rag-embedder-grand-20epochs

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 <!-- at revision 5617a9f61b028005a4858fdac845db406aefb181 -->
• Maximum Sequence Length: 8192 tokens
• Output Dimensionality: 1024 dimensions
• Similarity Function: Cosine Similarity

<!-- - **Training Dataset:** Unknown --> <!-- - **Language:** Unknown --> <!-- - **License:** Unknown -->

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: 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("sentence_transformers_model_id")
# Run inference
sentences = [
    "타이어 제조일 표기에서 '0224'는 어떤 의미를 가지고 있나요?",
    '타이어 제조일\n타이어의 경우 제조일 기준으로 6년이 경과되\n면 자연적으로 노화되기 때문에 사용하지 않았\n더라도 임시 타이어를 포함하여 새 타이어로 교\n체해야 합니다. 이때 제조일을 확인하기 위해\n타이어의 옆면에 DOT라는 표시를 양쪽면 중\n한면에 삽입하도록 되어 있으며 이 표시는 영문\n및 숫자로 구성되어 마지막 네 자리를 통해 제\n조일을 확인할 수 있습니다.   \n\n   표시 형식\n예 : DOT XXXX XXXX\n표시 앞부분은 제조 공장, 타이어 크기 및 트레\n드 형상에 대한 고유 표시이고, 뒤의 4자리는\n제조 시기를 의미합니다.\n제조 시기 4자리 중 앞 2자리는 생산된 주간, 뒤\n2자리는 제조 연도를 의미합니다. 예를 들어,\nDOT XXXX XXXX 0224로 표기되어 있다면\n2024년도 2주차에 생산된 제품이란 뜻입니다.\n타이어가 6년이 지나면 반제품 간 박리 현상을\n일으켜 차량의 손상이나 사고로 이어질 수 있습\n니다. 제조 시기를 확인해 반드시 적절한 시기\n에 교체하십시오.',
    '경고\n등록된 카드 키가 실내 인증 패드(무선 충전 패\n드)에 올려져 있을 경우 시동을 걸 수 있습니다.\n따라서, 이러한 차량 시스템을 모르는 사람이\n나 어린이들 혼자 차 안에 남겨 두면 예기치 못\n한 사고가 일어날 수 있으므로 주의 하십시오.\n또한, 차량 도난의 우려가 있으므로 차를 벗어\n날 때는 반드시 카드 키를 휴대하십시오.',
]
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]

<!-- ### Direct Usage (Transformers) <details><summary>Click to see the direct usage in Transformers</summary> </details> --> <!-- ### Downstream Usage (Sentence Transformers) You can finetune this model on your own dataset. <details><summary>Click to expand</summary> </details> --> <!-- ### Out-of-Scope Use *List how the model may foreseeably be misused and address what users ought not to do with the model.* -->

Evaluation

Metrics

Information Retrieval

• Evaluated with <code>InformationRetrievalEvaluator</code>

<!-- ## Bias, Risks and Limitations *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* --> <!-- ### Recommendations *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* -->

Training Details

Training Dataset

Unnamed Dataset

• Size: 1,210 training samples
• Columns: <code>sentence_0</code> and <code>sentence_1</code>
• Approximate statistics based on the first 1000 samples:

  	sentence_0	sentence_1
  type	string	string
  details	<ul><li>min: 11 tokens</li><li>mean: 24.18 tokens</li><li>max: 51 tokens</li></ul>	<ul><li>min: 16 tokens</li><li>mean: 361.69 tokens</li><li>max: 2629 tokens</li></ul>

• Samples:

  sentence_0	sentence_1
  <code>어린이가 차량에 탑승할 때, 안전벨트를 제대로 착용하기 위해 어떤 점에 유의해야 하나요?</code>	<code>안전벨트 <br><br> 안전벨트 사용 중요성<br>안전벨트를 사용하면, 사고나 급정차 시에 당<br>할 수 있는 심각한 부상이나 사망의 위험이 줄<br>어듭니다. 안전벨트는 다음과 같은 상태에서<br>최대의 효과를 발휘합니다.<br>• 탑승자가 엉덩이를 좌석에 깊게 걸치고 등을<br>등받이에 똑바로 기대고 앉은 상태여야 합니<br>다.<br>• 안전벨트의 골반띠는 골반을 지나고, 어<br>깨띠는 가슴을 지나야 합니다.<br>• 어린이는 항상 뒷좌석에 적절한 보호 장치를<br>장착하여 앉히십시오.</code>
  <code>측면 에어백은 어떤 상황에서 작동할 수 있나요?</code>	<code>측면 에어백<br>• 측면 에어백(사이드 및 커튼 에어백, 앞좌석<br>센터 에어백)은 측면 충돌 시, 측면 충돌 센서<br>에 충격이 전해지면 충돌 정도에 따라 에어<br>백 제어 모듈에서 판단하여 작동합니다.<br>• 측면 충돌 또는 전복 사고가 아니라도 측면<br>충돌 센서에 충격이 전해지거나 전복 센서에<br>서 전복 상황으로 인식되면 측면 에어백(사<br>이드 및 커튼 에어백, 앞좌석 센터 에어백)이<br>작동할 수 있습니다.<br>• 비포장도로, 보도블록, 평지 도로의 돌출부<br>에서는 반드시 서행하십시오. 돌출부에 의해<br>하체 충격이 전해지면 에어백이 작동할 수<br>있습니다.</code>
  <code>차량에서 휴대 전화나 무전기 사용이 권장되지 않는 이유는 무엇인가요?</code>	<code>기타 주의사항<br>• 겨울에 시동을 걸거나 여름에 에어컨을 켤<br>때 엔진 회전수(RPM)가 평소보다 높아질 수<br>있습니다. 이로 인해 차량이 더 빠르게 움직<br>일 수 있으니 주의하십시오.<br>• 차 안에서 휴대 전화나 무전기를 되도록 사<br>용하지 마십시오. 송출되는 전파가 탑승자의<br>건강을 해칠 수 있고, 차량의 전자 제어 장치<br>에 영향을 주어 오작동이 발생할 수 있습니<br>다.<br>• 잠깐이라도 차에서 내릴 때는 차량 안전을<br>위해 반드시 시동을 끄십시오.<br>• 정차 중에는 반드시 브레이크 페달을 밟고<br>주차 브레이크를 걸어 놓으십시오.<br>• 차에서 내릴 때 고가의 물품을 차 안에 두지<br>말고, 내린 후에는 항상 모든 도어와 트렁크<br>를 잠그십시오.<br>• 유리창에 액세서리를 붙이지 마십시오. 운전<br>에 방해를 주고, 흡착 부가 렌즈 역할을 하여<br>차내 부품을 훼손할 수 있습니다. 또한 충돌<br>발생 시 액세서리로 인해 다칠 수 있습니다.<br>• 주행 전 반드시 가속 페달과 브레이크 페달<br>의 위치를 확인하십시오. 운전 경력이 많아<br>도 여러 차량을 운전하다 보면 페달의 위치<br>를 혼동할 수 있고, 페달을 잘못 밟아 사고로<br>이어질 수 있습니다.<br>• 차량의 오작동이 발생하거나 잘못 조작할 경<br>우 침착하게 행동하십시오. 동력 발생 장치<br>와 제동 장치는 별개 장치이므로 브레이크<br>페달을 밟으면 차량이 멈춥니다.<br>• 차량이 눈, 진흙, 모래 등에 빠진 경우 가속<br>페달을 과도하게 밟지 말고 견인 등의 방법<br>으로 대처하십시오. 타이어가 헛도는 상황에<br>서 무리하게 가속 페달을 밟으면 변속기가<br>손상될 수 있습니다.<br>• 품질이나 성능이 부적합한 오일의 사용은 변<br>속기 고장 및 성능의 저하 등을 초래할 수 있<br>으며 이로 인한 변속기의 품질은 보증이 불<br>가능합니다. 순정오일은 품질과 성능을 당사<br>가 보증하는 오일입니다.</code>

• Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 5
• per_device_eval_batch_size: 5
• num_train_epochs: 20
• fp16: True
• multi_dataset_batch_sampler: round_robin

All Hyperparameters

<details><summary>Click to expand</summary>

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 5
• per_device_eval_batch_size: 5
• per_gpu_train_batch_size: None
• per_gpu_eval_batch_size: None
• gradient_accumulation_steps: 1
• eval_accumulation_steps: None
• torch_empty_cache_steps: None
• learning_rate: 5e-05
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1
• num_train_epochs: 20
• max_steps: -1
• lr_scheduler_type: linear
• lr_scheduler_kwargs: {}
• warmup_ratio: 0.0
• 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: True
• 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, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• 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: None
• hub_always_push: False
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_inputs_for_metrics: False
• include_for_metrics: []
• 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
• 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
• average_tokens_across_devices: False
• prompts: None
• batch_sampler: batch_sampler
• multi_dataset_batch_sampler: round_robin

</details>

Training Logs

Framework Versions

• Python: 3.10.16
• Sentence Transformers: 4.1.0
• Transformers: 4.52.3
• PyTorch: 2.7.0+cu126
• Accelerate: 1.7.0
• Datasets: 3.6.0
• Tokenizers: 0.21.1

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}
}

<!-- ## Glossary *Clearly define terms in order to be accessible across audiences.* --> <!-- ## Model Card Authors *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* --> <!-- ## Model Card Contact *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* -->