Omerhan/checkpoint-90-v7

intfloat-fine-tuned

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-large-instruct on the json 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: intfloat/multilingual-e5-large-instruct
• Maximum Sequence Length: 512 tokens
• Output Dimensionality: 1024 tokens
• Similarity Function: Cosine Similarity
• Training Dataset:
  • json
• Language: tr
• 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': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (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})
  (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("Omerhan/checkpoint-90-v7")
# Run inference
sentences = [
    'Geleneksel tanımlanmış fayda emeklilik planına sahip Kanadalı çalışanların yüzde kaçı emeklilik planlarını mevcut işverenlerine katılmanın temel nedeni olarak belirledi?',
    "Geleneksel tanımlanmış fayda emeklilik planına sahip çalışanların yüzde 50'si, emeklilik planlarını mevcut işverenlerine katılmanın temel nedeni olarak tanımladı.",
    'Emeklilik danışmanlık şirketi Towers Watson tarafından Kanadalı işçiler arasında yakın zamanda yapılan bir anket, ekonomik belirsizliğin işçiler arasında emeklilikte yeterli gelire sahip olamayacakları yönündeki korkuları körüklediğini ortaya çıkardı. Bu, çalışan tasarruf planlarının küçük işletme çalışanları tarafından giderek daha fazla değer kazanmasına ve işverenlerin uzun vadeli iyi çalışanları çekmek ve elde tutmak için kullanabileceği giderek daha önemli bir fayda haline gelmesine neden oldu.\nAnket, emeklilikte garantili bir gelir düzeyi ödeyen geleneksel tanımlanmış fayda (DB) emeklilik planına sahip çalışanların yüzde 50\'sinin, emeklilik planlarını mevcut işverenlerine katılmanın temel nedeni olarak tanımladığını ortaya çıkardı.\nAncak şirketleri tanımlanmış katkı (DC) planına veya grup RRSP\'sine sahip olan çalışanların yalnızca yüzde 30\'u, programların işlerini almada önemli bir faktör olduğunu söyledi. Özel sektörde daha yaygın olan bu planlar, emeklilikte garantili bir gelir düzeyi değil, DC emeklilik planlarında yüzde 50\'ye kadar ödeme yapıyor.\nBulgular, DB emeklilik planına sahip şirketlerin DC planına sahip olanlardan daha istikrarlı bir iş gücüne ulaşabileceği gerçeğini güçlendiriyor ve geleneksel emeklilik planına sahip şirketlerin bu avantajı potansiyel çalışanlara vurgulaması gerektiğini öne sürüyor.\nAnket ayrıca Kanadalı çalışanların üçte birinin daha iyi emeklilik güvencesi karşılığında maaşlarının bir kısmından fedakarlık etmeye istekli olacağını ve dörtte birinin ek emeklilik avantajları karşılığında ikramiyeden vazgeçeceğini ortaya çıkardı.\nBu kadar çok işçinin daha iyi emeklilik güvencesi karşılığında maaşını değiştireceği gerçeği, çalışanların emeklilik için tasarruf yapma yetenekleri konusunda sahip oldukları ciddi rahatsızlığın bir göstergesidir. Maaş bordrosu tasarruf planının bariz faydası, paranın başka şeylere harcanmadan önce kişinin maaş çeki vergisinden muaf olarak bir RRSP\'ye aktarılması nedeniyle, mali danışmanların teşvik ettiği "önce kendine ödeme" sürecine uymasıdır. Ayrıca, bir RRSP\'ye düzenli olarak aylık para yatırmak, götürü katkılara kıyasla dolar maliyeti ortalamasının önemli avantajıyla tasarruf oluşturmanın çok daha etkili bir yoludur.\nGörsel Shutterstock aracılığıyla lisanslanmıştır',
]
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

json

• Dataset: json
• Size: 9,597 training samples
• Columns: anchor, positive, and negative
• Approximate statistics based on the first 1000 samples:

  	anchor	positive	negative
  type	string	string	string
  details	min: 8 tokens mean: 20.05 tokens max: 54 tokens	min: 6 tokens mean: 58.98 tokens max: 511 tokens	min: 185 tokens mean: 478.48 tokens max: 512 tokens

