--- base_model: jinaai/jina-embeddings-v2-base-de datasets: [] language: [] library_name: sentence-transformers 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:4957 - loss:MatryoshkaLoss - loss:MultipleNegativesRankingLoss widget: - source_sentence: 312 Aus steuerlicher Sicht ist es möglich, mehrere Versorgungszusagen nebeneinander, also neben einer Altzusage auch eine Neuzusage zu erteilen (z. B. „alte“ Direktversicherung und „neuer“ Pensionsfonds). sentences: - Wann liegt bei der betrieblichen Altersversorgung eine schädliche Verwendung vor? - Welche steuerliche Behandlung erfahren Auszahlungen aus Altersvorsorgeverträgen nach § 22 Nr. 5 EStG? - Können verschiedene Versorgungszusagen wie Direktversicherung und Pensionsfonds gleichzeitig bestehen? - source_sentence: 5 Pflichtversicherte nach dem Gesetz über die Alterssicherung der Landwirte gehören, soweit sie nicht als Pflichtversicherte der gesetzlichen Rentenversicherung ohnehin bereits anspruchsberechtigt sind, in dieser Eigenschaft ebenfalls zum begünstigten Personenkreis. Darunter fallen insbesondere die in Anlage 1 Abschnitt B aufgeführten Personen. sentences: - Wann wird das Anrecht der ausgleichsberechtigten Person bei intern geteilter Altersvorsorge als abgeschlossen betrachtet? - Welche Personen sind in der Anlage 1 Abschnitt B bezüglich der Alterssicherung der Landwirte aufgeführt? - In welchen Fällen führt die Möglichkeit einer Beitragserstattung nicht zur Versagung der Anerkennung als betriebliche Altersversorgung? - source_sentence: 233 Voraussetzung für die Förderung durch Sonderausgabenabzug nach § 10a EStG und Zulage nach Abschnitt XI EStG ist in den Fällen der Rz. 231 f., dass der Steuerpflichtige zum begünstigten Personenkreis gehört. Die zeitliche Zuordnung dieser Altersvorsorgebeiträge richtet sich grundsätzlich nach § 11 Abs. 2 EStG. sentences: - Wer gehört zum begünstigten Personenkreis für die Altersvorsorgeförderung? - Wie werden erstattete Kosten eines Altersvorsorgevertrags besteuert, wenn sie dem Steuerpflichtigen ausgezahlt werden? - Ist der Übertragungswert einer betrieblichen Altersversorgung bei einem Arbeitgeberwechsel steuerfrei? - source_sentence: 127 Die Entnahme des Teilkapitalbetrags von bis zu 30 % des zur Verfügung stehenden Kapitals aus dem Vertrag hat zu Beginn der Auszahlungsphase zu erfolgen. Eine Verteilung über mehrere Auszahlungszeitpunkte ist nicht möglich. sentences: - Kann ich den Teilkapitalbetrag aus meiner Altersvorsorge zu verschiedenen Zeitpunkten entnehmen? - Welche Einkunftsarten können Leistungen aus einer Versorgungszusage des Arbeitgebers sein? - Was ist im Todesfall des Zulageberechtigten bezüglich der Förderbeiträge zu tun? - source_sentence: '67 Abwandlung des Beispiels 1 in Rn. 66: A erhält zudem zwei Kinderzulagen für seine in den Jahren 2004 und 2005 geborenen Kinder. Beitragspflichtige Einnahmen 53.000 € 4 % 2.120 € höchstens 2.100 € anzusetzen 2.100 € abzüglich Zulage 175 € Mindesteigenbeitrag (§ 86 Abs. 1 Satz 2 EStG) 1.925 € Sockelbetrag (§ 86 Abs. 1 Satz 4 EStG) 60 € maßgebend (§ 86 Abs. 1 Satz 5 EStG) 1.925 € Die von A geleisteten Beiträge übersteigen den Mindesteigenbeitrag. Die Zulage wird nicht gekürzt.' sentences: - Wird die Zulage für A gekürzt, wenn die Beiträge den Mindesteigenbeitrag übersteigen? - Was versteht man unter Sonderzahlungen des Arbeitgebers? - Wie erfolgt die Besteuerung bei der ausgleichsberechtigten Person nach einer externen Teilung? model-index: - name: SentenceTransformer based on jinaai/jina-embeddings-v2-base-de results: - task: type: information-retrieval name: Information Retrieval dataset: name: dim 768 type: dim_768 metrics: - type: cosine_accuracy@1 value: 0.019963702359346643 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.22686025408348456 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.3702359346642468 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.6116152450090744 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.019963702359346643 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.07562008469449484 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.07404718693284937 