medialab-sciencespo/QwAn

SentenceTransformer based on Qwen/Qwen3-Embedding-0.6B

This is a sentence-transformers model finetuned from Qwen/Qwen3-Embedding-0.6B on a dataset built from the debates transcripts published by the Assemblée nationale. It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for retrieval.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: Qwen/Qwen3-Embedding-0.6B
• Maximum Sequence Length: 32768 tokens
• Output Dimensionality: 1024 dimensions
• Similarity Function: Cosine Similarity
• Supported Modality: Text
• Training Datasets:
  • pair
  • triplet

Model Sources

• Documentation: Sentence Transformers Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'Qwen3Model'})
  (1): Pooling({'embedding_dimension': 1024, 'pooling_mode': 'lasttoken', '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("medialab-sciencespo/QwAn")
# Run inference
queries = [
    'Je veux d’abord saluer la présence de nombreux députés que je n’avais pas vus depuis plusieurs semaines, …car ils avaient choisi de profiter de leurs jours chômés et indemnisés pour fuir les débats, témoignant ainsi de leur manque de courage, notamment pendant la période budgétaire. Une fois de plus, nous assistons à une manœuvre dilatoire qui vise à contourner l’Assemblée nationale, à refuser le débat de fond que nous proposions et à nous faire siéger un vendredi, alors que nous étions convenus avec le gouvernement qu’il n’en serait rien. Je demande une suspension de séance pour une durée d’une demi-heure.',
]
documents = [
    'Nous n’avons pas de leçon de démocratie à recevoir d’un groupe qui a une grande maîtrise et une grande expérience du dépôt des motions de rejet préalables –\xa0comme de l’obstruction, au moyen du dépôt d’amendements et de sous-amendements sans lien avec le fond du texte\xa0! À ceux qui pensent que nous n’avons jamais travaillé, vous tombez mal, j’ai pour ma part travaillé jour et nuit pendant quarante et un ans, samedis, dimanches et jours fériés compris\xa0! Nous avons débattu du texte en commission et nous aurions voulu en débattre aujourd’hui dans l’hémicycle… Cette proposition de loi est attendue par les artisans boulangers, dont certains sont présents en tribune. Un sondage réalisé cette semaine pour la Confédération des petites et moyennes entreprises (CPME) montre d’ailleurs que non seulement les salariés, mais aussi les artisans et les citoyens en général, y sont favorables\xa0; ils veulent pouvoir faire des achats dans tous les commerces. Seulement vous nous empêchez de débattre, vous êtes des professionnels de l’obstruction\xa0! Cessez vos manifestations, elles n’ont aucun sens et sont délétères, elles abîment la fonction de député\xa0!',