• Samples:

  anchor	positive	negative
  Berry İhracat Özeti 2028 nedir ve amacı nedir?	Berry İhracat Özeti 2028, Avustralya çilek, ahududu ve böğürtlen endüstrilerine yönelik özel bir ihracat planıdır. Sektörlerin mevcut konumunu, olmak istedikleri yeri, yüksek fırsat pazarlarını ve sonraki adımları haritalandırır. Bu planın amacı önümüzdeki 10 yıl içinde küresel varlıklarını artırmaktır.	Altyazı: Tazmanyalı meyve yetiştiricisi Nic Hansen, ihracat faaliyetleri kapsamında Macau şefi Antimo Merone'ye mülkünü gezdiriyor. Avustralya çilek, ahududu ve böğürtlen endüstrilerinin yükselişi ve yükselişi, önümüzdeki 10 yıl içinde küresel varlıklarını büyütmeye yönelik özel bir ihracat planının yayınlanmasıyla sektörlerin uluslararası ticaret odağını iki katına çıkardığını gördü. Önemli yetiştirici girdilerinden yola çıkan Berry İhracat Özeti 2028, sektörlerin mevcut konumunu, olmak istedikleri yeri, yüksek fırsat pazarlarını ve sonraki adımları haritalandırıyor. Hort Innovation ticaret müdürü Jenny Van de Meeberg, ahududu ve böğürtlen ihracatının değerinin ve hacminin 2016 ile 2017 arasında yüzde 100 arttığını söyledi. Avustralya çilek endüstrisinin de ihracat hacminde neredeyse yüzde 30'luk bir artış ve yüzde 26'lık bir artışla benzer bir başarı elde ettiğini söyledi. Aynı dönemde değeri yüzde 32,6 milyon dolara yükseldi. "Avustralya meyve sektörleri şu anda sağlam bir konumda" dedi. “Üretim, korumalı alt tabaka mahsulünün benimsenmesi, geliştirilmiş genetik ve genişleyen coğrafi ayak izi, hepsi Aussie meyvelerinin olumlu bir yörüngeye girmesine yardımcı oldu. “Gerçek bir geçiş noktası görüyoruz. İhracat pazarının geliştirilmesine yönelik geniş sektör ilgisi ve güçlü ticari iştah, mevcut ticaret anlaşmalarından yararlanma ve yeni ticaret ortaklıkları kurma potansiyeli ile birleştiğinde, büyüme için bu mükemmel ortamı yarattı." Avrupa, Kuzey Amerika ve Kuzey Asya'daki yüksek gelirli ülkelerin, yalnızca geçen mali yılda ihraç edilen 4244 tondan fazla taze meyve ile Avustralya'da yetiştirilen meyveleri tercih ettiği belirlendi. Strateji, Avustralya böğürtlen ve ahududu endüstrisi için en iyi kısa vadeli potansiyel pazarları Hong Kong, Singapur, Birleşik Arap Emirlikleri ve Kanada olarak belirledi. Çilek sektörü için belirlenen en güçlü kısa vadeli ticaret seçenekleri Tayland, Malezya, Yeni Zelanda ve Makao oldu. Strateji, ağırlıklı olarak, kaliteli meyve için prim ödeme kapasitesi ve istekliliği olan pazarlarda, mevcut çilek ihracat pazarını hacim olarak ulusal üretimin yüzde 4'ünden en az yüzde 8'ine çıkarmaya odaklanıyor. Ahududu ve böğürtlen için sektörler, belirlenen pazarlarda hacim bazında değerlendirilen ihracatta 2021 yılına kadar yüzde 5'lik bir artış elde etmeyi hedefliyor. Tazmanya ahududu ihracatçısı Nic Hansen, Avustralya'nın dünyadaki en tatlı ve en çekici meyvelerden bazılarını sunduğunu ve bunun tedarik zincirinin tüm aşamalarındaki katı gıda güvenliği standartlarımızla birleştiğinde yetiştiricileri sağlam bir konuma getirdiğini söyledi. Bay Hansen, "Harika bir ürünümüz var, ticareti genişletmeye açız ve şimdi uygulamaya konulan bu yeni planla, büyümeyi artırmaya yönelik net bir yol haritamız var" dedi. Ahududu