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.061161524500907435 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.019963702359346643 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.22686025408348456 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.3702359346642468 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.6116152450090744 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.2844236350864178 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.18406864863307704 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.2005051297694407 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 512 type: dim_512 metrics: - type: cosine_accuracy@1 value: 0.019963702359346643 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.22141560798548093 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.3647912885662432 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.6061705989110708 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.019963702359346643 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.07380520266182698 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.07295825771324864 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.06061705989110708 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.019963702359346643 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.22141560798548093 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.3647912885662432 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.6061705989110708 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.28083974598722433 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.18116843833722246 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.19778401122661624 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 256 type: dim_256 metrics: - type: cosine_accuracy@1 value: 0.019963702359346643 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.2014519056261343 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.35390199637023595 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.5970961887477314 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.019963702359346643 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.06715063520871144 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.07078039927404718 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.059709618874773135 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.019963702359346643 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.2014519056261343 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.35390199637023595 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.5970961887477314 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.2731400809424903 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.17433310287212284 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.19079503725126565 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 128 type: dim_128 metrics: - type: cosine_accuracy@1 value: 0.029038112522686024 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.20689655172413793 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.3484573502722323 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.588021778584392 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.029038112522686024 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.06896551724137931 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.06969147005444647 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.0588021778584392 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.029038112522686024 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.20689655172413793 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.3484573502722323 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.588021778584392 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.273961459483562 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.17827615014547865 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.19440303132346026 name: Cosine Map@100 - task: type: information-retrieval name: Information