-	-
2.9286	820	0.006	-	-
2.9643	830	0.0061	-	-
3.0	840	0.0061	0.0105	0.5197
3.0357	850	0.0063	-	-
3.0714	860	0.0062	-	-
3.1071	870	0.0058	-	-
3.1429	880	0.0044	-	-
3.1786	890	0.0061	-	-
3.2143	900	0.0052	-	-
3.25	910	0.0052	-	-
3.2857	920	0.005	-	-
3.3214	930	0.0042	-	-
3.3571	940	0.0043	-	-
3.3929	950	0.0046	-	-
3.4286	960	0.0052	-	-
3.4643	970	0.0047	-	-
3.5	980	0.0042	-	-
3.5357	990	0.0053	-	-
3.5714	1000	0.0035	-	-
3.6071	1010	0.0041	-	-
3.6429	1020	0.0037	-	-
3.6786	1030	0.0038	-	-
3.7143	1040	0.005	-	-
3.75	1050	0.004	-	-
3.7857	1060	0.0039	-	-
3.8214	1070	0.0038	-	-
3.8571	1080	0.0042	-	-
3.8929	1090	0.0048	-	-
3.9286	1100	0.0046	-	-
3.9643	1110	0.0051	-	-
4.0	1120	0.0045	0.0103	0.5245
4.0357	1130	0.0041	-	-
4.0714	1140	0.0048	-	-
4.1071	1150	0.0046	-	-
4.1429	1160	0.0036	-	-
4.1786	1170	0.0056	-	-
4.2143	1180	0.0044	-	-
4.25	1190	0.0046	-	-
4.2857	1200	0.005	-	-
4.3214	1210	0.0035	-	-
4.3571	1220	0.0039	-	-
4.3929	1230	0.0035	-	-
4.4286	1240	0.0047	-	-
4.4643	1250	0.005	-	-
4.5	1260	0.0041	-	-
4.5357	1270	0.0044	-	-
4.5714	1280	0.0033	-	-
4.6071	1290	0.0037	-	-
4.6429	1300	0.0037	-	-
4.6786	1310	0.0033	-	-
4.7143	1320	0.0047	-	-
4.75	1330	0.0032	-	-
4.7857	1340	0.0039	-	-
4.8214	1350	0.0041	-	-
4.8571	1360	0.0038	-	-
4.8929	1370	0.0045	-	-
4.9286	1380	0.0044	-	-
4.9643	1390	0.0044	-	-
5.0	1400	0.0047	0.0102	0.5235

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.10.14
Sentence Transformers: 3.2.1
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",
}

MatryoshkaLoss

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

MultipleNegativesRankingLoss

@misc{henderson2017efficient,
    title={Efficient Natural Language Response Suggestion for Smart Reply},
    author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil},
    year={2017},
    eprint={1705.00652},
    archivePrefix={arXiv},
    primaryClass={cs.CL}
}