    'Décidément, le cheminement parlementaire du projet de loi qui nous occupe aujourd’hui est émaillé de péripéties et de piquants catapultages de dates. Lors de la première lecture, nous devions précéder de vingt-quatre heures le premier vote à la Chambre des communes, et au moment même où nous avions commencé nos discussions dans cet hémicycle, nous apprenions que Mme\xa0May reportait ce vote à Westminster. Aujourd’hui, nous sommes réunis pour procéder à la lecture du texte élaboré par la commission mixte paritaire –\xa0et donc à la dernière lecture du projet de loi\xa0–, quelques heures après le vote du Parlement britannique qui a rejeté l’accord. Autant dire que nous sommes chaque fois rappelés à nos responsabilités comme au caractère parfaitement exceptionnel et unique de notre débat et de la situation politique dans laquelle nous nous trouvons placés les uns comme les autres. Nous avons écouté avec attention les propos du président Mélenchon auxquels le groupe Les Républicains ne peut souscrire –\xa0à bien des égards, cela ne devrait surprendre personne. Nous voulons en effet, dans un esprit de responsabilité, et en ayant également le souci de la cohérence intellectuelle et politique qui nous avait, en première lecture, amenés à voter en faveur de ce projet de loi, réitérer notre position\xa0: nous sommes toujours en faveur de son adoption. Nous ne pourrons donc bien évidemment pas voter la motion de rejet préalable. Pierre-Henri Dumont aura l’occasion de revenir plus longuement, à l’occasion de la discussion générale, sur les réserves et sur les réticences que nous avions déjà formulées en première lecture et que nous allons à nouveau exprimer sur des sujets sensibles et des points relatifs à l’état de préparation ou d’impréparation du Gouvernement. Nous porterons alors des appréciations parfois sceptiques les concernant. Quoi qu’il en soit, par esprit de responsabilité, parce que nous sommes conscients de la situation exceptionnelle dans laquelle nos deux pays et l’Union européenne se trouvent plongés, et parce que la situation présente un véritable caractère d’urgence, nous allons voter contre la motion de rejet préalable.',
    'L’exposé de cette motion de rejet par notre collègue de La France insoumise ne comporte pas que des inexactitudes. Sur la forme, tout d’abord, M.\xa0Holroyd le sait bien\xa0: il n’est pas le père de ce texte\xa0! Celui-ci a été préparé par la direction du Trésor, tout le monde le sait\xa0! Ceci dit, chers collègues, ce n’est pas la première fois que nous assistons à ce genre de choses. De là à penser que cet argument de forme est suffisant pour voter la motion de rejet… ce n’est pas la position du groupe LIOT. Mme\xa0Maximi a encore raison de souligner que l’AMF, qui connaît tout de même le sujet, n’a pas été consultée officiellement. Je trouve d’ailleurs la lettre de près de quatre pages que nous a transmise le président de la commission des finances très équilibrée et pleine de bon sens. J’espère d’ailleurs que le rapporteur soutiendra les amendements de notre groupe… …qui correspondent aux suggestions de la présidente de l’AMF. Les critiques de notre collègue sont donc fondées. Sont-elles suffisantes pour voter en faveur de cette motion de rejet\xa0? Nous ne le croyons pas. Aussi voterons-nous contre.',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 1024] [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[0.6328, 0.6133, 0.5273]], dtype=torch.bfloat16)