Retrieval dataset: name: dim 64 type: dim_64 metrics: - type: cosine_accuracy@1 value: 0.009074410163339383 name: Cosine Accuracy@1 - type: cosine_accuracy@3 value: 0.18148820326678766 name: Cosine Accuracy@3 - type: cosine_accuracy@5 value: 0.3339382940108893 name: Cosine Accuracy@5 - type: cosine_accuracy@10 value: 0.5662431941923775 name: Cosine Accuracy@10 - type: cosine_precision@1 value: 0.009074410163339383 name: Cosine Precision@1 - type: cosine_precision@3 value: 0.06049606775559588 name: Cosine Precision@3 - type: cosine_precision@5 value: 0.06678765880217785 name: Cosine Precision@5 - type: cosine_precision@10 value: 0.05662431941923775 name: Cosine Precision@10 - type: cosine_recall@1 value: 0.009074410163339383 name: Cosine Recall@1 - type: cosine_recall@3 value: 0.18148820326678766 name: Cosine Recall@3 - type: cosine_recall@5 value: 0.3339382940108893 name: Cosine Recall@5 - type: cosine_recall@10 value: 0.5662431941923775 name: Cosine Recall@10 - type: cosine_ndcg@10 value: 0.2525851472012039 name: Cosine Ndcg@10 - type: cosine_mrr@10 value: 0.1567424307896179 name: Cosine Mrr@10 - type: cosine_map@100 value: 0.17193947007915014 name: Cosine Map@100 --- # SentenceTransformer based on jinaai/jina-embeddings-v2-base-de This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [jinaai/jina-embeddings-v2-base-de](https://huggingface.co/jinaai/jina-embeddings-v2-base-de). 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:** [jinaai/jina-embeddings-v2-base-de](https://huggingface.co/jinaai/jina-embeddings-v2-base-de) - **Maximum Sequence Length:** 1024 tokens - **Output Dimensionality:** 768 tokens - **Similarity Function:** Cosine Similarity ### Model Sources - **Documentation:** [Sentence Transformers Documentation](https://sbert.net) - **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers) - **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers) ### Full Model Architecture ``` SentenceTransformer( (0): Transformer({'max_seq_length': 1024, 'do_lower_case': False}) with Transformer model: JinaBertModel (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}) (2): Normalize() ) ``` ## Usage ### Direct Usage (Sentence Transformers) First install the Sentence Transformers library: ```bash pip install -U sentence-transformers ``` Then you can load this model and run inference. ```python from sentence_transformers import SentenceTransformer # Download from the 🤗 Hub model = SentenceTransformer("akot/jina-semantic-bmf-matryoshka") # Run inference sentences = [ '67 Abwandlung des Beispiels 1 in Rn. 66: A erhält zudem zwei Kinderzulagen für seine in den Jahren 2004 und 2005 geborenen Kinder. Beitragspflichtige Einnahmen 53.000 € 4 % 2.120 € höchstens 2.100 € anzusetzen 2.100 € abzüglich Zulage 175 € Mindesteigenbeitrag (§ 86 Abs. 1 Satz 2 EStG) 1.925 € Sockelbetrag (§ 86 Abs. 1 Satz 4 EStG) 60 € maßgebend (§ 86 Abs. 1 Satz 5 EStG) 1.925 € Die von A geleisteten Beiträge übersteigen den Mindesteigenbeitrag. Die Zulage wird nicht gekürzt.', 'Wird die Zulage für A gekürzt, wenn die Beiträge den Mindesteigenbeitrag übersteigen?', 'Wie erfolgt die Besteuerung bei der ausgleichsberechtigten Person nach einer externen Teilung?', ] 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](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.02 | | cosine_accuracy@3 | 0.2269 | | cosine_accuracy@5 | 0.3702 | | cosine_accuracy@10 | 0.6116 | | cosine_precision@1 | 0.02 | | cosine_precision@3 | 0.0756 | | cosine_precision@5 | 0.074 | | cosine_precision@10 | 0.0612 | | cosine_recall@1 | 0.02 | | cosine_recall@3 | 0.2269 | | cosine_recall@5 | 0.3702 | | cosine_recall@10 | 0.6116 | | cosine_ndcg@10 | 0.2844 | | cosine_mrr@10 | 0.1841 | | **cosine_map@100** | **0.2005** | #### Information Retrieval * Dataset: `dim_512` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.02 | | cosine_accuracy@3 | 0.2214 | | cosine_accuracy@5 | 0.3648 | | cosine_accuracy@10 | 0.6062 | | cosine_precision@1 | 0.02 | | cosine_precision@3 | 0.0738 | | cosine_precision@5 | 0.073 | | cosine_precision@10 | 0.0606 | | cosine_recall@1 | 0.02 | | cosine_recall@3 | 0.2214 | | cosine_recall@5 | 0.3648 | | cosine_recall@10 | 0.6062 | | cosine_ndcg@10 | 0.2808 | | cosine_mrr@10 | 0.1812 | | **cosine_map@100** | **0.1978** | #### Information Retrieval * Dataset: `dim_256` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.02 | | cosine_accuracy@3 | 0.2015 | | cosine_accuracy@5 | 0.3539 | | cosine_accuracy@10 | 0.5971 | | cosine_precision@1 | 0.02 | | cosine_precision@3 | 0.0672 | | cosine_precision@5 | 0.0708 | | cosine_precision@10 | 0.0597 | | cosine_recall@1 | 0.02 | | cosine_recall@3 | 0.2015 | | cosine_recall@5 | 0.3539 | | cosine_recall@10 | 0.5971 | | cosine_ndcg@10 | 0.2731 | | cosine_mrr@10 | 0.1743 | | **cosine_map@100** | **0.1908** | #### Information Retrieval * Dataset: `dim_128` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.029 | | cosine_accuracy@3 | 0.2069 | | cosine_accuracy@5 | 0.3485 | | cosine_accuracy@10 | 0.588 | | cosine_precision@1 | 0.029 | | cosine_precision@3 | 0.069 | | cosine_precision@5 | 0.0697 | | cosine_precision@10 | 0.0588 | | cosine_recall@1 | 0.029 | | cosine_recall@3 | 0.2069 | | cosine_recall@5 | 0.3485 | | cosine_recall@10 | 0.588 | | cosine_ndcg@10 | 0.274 | | cosine_mrr@10 | 0.1783 | | **cosine_map@100** | **0.1944** | #### Information Retrieval * Dataset: `dim_64` * Evaluated with [InformationRetrievalEvaluator](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator) | Metric | Value | |:--------------------|:-----------| | cosine_accuracy@1 | 0.0091 | | cosine_accuracy@3 | 0.1815 | | cosine_accuracy@5 | 0.3339 | | cosine_accuracy@10 | 0.5662 | | cosine_precision@1 | 0.0091 | | cosine_precision@3 | 0.0605 | | cosine_precision@5 | 0.0668 | | cosine_precision@10 | 0.0566 | | cosine_recall@1 | 0.0091 | | cosine_recall@3 | 0.1815 | | cosine_recall@5 | 0.3339 | | cosine_recall@10 | 0.5662 | | cosine_ndcg@10 | 0.2526 | | cosine_mrr@10 | 0.1567 | | **cosine_map@100** | **0.1719** | ## Training Details ### Training Dataset #### Unnamed Dataset * Size: 4,957 training samples * Columns: positive and anchor * Approximate statistics based on the first 1000 samples: | | positive | anchor | |:--------|:-------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------| | type | string | string | | details | | | * Samples: | positive | anchor | |:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:---------------------------------------------------------------------------------------------------------------------------------------------------------------------| | 134 Eine Rückzahlungsverpflichtung besteht nicht für den Teil der Zulagen, der auf nach § 1 Abs. 1 Nr. 2 AltZertG angespartes gefördertes Altersvorsorgevermögen entfällt, wenn es in Form einer Hinterbliebenenrente an die dort genannten Hinterbliebenen ausgezahlt wird. Dies gilt auch für den entsprechenden Teil der Steuerermäßigung. | Muss man Zulagen zurückzahlen, wenn das Altersvorsorgevermögen als Hinterbliebenenrente ausgezahlt wird? | | 140 Beendet der Zulageberechtigte vor der vollständigen Rückzahlung des AltersvorsorgeEigenheimbetrags die Nutzung zu eigenen Wohnzwecken, wird er so behandelt, als habe er den noch nicht zurückgezahlten Betrag schädlich verwendet. Die auf den noch ausstehenden Rückzahlungsbetrag entfallenden Zulagen sowie die nach § 10a Abs. 4 EStG gesondert festgestellten Steuerermäßigungen sind zurückzuzahlen (§ 92a Abs. 3 EStG). Die im noch ausstehenden Rückzahlungsbetrag enthaltenen Zuwächse (z.B. Zinserträge und Kursgewinne) Seite 41 sind als sonstige Einkünfte zu versteuern (§ 22 Nr. 5 Satz 5 Halbsatz 1 EStG). Außerdem hat der Zulageberechtigte den Vorteil zu versteuern, der sich aus der zinslosen Nutzung des noch nicht zurückgezahlten Betrags ergibt. Zugrunde gelegt wird hierbei eine Verzinsung von 5 % (Zins und Zinseszins) für jedes volle Kalenderjahr der Nutzung (§ 22 Nr. 5 Satz 5 Halbsatz 2 EStG). Diese Folgen treten nicht ein, wenn er den noch nicht zurückgezahlten Betrag in ein Folgeobjekt investiert (§ 92a Abs. 4 Satz 3 Nr. 1 EStG) oder zugunsten eines auf seinen Namen lautenden zertifizierten Altersvorsorgevertrags einzahlt (§ 92a Abs. 4 Satz 3 Nr. 2 