SentenceTransformer based on answerdotai/ModernBERT-large

This is a sentence-transformers model finetuned from answerdotai/ModernBERT-large on the korean_nli_dataset_reranker_v1 dataset. It maps sentences & paragraphs to a 1024-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: answerdotai/ModernBERT-large
Maximum Sequence Length: 8192 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- korean_nli_dataset_reranker_v1
Language: ko

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': 8192, 'do_lower_case': False}) with Transformer model: ModernBertModel 
  (1): Pooling({'word_embedding_dimension': 1024, '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})
)

Evaluation

Metrics

AutoRAG Retrieval

Metrics	sigridjineth/ModernBERT-korean-large-preview (241225)	Alibaba-NLP/gte-multilingual-base	answerdotai/ModernBERT-large
NDCG@10	0.72503	0.77108	0.0
Recall@10	0.87719	0.93860	0.0
Precision@1	0.57018	0.59649	0.0
NDCG@100	0.74543	0.78411	0.01565
Recall@100	0.98246	1.0	0.09649
Recall@1000	1.0	1.0	1.0

Triplet

Dataset: dev-eval
Evaluated with TripletEvaluator

Metric	Value
cosine_accuracy	0.877

Training Details

Training Dataset

Size: 1,120,235 training samples
Columns: query, positive, and negative

Approximate statistics based on the first 1000 samples:

	query	positive	negative
type	string	string	string
details	min: 5 tokens mean: 55.49 tokens max: 476 tokens	min: 5 tokens mean: 186.0 tokens max: 1784 tokens	min: 9 tokens mean: 120.54 tokens max: 2383 tokens

Samples:

query	positive	negative
`양복을 입은 노인이 짐을 뒤로 끌고 간다.`	`양복을 입은 남자`	`옷을 입은 노인`
`한국의 제1위 서비스 수출 시장은 중국이니`	중국은 세계 제2위의 서비스 교역국이자 우리나라의 제1위 서비스 수출 시장*으로서, 2016년 중국의 서비스교역 규모는 6,571억불로 미국(12,145억불)에 이어 세계 2위 중국 서비스산업의 GDP대비 비중은 2015년 50% 돌파, 서비스산업 성장률 98.3%) > GDP 성장률(6.9%) ** 2016년 서비스 분야 우리의 對中수출(206억불)은 對세계수출(949억불)의 22% ㅇ 네거티브 방식의 포괄적인 서비스 투자 개방 협정이 중국과 체결될 경우, 양국간 상호 서비스 시장 개방 수준을 높이고, 우리 투자 기업에 대한 실질적 보호를 한층 강화할 수 있을 것으로 기대된다.	`우리나라에서 중국으로 수출되는 제품은 점점 계속 증가하고 있다.`
`아버지, 병원, 치료, 받다, 결심하다`	`너무나 아팠던 아버지는 병원에서 치료를 받기로 결심했다.`	`요즘, 아버지, 건강, 걱정`

Loss: CachedMultipleNegativesRankingLoss with these parameters:

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

Training Logs

Epoch	Step	dev-eval_cosine_accuracy
0	0	0.331
4.8783	170	0.877

Framework Versions

Python: 3.11.9
Sentence Transformers: 3.3.1
Transformers: 4.48.0.dev0
PyTorch: 2.3.0+cu121
Accelerate: 1.2.1
Datasets: 3.2.0
Tokenizers: 0.21.0

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",
}

CachedMultipleNegativesRankingLoss

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

sigridjineth
/

ModernBERT-korean-large-preview