için yeni ihracat pazarı umutları görmenin heyecan verici olduğunu söyledi: “İhracat için ne kadar çok seçeneğimiz olursa o kadar iyi. Artık yeni pazarlarda başarılı olmak için endüstrinin ihtiyaç duyduğu tüm araçlara (veri desteği ve ilişki kurma fırsatları gibi) sahip olmasını sağlama işine devam etmemiz gerekiyor." Bu proje Hort Innovation tarafından görevlendirildi ve pazar analistleri ve araştırma danışmanları Auspex Strategic Advisory ve AgInfinity tarafından geliştirildi. Hort Innovation, ticareti desteklemek amacıyla vergiyle finanse edilen faaliyetleri belirlemek için artık meyve sektörleriyle birlikte çalışacak. Hort Innovation web sitesinde stratejinin bir özetini görün. Meyve endüstrisi hakkında daha fazla bilgi için Bahçe Bitkileri İstatistikleri El Kitabı'na ve çilek, ahududu ve böğürtlene yönelik Stratejik Yatırım Planlarına bakınız. Daha fazla bilgi isteyen yetiştiriciler [email protected] adresine e-posta göndermelidir.
  Kendi kendine yetebilen su kaynaklarına erişimin bildirdiği faydalardan bazıları nelerdir?	Kendi kendine yeten su kaynaklarına erişimin sağladığı faydalar arasında kolaylık, su getirmek için daha az zaman harcanması ve daha fazla ve daha kaliteli suya erişim yer alıyor. Bazı bölgelerde kendi kendine yeten kaynaklar, verimli kullanım için su, gelir yaratma, aile güvenliği ve gelişmiş gıda güvenliği gibi önemli katma değerler sunmaktadır.	RWSN İşbirlikleri Güney Afrika Kendi Kendine Tedarik Çalışması Afrika ülkelerindeki kendi kendine tedarik ve destek hizmetlerine ilişkin inceleme Zimbabve'de bir kadın kendi kuyusundan suladığı soğanlarını gururla sergiliyor © 2015 André Olschewski • Skat Proje başlangıç ​​tarihi: 2015 Proje bitiş tarihi: 2016 İşbirlikçiler ve Ortaklar:. Proje Açıklaması UNICEF ve Skat a) konusunda işbirliği yaptı. Perspektifler Erişim ve avantajlar: - Kendi kendine yetme, Sahra Altı Afrika'nın yanı sıra Avrupa, ABD ve dünyanın diğer bölgelerindeki milyonlarca kırsal hane tarafından gerçekleştirilmektedir. - Kendi kendine yetebilen su kaynaklarına erişimin sağladığı faydalar arasında kolaylık, su getirmek için daha az zaman harcanması ve daha fazla ve daha kaliteli suya erişim yer alıyor. Bazı bölgelerde kendi kendine yeten kaynaklar, verimli kullanım için su, gelir yaratma, aile güvenliği ve gelişmiş gıda güvenliği gibi önemli katma değerler sunmaktadır. - Kendi kaynaklarına yatırım yapan kişilerin güçlü sahiplenmesi nedeniyle, kendi kendine tedarikten elde edilen hizmetlerin sürdürülebilirliği yüksektir. - Kendi kendine yeten kaynaklar paylaşılan kaynaklar olduğundan, yoksul ve korunmasız haneler de dahil olmak üzere pek çok kişi Kendi kendine yeten yatırımlardan çoğu zaman hiçbir ücret ödemeden yararlanır. Bu, Kendi Kendine Tedarik'in ulaşılması zor olana ulaşmada etkili olabileceği anlamına gelir. - Afrika'nın kırsal bölgelerindeki milyonlarca insan için desteklenen kendi kendine tedarik, güvenli suya erişim sağlamak için en uygun maliyetli hizmet sunum modeli olacaktır. Bu aynı zamanda nüfusun aslında zayıf erişime sahip olan kısımlarını da içerir; ortak kaynaklardan su alamıyorlar. - Ancak, kendi kendine tedarik için dış desteğin eksik olduğu alanlarda, genellikle