Evaluation

Metrics

Semantic Similarity

• Datasets: sts and parlspear
• Evaluated with EmbeddingSimilarityEvaluator

Metric	sts	parlspear
pearson_cosine	0.7404	0.3344
spearman_cosine	0.7104	0.338

KL Divergence

• Dataset: val
• Evaluated with main.KLDivergenceEvaluator

Metric	Value
kl_div_cosine	0.4665

Training Details

Training Datasets

pair

• Dataset: pair
• Size: 8,936 training samples
• Columns: a_speech, b_speech, and score
• Approximate statistics based on the first 1000 samples:

  	a_speech	b_speech	score
  type	string	string	float
  details	min: 7 tokens mean: 718.05 tokens max: 4070 tokens	min: 7 tokens mean: 557.96 tokens max: 3489 tokens	min: 0.0 mean: 0.61 max: 1.0

• Samples:

  a_speech	b_speech	score
  Ce sujet n’est-il pas important à vos yeux ? Moi je le trouve intéressant ! Nous ne nous attendions à rien mais nous sommes tout de même déçus. À la fin du premier confinement, pendant lequel la France entière avait été privée pendant plusieurs semaines d’un bien aussi essentiel qu’un masque à la suite de la délocalisation, en Tunisie, de la dernière usine produisant des masques en France par l’actionnaire américain Honeywell – lequel avait, en guise de cadeau d’adieu, détruit nos machines –, Emmanuel Macron avait affirmé, écoutez-moi bien : « Il est des biens et des services qui doivent être placés en dehors des lois du marché. » Depuis cette épiphanie vite oubliée, la reprise post-covid, la guerre en Ukraine et l’inflation historique ont achevé de démontrer que la mondialisation sans frein des trente dernières années est derrière nous. La Chine n’est plus l’usine du monde dont nous pouvions exploiter les travailleurs pour subvenir aux besoins de la population française. Davantage de ...	Nous arrivons au terme de très longs débats, trente et une heures selon le rapporteur général ; des débats hachés par d’autres textes, donc des conditions de discussion qui, comme souvent, ne sont pas optimales ; des débats parfois sympathiques, et l’humour du ministre Lescure n’y est pas pour rien… En la matière, je ne peux pas évoquer Bruno Le Maire, puisqu’on l’a moins vu aux bancs du Gouvernement, mais peut-être a-t-il tout autant le sens de l’humour. Des débats, enfin, parfois un peu ubuesques, avec des Don Quichotte obsédés par le combat anti-éoliennes,… …avec ces faux amis de la biodiversité qui nous ont expliqué comment une bestiole ou un crapaud pouvait empêcher l’implantation d’une usine… Ils sont prêts à mener tous les combats contre la biodiversité au nom d’une industrialisation qui n’est pas la nôtre ! Pour nous, c’est un rendez-vous raté. Les écologistes, je l’avais dit lors de la discussion générale, défendent la réindustrialisation de notre pays et la relocalisation. Bi...	1.0
  Nous l’avons déjà souligné à plusieurs reprises dans cet hémicycle, nous sommes par principe opposés à l’adoption de motions lors de journées réservées à l’ordre du jour des groupes d’opposition. Je rappelle que l’introduction de ces journées de niche avait pour objectif de rééquilibrer l’ordre du jour en permettant l’examen des textes d’initiative parlementaire à côté de l’ordre du jour proposé par le Gouvernement. Nous l’avons dit lors de l’examen en commission : nous sommes réservés sur l’opportunité d’une proposition de loi, alors que les grandes orientations du futur plan santé viennent d’être dévoilées. Cela étant, cette proposition de loi présente un dispositif approfondi, ce qui mérite d’être salué. Nous ne sommes certes pas en accord avec l’ensemble des propositions, mais préférons toujours un débat et un échange arguments contre arguments à l’absence de discussion. Notre groupe votera donc contre cette motion de rejet.	Pour être clair, nous sommes contre le rejet préalable, donc nous voterons contre également, car c’est anti-démocratique. Malheureusement, cela devient une habitude pour la majorité de déposer des motions de ce type à chaque niche parlementaire : c’est un déni démocratique de votre part ! Mme Tamarelle-Verhaeghe nous renvoie au plan Ma santé 2022. Celui proposé par les Républicains mérite quand même, sur le fond, d’être discuté. Nous ne pouvons pas être d’accord sur tout, mais cette proposition a au moins le mérite d’exister : cela s’appelle le débat démocratique. Chacun doit pouvoir s’exprimer et apporter des idées. Vous avez votre plan, nous avons aussi nos idées, nous ne partageons pas tout ce que vous proposez dans le plan Ma santé 2022, et nous en discuterons au moment voulu. La prévention, cela consiste à prévenir ; mais cela s’applique aussi dans le cadre environnemental et économique. Comment peut-on prévenir quand on ferme des lignes de chemin de fer, créant ainsi de la pollut...	1.0
  Non, monsieur le président. Il est tout à fait possible de prévoir à la fois une revalorisation annuelle en fonction de l’inflation et une clause de revoyure.	L’amendement n o  2091, qui vise à instaurer la fameuse clause de revoyure, est ainsi rédigé : « le ministre chargé de la formation professionnelle saisit le conseil d’administration de France compétences pour un avis relatif à l’actualisation des droits au compte personnel de formation » ; ce n’est qu’une fois cet avis recueilli qu’il procède à « une éventuelle actualisation des droits ». Même si nous avons tous envie de faire le pari de la confiance, il ne serait pas excessif d’introduire un peu de stabilité dans les règles.	1.0

• Loss: ContrastiveLoss with these parameters:

  {
      "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
      "margin": 0.2,
      "size_average": true
  }
  

triplet

• Dataset: triplet
• Size: 24,763 training samples
• Columns: anc_speech, pos_speech, and neg_speech
• Approximate statistics based on the first 1000 samples:

  	anc_speech	pos_speech	neg_speech
  type	string	string	string
  details	min: 13 tokens mean: 354.32 tokens max: 2202 tokens	min: 25 tokens mean: 356.66 tokens max: 1263 tokens	min: 8 tokens mean: 443.43 tokens max: 2163 tokens

• Samples:

  anc_speech	pos_speech	neg_speech
  Le taux d’emploi des seniors en France est inférieur de 4,5 points à la moyenne européenne et de 16 points à celui de l’Allemagne. Cela signifie que nous nous privons, dans nos entreprises, de l’expérience des seniors ainsi que de la transmission des compétences et des savoirs entre les générations. D’un point de vue budgétaire, une augmentation de 10 points du taux d’emploi des seniors d’ici à 2032 améliorerait le produit intérieur brut de 48 milliards d’euros selon l’économiste Jean-Hervé Lorenzi. La question de l’emploi des seniors est bien au cœur de la réforme des retraites et nous avons le devoir d’agir. Le groupe Démocrate (MODEM et indépendants) souhaite aller plus loin que l’index seniors. Nous proposons un dispositif d’incitation à l’embauche et au maintien des seniors dans les entreprises… …de type bonus-malus, assez similaire au dispositif relatif aux contrats courts, qui fonctionne. Monsieur le ministre, c’est à une prise de conscience sociétale que nous voulons inviter ; ...	Je retire mon amendement. Le groupe Démocrate (MODEM et indépendants) en a déposé trente-neuf : on ne peut pas l’accuser d’avoir bloqué le fonctionnement du Parlement ! Monsieur Di Filippo, vous constaterez, à la lecture du compte rendu des débats, que c’est bien vous qui avez parlé de masse salariale et de pénalités. Je n’ai fait que reprendre vos propos, sans aucune acrimonie. Enfin, je m’en remets à l’amendement de M. Croizier, car je reste persuadé qu’un dispositif de bonus-malus sur les cotisations peut être vertueux. La modulation du taux de contribution d’assurance chômage a permis avec succès de lutter contre les CDD, alors osons !	Il est désormais clair que vous enlisez le débat et que vous faites de l’obstruction. Les amendements visent à donner du contenu à votre index seniors, mais celui-ci ne servira à rien, et certainement pas à améliorer l’emploi des seniors. Ce qui est certain, c’est que les aides au logement et les allocations de solidarité aux personnes âgées chuteront considérablement. Vous essayez encore de manipuler l’opinion publique en agitant des chiffres qui ne reflètent pas la réalité. Expliquez au peuple qu’il devra travailler deux ans de plus, mettez des mots sur cette réforme ! Dites-nous enfin combien de seniors toucheront ces fameux 1 200 euros brut ! Vous vous offusquez, vous êtes choqués à chaque fois que vous entendez des propos venant de notre camp. Mais n’êtes-vous pas offusqués, choqués de voir des gens errer dans la rue, de savoir qu’il y a plus de 10 millions de pauvres, que plus de 6 millions de chômeurs n’auront jamais une carrière complète, que plus de 4 millions de personnes son...
