SentenceTransformer based on BAAI/bge-m3

This is a sentence-transformers model finetuned from BAAI/bge-m3. 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: BAAI/bge-m3
Maximum Sequence Length: 512 tokens
Output Dimensionality: 1024 tokens
Similarity Function: Cosine Similarity

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': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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:

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("comet24082002/ft_bge_newLaw_OnlineContrastiveLoss_V2_5epochs")
# Run inference
sentences = [
    'Giấy phép học viên bay của nhân viên hàng không có thời hạn hiệu lực không?',
    'Gia hạn thời gian làm việc đối với chuyên gia giáo dục\n1. Chuyên gia giáo dục khi hết thời hạn làm việc theo quyết định cử đi làm việc ở nước ngoài, nếu hoàn thành tốt nhiệm vụ quy định tại Điều 7 Quy chế này và có nguyện vọng tiếp tục làm việc ở nước ngoài, được cơ quan chủ quản (nếu có) và cơ quan sử dụng chuyên gia của nước ngoài đồng ý bằng văn bản thì được xem xét gia hạn thời gian làm việc.\nSau 60 ngày làm việc kể từ ngày hết thời hạn làm việc ghi trong Quyết định cử đi làm việc, nếu chuyên gia giáo dục không đề nghị gia hạn thời gian làm việc thì không được xem xét gia hạn thời gian làm việc.\n...',
    'Đối tượng áp dụng\nNghị định này áp dụng đối với:\n1. Tác giả, đồng tác giả (sau đây gọi là tác giả) là công dân Việt Nam, người nước ngoài có tác phẩm, cụm tác phẩm, công trình, cụm công trình (sau đây gọi là tác phẩm, công trình) văn học, nghệ thuật đáp ứng các điều kiện, tiêu chuẩn quy định tại các Điều 8, 9 và 10 của Nghị định này, thuộc các chuyên ngành sau đây được đề nghị xét tặng “Giải thưởng Hồ Chí Minh" “Giải thưởng Nhà nước”:\na) Âm nhạc: Tác phẩm thuộc các thể loại âm nhạc; công trình nghiên cứu, lý luận, phê bình về âm nhạc;\n...',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

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

Training Details

Training Dataset

Unnamed Dataset

Size: 21,048 training samples
Columns: sentence1, sentence2, and label
Approximate statistics based on the first 1000 samples:
sentence1 sentence2 label
type string string int
details
min: 8 tokens
mean: 24.18 tokens
max: 45 tokens

min: 18 tokens
mean: 278.29 tokens
max: 512 tokens

0: ~50.00%
1: ~50.00%

	sentence1	sentence2	label
type	string	string	int
details	min: 8 tokens mean: 24.18 tokens max: 45 tokens	min: 18 tokens mean: 278.29 tokens max: 512 tokens	0: ~50.00% 1: ~50.00%

Samples:

sentence1	sentence2	label
`Người đóng bảo hiểm xã hội trên 15 năm thì có được hưởng trợ cấp mai táng nhiều hơn người đóng bảo hiểm xã hội dưới 15 năm không?`	"Điều 66. Trợ cấp mai táng 1. Những người sau đây khi chết thì người lo mai táng được nhận một lần trợ cấp mai táng: a) Người lao động quy định tại khoản 1 Điều 2 của Luật này đang đóng bảo hiểm xã hội hoặc người lao động đang bảo lưu thời gian đóng bảo hiểm xã hội mà đã có thời gian đóng từ đủ 12 tháng trở lên; b) Người lao động chết do tai nạn lao động, bệnh nghề nghiệp hoặc chết trong thời gian điều trị do tai nạn lao động, bệnh nghề nghiệp; c) Người đang hưởng lương hưu; hưởng trợ cấp tai nạn lao động, bệnh nghề nghiệp hằng tháng đã nghỉ việc. 2. Trợ cấp mai táng bằng 10 lần mức lương cơ sở tại tháng mà người quy định tại khoản 1 Điều này chết. 3. Người quy định tại khoản 1 Điều này bị Tòa án tuyên bố là đã chết thì thân nhân được hưởng trợ cấp mai táng quy định tại khoản 2 Điều này. Điều 67. Các trường hợp hưởng trợ cấp tuất hằng tháng 1. Những người quy định tại khoản 1 và khoản 3 Điều 66 của Luật này thuộc một trong các trường hợp sau đây khi chết thì thân nhân được hưởng tiền tuất hằng tháng: a) Đã đóng bảo hiểm xã hội đủ 15 năm trở lên nhưng chưa hưởng bảo hiểm xã hội một lần; b) Đang hưởng lương hưu; c) Chết do tai nạn lao động, bệnh nghề nghiệp; d) Đang hưởng trợ cấp tai nạn lao động, bệnh nghề nghiệp hằng tháng với mức suy giảm khả năng lao động từ 61 % trở lên. ..."	`1`
`Người đóng bảo hiểm xã hội trên 15 năm thì có được hưởng trợ cấp mai táng nhiều hơn người đóng bảo hiểm xã hội dưới 15 năm không?`	Chính sách đối với người lao động dôi dư được tuyển dụng lần cuối cùng trước ngày 21 tháng 4 năm 1998 hoặc trước ngày 26 tháng 4 năm 2002 Người lao động dôi dư quy định tại điểm a và b khoản 1 Điều 2 Nghị định này được hưởng chính sách như sau: 1. Người lao động dôi dư có tuổi thấp hơn từ đủ 01 tuổi đến đủ 05 tuổi so với tuổi nghỉ hưu quy định tại khoản 2 Điều 169 Bộ luật Lao động và Điều 4 Nghị định số 135/2020/NĐ-CP ngày 18 tháng 11 năm 2020 của Chính phủ quy định về tuổi nghỉ hưu (sau đây gọi là Nghị định số 135/2020/NĐ-CP), có đủ 20 năm đóng bảo hiểm xã hội bắt buộc trở lên thì được hưởng lương hưu và được hưởng thêm các chế độ sau: a) Không bị trừ tỷ lệ lương hưu do nghỉ hưu trước tuổi; ... 2. Người lao động dôi dư có tuổi thấp hơn dưới 01 tuổi so với tuổi nghi hưu quy định tại khoản 2 Điều 169 Bộ luật Lao động và Điều 4 Nghị định số 135/2020/NĐ-CP, có đủ 20 năm đóng bảo hiểm xã hội bắt buộc trở lên thì được hưởng lương hưu và được hưởng thêm các chế độ sau: a) Không bị trừ tỷ lệ hưởng lương hưu do nghỉ hưu trước tuổi; ....	`0`
`Sĩ quan Công an được tặng thưởng Huân chương Chiến công hạng Nhì khi đáp ứng tiêu chuẩn gì?`	"Điều 28. “Huân chương Chiến công” hạng nhất 1. “Huân chương Chiến công” hạng nhất để tặng hoặc truy tặng cho cá nhân đạt một trong các tiêu chuẩn sau: a) Lập được chiến công đặc biệt xuất sắc trong chiến đấu, phục vụ chiến đấu, thành tích đạt được có phạm vi ảnh hưởng và nêu gương trong toàn quốc được bộ, ban, ngành, tỉnh, đoàn thể trung ương công nhận; b) Mưu trí, sáng tạo, đạt hiệu quả cao trong chiến đấu và phục vụ chiến đấu bảo vệ chủ quyền, an ninh quốc gia hoặc không sợ hy sinh tính mạng, kiên quyết đấu tranh với tội phạm, góp phần giữ vững an ninh chính trị, trật tự, an toàn xã hội; hoàn thành xuất sắc nhiệm vụ được giao; thành tích đạt được có phạm vi ảnh hưởng và nêu gương trong toàn quốc được bộ, ban, ngành, tỉnh, đssoàn thể trung ương công nhận. [...]" "Điều 29. “Huân chương Chiến công” hạng nhì 1. “Huân chương Chiến công” hạng nhì để tặng hoặc truy tặng cho cá nhân đạt một trong các tiêu chuẩn sau: a) Lập được chiến công xuất sắc trong chiến đấu, phục vụ chiến đấu, thành tích đạt được có tác dụng động viên, giáo dục, nêu gương trong toàn quân, toàn lực lượng Công an nhân dân hoặc trong bộ, ban, ngành, tỉnh, đoàn thể trung ương được bộ, ban, ngành, tỉnh, đoàn thể trung ương công nhận; b) Chủ động, mưu trí, dũng cảm, đạt hiệu quả cao trong chiến đấu và phục vụ chiến đấu bảo vệ chủ quyền, an ninh quốc gia hoặc đấu tranh với tội phạm, góp phần giữ vững an ninh chính trị, trật tự, an toàn xã hội, thành tích đạt được có tác dụng động viên, giáo dục, nêu gương trong toàn quân, toàn lực lượng Công an nhân dân hoặc trong bộ, ban, ngành, tỉnh, đoàn thể trung ương được bộ, ban, ngành, tỉnh, đoàn thể trung ương công nhận. [...]" "Điều 30. “Huân chương Chiến công” hạng ba 1. “Huân chương Chiến công” hạng ba để tặng hoặc truy tặng cho cá nhân đạt một trong các tiêu chuẩn sau: a) Dũng cảm, mưu trí, sáng tạo, hoàn thành xuất sắc nhiệm vụ trong chiến đấu, phục vụ chiến đấu, thành tích đạt được có tác dụng động viên, giáo dục, nêu gương trong toàn quân khu, quân đoàn, quân chủng, binh chủng, tổng cục và tương đương hoặc tỉnh, thành phố trực thuộc trung ương được bộ, ban, ngành, tỉnh, đoàn thể trung ương công nhận; b) Mưu trí, dũng cảm, đạt hiệu quả cao trong chiến đấu và phục vụ chiến đấu bảo vệ chủ quyền, an ninh quốc gia hoặc đấu tranh với tội phạm, góp phần giữ vững an ninh chính trị, trật tự, an toàn xã hội, thành tích đạt được có tác dụng động viên, giáo dục, nêu gương trong toàn quân khu, quân đoàn, quân chủng, binh chủng, tổng cục và tương đương hoặc tỉnh, thành phố trực thuộc trung ương được bộ, ban, ngành, tỉnh, đoàn thể trung ương công nhận. [...]"	`1`

Loss: OnlineContrastiveLoss

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 4
learning_rate: 2e-05
num_train_epochs: 5
warmup_ratio: 0.1

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
prediction_loss_only: True
per_device_train_batch_size: 4
per_device_eval_batch_size: 8
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 1
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: 5
max_steps: -1
lr_scheduler_type: linear
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
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: False
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: False
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}
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
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_sampler: batch_sampler
multi_dataset_batch_sampler: proportional

Training Logs