yalnızca marjinal iyileştirmeler gerçekleştirilebilir ve hizmetlerin kalitesi, özel bir destek çabasının gösterildiği alanlara göre daha düşüktür. Desteklenen kendi kendine tedarik için maliyetler ve iş modeli - Birçok kırsal bağlamda, desteklenen kendi kendine tedarik, su hizmeti sunumunda en uygun maliyetli yaklaşımdır. Ancak her bağlamda uygulanamayacağından, ortak su temini ile desteklenen Kendi Kendine Yeterlilik modellerini birleştiren karma bir yaklaşım izlenmelidir. - Farklı hizmet sunumu yaklaşımlarının Yaşam Döngüsü Maliyeti (LCC) analizine dayanarak, toplumsal tedarikler için LCC, çalışma ülkelerinde hizmet verilen kişi başına yaklaşık 40 ABD Doları iken, destekli Kendi Kendine tedarik için LCC yaklaşık 10 ABD Doları/kişidir. . - Seyrek nüfuslu bölgelerde, ortak sarf malzemeleri (örneğin el pompaları) daha da maliyetlidir (hizmet edilen kişi başına 100 U$'a kadar), çünkü yalnızca birkaç kişiye ek bir ünite ile hizmet verilebilir. Bu nedenle, tüm kırsal kesimdeki insanlara toplumsal arzla hizmet vermek mali açıdan uygun değildir. - Kendi kendine tedarik teknolojilerinin Zambiya ve Zimbabwe'de uygulanabilirliği göz önüne alındığında, hem toplumsal malzemeleri hem de desteklenen Kendi Kendine tedariki kullanan karma bir yaklaşımın izlenmesinin maliyet tasarrufu, 2030 yılına kadar nüfusun %100'üne ulaşmak için toplam LCC'nin neredeyse %50'sidir. Bu maliyet tasarrufları Zambiya'da 330 milyon ABD Dolarından, Zimbabve'de ise 260 milyon ABD Dolarından fazlasına eşdeğerdir. Gerekli destek hizmetleri - Destekli Kendi Kendine Tedarik, Kendi Kendine Tedarik'i geliştirmek için destek hizmetlerini uygulamaya koyan bir hizmet dağıtım modelidir, dolayısıyla belirli bir teknolojiyle ilgili değildir. - Desteklenen Kendi Kendine Yeterlilik, güvenli suya evrensel erişimin aşamalı olarak gerçekleştirilmesine olanak tanıyan İnsan Hakları Su ve Sanitasyon ile uyumludur. Ancak destekli kendi kendine su temini, hükümeti görevlerinden muaf tutmanın bir yolu değildir: Herkesin nihayet temiz suya erişebilmesini sağlamak için hükümetin oynaması gereken belirli roller vardır. - Kendi kendine tedariki sürdürmek ve ölçeğe taşımak için bağlamsal desteğin yanı sıra uzun vadeli katılım, her düzeyde kapasite geliştirme, izleme ve değerlendirme ve teknik destek, güvenilir finansman, öğrenme ve paylaşıma ihtiyaç vardır. - Sürdürülebilir yerleştirmeyi sağlamak ve özellikle uzak kırsal alanlarda kendi kendine yeterliliği daha da ileri taşımak için bakanlıklar arası işbirliğine ve devlet kurumları içindeki savunuculara ihtiyaç vardır. - Destekli Kendi Kendine Tedarik için herkese uygun tek bir çözüm yoktur; her program için, istenen etkiyi elde etmek için bağlamsal bir tasarıma ve takibe ihtiyaç vardır. - Evsel Su Arıtma ve Güvenli Depolama (HWTS) dahil olmak üzere hijyenin teşvik edilmesi, kendi kendine yeten su kaynakları da dahil olmak üzere borusuz su temini hizmetleri için şiddetle tavsiye edilir. - Kırsal alanlardaki milyonlarca insanın su temini düzeyini önemli ölçüde iyileştirmeye yönelik büyük potansiyele, kendi kendine yetme destekli destek yoluyla erişilmelidir. Zimbabve veya Sierra Leone gibi bazı ülkeler, desteklenen Kendi Kendine Tedarik'i hizmet dağıtım modeli olarak onaylamıştır ve Etiyopya'da Kendi Kendine Tedarik artık ulusal düzeyde ölçeklendirilmektedir. Daha fazla bilgi » Afrika ülkelerinde Kendi Kendine Tedarik ve Destek Hizmetlerinin İncelenmesi: Sentez Raporu).