  L’ouragan Fiona qui s’est abattu sur la Guadeloupe en septembre a conduit à la reconnaissance de l’état de catastrophe naturelle, ce qui garantit l’indemnisation des victimes. Le présent amendement, proposé par Marine Le Pen, a pour objet d’augmenter de 3 millions les crédits consacrés au fonds de secours pour les outre-mer (Fsom). Cette augmentation permettra de couvrir l’indemnisation des biens des particuliers non assurés et des dégâts provoqués par une cause non reconnue dans l’arrêté de reconnaissance de l’état de catastrophe naturelle. Il est proposé d’imputer cette hausse de crédits sur l’action 06, Collectivités territoriales , du programme 123, Conditions de vie outre-mer , en transférant le même montant depuis les crédits de l’action 01 du programme 138, Emploi outre-mer . En cas d’adoption du présent amendement, il est naturellement demandé au Gouvernement de compenser ce transfert.	En nous disant qu’il pourra trouver les quelques millions manquants en cas de catastrophe naturelle, M. le ministre délégué avoue à demi-mot qu’il manquera de l’argent dans le fonds. Dans ces conditions, pourquoi ne pas approuver les deux amendements ? Sans ces crédits, ces millions d’euros que vous pourrez approuver en quelques jours, vous devrez bien les piocher dans les crédits alloués à d’autres programmes. Approuvons donc dès maintenant ce montant, qui servira quoi qu’il arrive.	Le Fsom existe pour aider les personnes qui ne sont pas assurées et qui bénéficient de l’arrêté de catastrophe naturelle. C’est la règle.
  Il est identique au précédent. En tant que concitoyens, et a fortiori en tant que législateurs, nous avons pour devoir de protéger les plus faibles, en particulier ceux qui seraient atteints d’une pathologie psychiatrique. Dans un souci de clarté, cette pathologie doit être attestée par le diagnostic d’un médecin psychiatre. La condition supplémentaire que nous proposons doit servir de garantie aux personnes fragiles ou fragilisées.	Nous semblons tous d’accord sur la nécessité d’exclure toute disposition discriminatoire. Mon amendement vise à transposer, sans modification, l’alinéa 3 de l’article 8 dans l’article 6, afin de clarifier les dispositions du projet de loi. Le fond du texte ne changerait pas, mais sa lisibilité s’en trouverait améliorée.	Je partage en tout point l’argumentaire extrêmement clair que vient de développer la rapporteure. Une exclusion générale des patients atteints de pathologies psychiatriques ne serait en aucun cas justifiée compte tenu de la grande diversité clinique des troubles psychiques. Il est évident que l’évaluation médicale de la volonté libre et éclairée, nécessaire pour accéder à l’aide à mourir, prendra en considération les altérations du discernement qui résulteraient d’un épisode d’une pathologie psychiatrique. Avis défavorable sur l’ensemble de ces amendements.