EStG). | Was geschieht steuerlich, wenn der AltersvorsorgeEigenheimbetrag nicht vollständig zurückgezahlt wird und die Immobilie nicht mehr selbst genutzt wird? | | 144 Die als Einkünfte nach § 22 Nr. 5 Satz 3 EStG i.V.m. § 22 Nr. 5 Satz 2 EStG zu besteuernden Beträge muss der Anbieter gem. § 94 Abs. 1 Satz 4 EStG dem Zulageberechtigten bescheinigen und im Wege des Rentenbezugsmitteilungsverfahrens (§ 22a EStG) mitteilen. Ergeben sich insoweit steuerpflichtige Einkünfte nach § 22 Nr. 5 Satz 3 EStG für einen anderen Leistungsempfänger (z. B. Erben), ist für diesen eine entsprechende Rentenbezugsmitteilung der ZfA zu übermitteln. | Was muss im Falle eines anderen Leistungsempfängers, wie Erben, hinsichtlich der Rentenbezugsmitteilung getan werden? | * Loss: [MatryoshkaLoss](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters: ```json { "loss": "MultipleNegativesRankingLoss", "matryoshka_dims": [ 768, 512, 256, 128, 64 ], "matryoshka_weights": [ 1, 1, 1, 1, 1 ], "n_dims_per_step": -1 } ``` ### Training Hyperparameters #### Non-Default Hyperparameters - `eval_strategy`: epoch - `per_device_train_batch_size`: 16 - `per_device_eval_batch_size`: 16 - `gradient_accumulation_steps`: 16 - `learning_rate`: 2e-05 - `num_train_epochs`: 10 - `lr_scheduler_type`: cosine - `warmup_ratio`: 0.1 - `bf16`: True - `tf32`: 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`: 16 - `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 - `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`: 10 - `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`: True - `fp16`: False - `fp16_opt_level`: O1 - `half_precision_backend`: auto - `bf16_full_eval`: False - `fp16_full_eval`: False - `tf32`: True - `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 - `batch_sampler`: no_duplicates - `multi_dataset_batch_sampler`: proportional
### Training Logs | Epoch | Step | Training Loss | dim_128_cosine_map@100 | dim_256_cosine_map@100 | dim_512_cosine_map@100 | dim_64_cosine_map@100 | dim_768_cosine_map@100 | |:----------:|:------:|:-------------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|:----------------------:| | 0.5161 | 10 | 2.8284 | - | - | - | - | - | | 0.9806 | 19 | - | 0.1775 | 0.1840 | 0.1873 | 0.1571 | 0.1916 | | 1.0323 | 20 | 2.1 | - | - | - | - | - | | 1.5484 | 30 | 1.3699 | - | - | - | - | - | | 1.9613 | 38 | - | 0.1950 | 0.1904 | 0.1899 | 0.1732 | 0.1919 | | 2.0645 | 40 | 1.0988 | - | - | - | - | - | | 2.5806 | 50 | 0.8621 | - | - | - | - | - | | 2.9935 | 58 | - | 0.1935 | 0.1893 | 0.1912 | 0.1701 | 0.1919 | | 3.0968 | 60 | 0.7657 | - | - | - | - | - | | 3.6129 | 70 | 0.61 | - | - | - | - | - | | 3.9742 | 77 | - | 0.1856 | 0.1936 | 0.1931 | 0.1803 | 0.1986 | | 4.1290 | 80 | 0.5908 | - | - | - | - | - | | 4.6452 | 90 | 0.5263 | - | - | - | - | - | | **4.9548** | **96** | **-** | **0.1981** | **0.2** | **0.2043** | **0.188** | **0.2188** | | 5.1613 | 100 | 0.4526 | - | - | - | - | - | | 5.6774 | 110 | 0.4439 | - | - | - | - | - | | 5.9871 | 116 | - | 0.1952 | 0.1961 | 0.2006 | 0.1855 | 0.2015 | | 6.1935 | 120 | 0.3765 | - | - | - | - | - | | 6.7097 | 130 | 0.3824 | - | - | - | - | - | | 6.9677 | 135 | - | 0.1921 | 0.1922 | 0.1992 | 0.1885 | 0.2036 | | 7.2258 | 140 | 0.3594 | - | - | - | - | - | | 7.7419 | 150 | 0.38 | - | - | - | - | - | | 8.0 | 155 | - | 0.1994 | 0.1999 | 0.2068 | 0.1830 | 0.2145 | | 8.2581 | 160 | 0.3487 | - | - | - | - | - | | 8.7742 | 170 | 0.3343 | - | - | - | - | - | | 8.9806 | 174 | - | 0.1939 | 0.2003 | 0.2031 | 0.1791 | 0.2091 | | 9.2903 | 180 | 0.3425 | - | - | - | - | - | | 9.8065 | 190 | 0.3459 | 0.1944 | 0.1908 | 0.1978 | 0.1719 | 0.2005 | * The bold row denotes the saved checkpoint. ### Framework Versions - Python: 3.11.4 - Sentence Transformers: 3.0.1 - Transformers: 4.41.2 - PyTorch: 2.1.2+cu121 - Accelerate: 0.33.0 - Datasets: 2.19.1 - Tokenizers: 0.19.1 ## Citation ### BibTeX #### Sentence Transformers ```bibtex @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 ```bibtex @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 ```bibtex @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} } ```