  Coollands for Twitter uygulamasının benzersiz özellikleri nelerdir?	Coolands for Twitter uygulamasının benzersiz özellikleri arasında, yenileme düğmesine gerek kalmadan Gerçek Zamanlı güncellemeler, yeni mesajlar için başlık çubuğunda küçük avatarlar gösteren Avatar Göstergesi, sezgisel ve kullanışlı bağlantı açma için Doğrudan Bağlantı, kolayca geri dönmek için Akıllı Yer İşareti yer alır. önceki okuma konumuna geçiş ve farklı kullanıcılar için özelleştirilmiş bildirim ayarlarına olanak tanıyan Kullanıcı Düzeyi Bildirimi.	Tüm Android uygulamaları kategorileri Tanım Coolands for Twitter devrim niteliğinde bir twitter istemcisidir. Pek çok benzersiz özelliğe sahiptir ve size daha önce hayal etmediğiniz en iyi mobil twitter deneyimini sunar. İlk benzersiz özellik Gerçek Zamanlıdır. Bu uygulamada herhangi bir yenileme düğmesi bulamazsınız çünkü buna kesinlikle ihtiyacınız yoktur. Her açtığınızda en son tweet'leri alacaksınız ve okurken gelen tweet'leri Gerçek Zamanlı olarak alacaksınız. Yani arkadaşınız sizden bahsettiyse anında cevap verebilirsiniz. İkinci benzersiz özellik ise Avatar Göstergesidir. Avatar Göstergesi, yeni mesaj/tweet/bahsettiğinizi belirtmek için başlık çubuğunda gösterilen küçük avatarlardır. Gerçek zamanlı olduğundan, eski zaman çizelgenizi okurken gelen tweet'leri almaya devam edeceksiniz, Avatar-Indicator az önce kimin tweet'ini aldığınızı bilmenizi sağlayacak ve hemen kontrol edip etmeyeceğinize karar verecektir. Üçüncü benzersiz özellik Doğrudan Bağlantıdır Açıkçası bunun bir bağlantıyı açmanın en sezgisel ve kullanışlı yolu olduğunu düşünüyorum. Bir bağlantıyı açmak istediğinizde, zaman çizelgesinde o bağlantıya tıklamanız yeterlidir. Ayrıca bir profil penceresi açmak için bir kullanıcı adını tıklayabilir, bir arama sonucu penceresi açmak için bir karma etiketini tıklayabilirsiniz. Farklı renklerde görüntülenen farklı türden bağlantılar, istediğiniz renge değiştirebilirsiniz. Dördüncü benzersiz özellik Akıllı Yer İşaretidir Bu senaryoyu hiç yaşadınız mı? Ana sayfa zaman çizelgenizi okurken, uygulama size bazı yeni tweet'leriniz olduğunu bildirdi, en yeni tweet'leri okumak için "yukarı git" düğmesini tıklarsınız ve ardından devam etmek için önceki konuma dönmek istersiniz. okumanız. Bunu nasıl yapabilirsin? Diğer twitter istemcilerinde nerede olduğunuzu bulmak için sonuna kadar kaydırmanız gerekir, bu da çok fazla zaman kaybına neden olur. Ama bu uygulamada yukarıya doğru kaydırdığınızda “yukarı git” butonu çıkacak, tıklayın, en üste çıkıp en yeni tweetleri okuyabilirsiniz. Bundan sonra aşağı kaydırdığınızda köşede Akıllı Yer İşareti düğmesi görünecektir. Tıkladığınızda tam olarak bulunduğunuz yere geri dönebilirsiniz. Beşinci benzersiz özellik Kullanıcı Düzeyinde Bildirimdir Tüm yeni tweet'lerinizin bildirim alması anlamsızdır, eğer birkaç kullanıcıdan fazlasını takip ediyorsanız sürekli yeni tweetler alırsınız. Ya yalnızca en çok değer