• Loss: TripletLoss with these parameters:

  {
      "distance_metric": "TripletDistanceMetric.COSINE",
      "triplet_margin": 0.2
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• per_device_train_batch_size: 1
• num_train_epochs: 2
• learning_rate: 2e-05
• warmup_steps: 0.1
• gradient_accumulation_steps: 16
• gradient_checkpointing: True
• gradient_checkpointing_kwargs: {'use_reentrant': False}
• per_device_eval_batch_size: 1
• eval_accumulation_steps: 2
• dataloader_drop_last: True

All Hyperparameters

Click to expand

• per_device_train_batch_size: 1
• num_train_epochs: 2
• max_steps: -1
• learning_rate: 2e-05
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_steps: 0.1
• optim: adamw_torch_fused
• optim_args: None
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• optim_target_modules: None
• gradient_accumulation_steps: 16
• average_tokens_across_devices: True
• max_grad_norm: 1.0
• label_smoothing_factor: 0.0
• bf16: False
• fp16: False
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• gradient_checkpointing: True
• gradient_checkpointing_kwargs: {'use_reentrant': False}
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• use_liger_kernel: False
• liger_kernel_config: None
• use_cache: False
• neftune_noise_alpha: None
• torch_empty_cache_steps: None
• auto_find_batch_size: False
• log_on_each_node: True
• logging_nan_inf_filter: True
• include_num_input_tokens_seen: no
• log_level: passive
• log_level_replica: warning
• disable_tqdm: False
• project: huggingface
• trackio_space_id: None
• trackio_bucket_id: None
• trackio_static_space_id: None
• per_device_eval_batch_size: 1
• prediction_loss_only: True
• eval_on_start: False
• eval_do_concat_batches: True
• eval_use_gather_object: False
• eval_accumulation_steps: 2
• include_for_metrics: []
• batch_eval_metrics: False
• save_only_model: False
• save_on_each_node: False
• enable_jit_checkpoint: False
• push_to_hub: False
• hub_private_repo: None
• hub_model_id: None
• hub_strategy: every_save
• hub_always_push: False
• hub_revision: None
• load_best_model_at_end: False
• ignore_data_skip: False
• restore_callback_states_from_checkpoint: False
• full_determinism: False
• seed: 42
• data_seed: None
• use_cpu: False
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• parallelism_config: None
• dataloader_drop_last: True
• dataloader_num_workers: 0
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• dataloader_prefetch_factor: None
• remove_unused_columns: True
• label_names: None
• train_sampling_strategy: random
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• ddp_static_graph: None
• ddp_backend: None
• ddp_timeout: 1800
• fsdp: None
• fsdp_config: None
• deepspeed: None
• debug: []
• skip_memory_metrics: True
• do_predict: False
• resume_from_checkpoint: None
• warmup_ratio: None
• local_rank: -1
• prompts: None
• batch_sampler: batch_sampler
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	sts_spearman_cosine	parlspear_spearman_cosine
0.0475	100	0.1638	-	-
0.0950	200	0.1646	-	-
0.1424	300	0.1638	-	-
0.1899	400	0.1594	-	-
0.2374	500	0.1565	0.7280	0.6845
0.2849	600	0.1512	-	-
0.3324	700	0.1519	-	-
0.3798	800	0.1471	-	-
0.4273	900	0.1473	-	-
0.4748	1000	0.1433	0.7260	0.6628
0.5223	1100	0.1428	-	-
0.5697	1200	0.1422	-	-
0.6172	1300	0.1258	-	-
0.6647	1400	0.1088	-	-
0.7122	1500	0.1007	0.7124	0.3969
0.7597	1600	0.0893	-	-
0.8071	1700	0.0949	-	-
0.8546	1800	0.0939	-	-
0.9021	1900	0.0891	-	-
0.9496	2000	0.0924	0.7108	0.3558
0.9971	2100	0.0942	-	-
1.0442	2200	0.0889	-	-
1.0916	2300	0.0962	-	-
1.1391	2400	0.0885	-	-
1.1866	2500	0.0906	0.7109	0.3438
1.2341	2600	0.0859	-	-
1.2816	2700	0.0873	-	-
1.3290	2800	0.0805	-	-
1.3765	2900	0.0829	-	-
1.4240	3000	0.0861	0.7105	0.3396
1.4715	3100	0.0870	-	-
1.5189	3200	0.0892	-	-
1.5664	3300	0.0848	-	-
1.6139	3400	0.0929	-	-
1.6614	3500	0.0890	0.7105	0.3382
1.7089	3600	0.0881	-	-
1.7563	3700	0.0871	-	-
1.8038	3800	0.0907	-	-
1.8513	3900	0.0903	-	-
1.8988	4000	0.0898	0.7104	0.3372
1.9463	4100	0.0836	-	-
1.9937	4200	0.0875	-	-
2.0	4214	-	0.7104	0.3380

Training Time

• Training: 8.2 hours
• Evaluation: 47.2 minutes
• Total: 9.0 hours

Framework Versions

• Python: 3.11.14
• Sentence Transformers: 5.4.1
• Transformers: 5.11.0
• PyTorch: 2.12.0+cu130
• Accelerate: 1.14.0
• Datasets: 5.0.0
• Tokenizers: 0.22.2

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",
}

ContrastiveLoss

@inproceedings{hadsell2006dimensionality,
    author={Hadsell, R. and Chopra, S. and LeCun, Y.},
    booktitle={2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06)},
    title={Dimensionality Reduction by Learning an Invariant Mapping},
    year={2006},
    volume={2},
    number={},
    pages={1735-1742},
    doi={10.1109/CVPR.2006.100}
}

TripletLoss

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification},
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}