verdiğiniz biri yeni bir tweet yayınladığında bilgilendirilmek istiyorsanız? Bu uygulamada bu çok kolay. Arkadaşınızın bildirim ayarını doğrudan profil ekranından değiştirebilirsiniz. Ayrıca arkadaşlarınız için sırasıyla farklı bildirim zil sesi ayarlayabilirsiniz. Yani bir bildirim zil sesi duyduğunuzda, telefonunuzu açmanıza gerek kalmadan onun kim olduğunu bileceksiniz. Ayrıca tüm etkinleştirilmiş Kullanıcı Düzeyinde Bildirim ayarlarını tek bir yerden yönetebilirsiniz. Ayrıca tweet gönderme/silme, retweetleme, yorumla birlikte retweetleme, yanıtlama, alıntı yapma, doğrudan mesaj gönderme/silme, listelere abone olma/abonelikten çıkma, kullanıcıyı takip etme/takipten vazgeçme, birden fazla hesap desteği, hesabınızla resim ekleme gibi temel Twitter istemcisi özelliklerinin çoğuna sahiptir. tweet'ler, otomatik tamamlamadan bahsetme, son aramanın otomatik tamamlanması, konuşma görünümü. Lütfen denediyseniz bana geri bildirimde bulunun ve tüm e-postalarınızı yanıtlayacağıma SÖZ VERİYORUM. 1.30-1.36 güncellemesi: *Reklamsız. *Eski tweet'leri başlatırken ve yüklerken 3 kat daha hızlı. *3 hesap yerine sınırsız hesabı destekleyin. *Yalnızca mevcut hesap yerine tüm hesaplar için bildirim desteği. *Geliştirilmiş bahsetme önerisi özelliği. *Yorumla RT yapmak için URL bağlantısını kullanın, böylece daha fazla karaktere yorum yapabilirsiniz. *Konuşma görünümü, konuşma görünümünü göstermek için yanıtlanan tweet'teki turuncu (rengi değiştirebilirsiniz) kullanıcı adına tıklayın. *Daha uzun tweet'i destekleyin, daha uzun tweet otomatik olarak resme dönüştürülecektir. Gerçekten kendin denemelisin. *Daha uzun tweet'i desteklemek için iyileştirilmiş tweet oluşturma görünümü. *Diğer uygulamalar tarafından paylaşılan tanıtıcı metnini destekleyin. 103 değerlendirmeden Twitter için Coolands'ı indirin Ücretsiz - V1.38 - 298K Üzgünüm ... Bu uygulama artık mevcut değil. Bu uygulamayı paylaş Ekran görüntüleri

• Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

• gradient_accumulation_steps: 8
• learning_rate: 1e-06
• num_train_epochs: 1
• lr_scheduler_type: cosine
• warmup_ratio: 0.01
• tf32: True
• optim: adamw_torch_fused
• batch_sampler: no_duplicates

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: no
• prediction_loss_only: True
• per_device_train_batch_size: 8
• per_device_eval_batch_size: 8
• per_gpu_train_batch_size: None
• per_gpu_eval_batch_size: None
• gradient_accumulation_steps: 8
• eval_accumulation_steps: None
• torch_empty_cache_steps: None
• learning_rate: 1e-06
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 1
• max_steps: -1
• lr_scheduler_type: cosine
• lr_scheduler_kwargs: {}
• warmup_ratio: 0.01
• 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: 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: 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, '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

Framework Versions

• Python: 3.11.11
• Sentence Transformers: 3.1.1
• Transformers: 4.45.2
• PyTorch: 2.5.1+cu121
• Accelerate: 1.2.1
• Datasets: 3.2.0
• Tokenizers: 0.20.3

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",
}

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}
}