bkai-checkpoint-2100

SentenceTransformer based on bkai-foundation-models/vietnamese-bi-encoder

This is a sentence-transformers model finetuned from bkai-foundation-models/vietnamese-bi-encoder. 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: bkai-foundation-models/vietnamese-bi-encoder <!-- at revision 84f9d9ada0d1a3c37557398b9ae9fcedcdf40be0 -->
• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 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': 256, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (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})
)

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 = [
    'Ai có thẩm_quyền thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh dịch_vụ xếp_hạng tín_nhiệm đối_với công_ty trách_nhiệm hữu_hạn ?',
    'Thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh \n … \n 3 . Bộ Tài_chính ra quyết_định thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh đối_với trường_hợp quy_định Khoản 1 Điều này . \n 4 . Quyết_định thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh của doanh_nghiệp được công_bố trên trang thông_tin điện_tử của Bộ Tài_chính . \n 5 . Doanh_nghiệp phải chấm_dứt ngay các hoạt_động xếp_hạng tín_nhiệm và dịch_vụ liên_quan đến xếp_hạng tín_nhiệm kể từ thời_điểm Giấy chứng_nhận đủ điều_kiện kinh_doanh tự_động bị hết hiệu_lực ; hoặc từ thời_điểm Quyết_định thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh có hiệu_lực thi_hành .',
    'Nghỉ học tạm_thời , nghỉ ốm \n ... \n 2 . Người học được tạm hoãn học môn_học , học_phần theo kế_hoạch đào_tạo của cơ_sở đào_tạo giáo_viên và phải hoàn_thành môn_học , học_phần tạm hoãn đó trong quỹ thời_gian tối_đa hoàn_thành chương_trình đào_tạo giáo_viên nếu thuộc một hoặc nhiều trường_hợp sau : \n a ) Vì lý_do sức_khỏe không bảo_đảm để học môn_học , học_phần đó và phải có giấy xác_nhận của cơ_sở y_tế nơi người học đó khám hoặc điều_trị ; \n b ) Có_lý_do khác không_thể tham_gia hoàn_thành môn_học , học_phần đó , kèm theo minh chứng cụ_thể và phải được thủ_trưởng cơ_sở đào_tạo giáo_viên chấp_thuận . \n 3 . Người học không thuộc trường_hợp quy_định tại khoản 1 , 2 của Điều này , trong trường_hợp có_lý_do chính_đáng thì được nghỉ học đột_xuất theo quy_định của cơ_sở đào_tạo giáo_viên và phải hoàn_thành nhiệm_vụ học_tập theo quy_định , đồng_thời phải bảo_đảm điều_kiện dự thi kết_thúc môn_học , học_phần mới được dự thi kết_thúc môn_học , học_phần . \n 4 . Thời_gian nghỉ học tạm_thời được tính vào thời_gian tối_đa để người học hoàn_thành chương_trình đào_tạo giáo_viên được quy_định tại Điều 4 của Quy_chế này . \n 5 . Thủ_trưởng cơ_sở đào_tạo giáo_viên quy_định cụ_thể việc nghỉ học tạm_thời của người học .',
]
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]

<!-- ### 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.* --> <!-- ## 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: 86,575 training samples
• Columns: <code>anchor</code> and <code>positive</code>
• Approximate statistics based on the first 1000 samples:

  	anchor	positive
  type	string	string
  details	<ul><li>min: 7 tokens</li><li>mean: 17.49 tokens</li><li>max: 39 tokens</li></ul>	<ul><li>min: 19 tokens</li><li>mean: 165.71 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  anchor	positive
  <code>Dự_thảo báo_cáo công_tác phổ_biến , giáo_dục pháp_luật của cơ_quan trong Bộ Quốc_phòng có phải lấy ý_kiến của thành_viên Hội_đồng Phối_hợp phổ_biến , giáo_dục pháp_luật cấp báo_cáo không ?</code>	<code>Chế_độ báo_cáo , thông_tin phổ_biến , giáo_dục pháp_luật <br> ... <br> 5 . Dự_thảo báo_cáo công_tác phổ_biến , giáo_dục pháp_luật của cơ_quan , đơn_vị các cấp phải được lấy ý_kiến của thành_viên Hội_đồng Phối_hợp phổ_biến , giáo_dục pháp_luật cấp báo_cáo ; nơi không có Hội_đồng Phối_hợp phổ_biến , giáo_dục pháp_luật thì lấy ý_kiến cơ_quan , đơn_vị liên_quan trước khi trình người có thẩm_quyền ký ban_hành . Báo_cáo được gửi đến cơ_quan có thẩm_quyền , thành_viên Hội_đồng Phối_hợp phổ_biến , giáo_dục pháp_luật cấp báo_cáo và cơ_quan , đơn_vị liên_quan . <br> ... .</code>
  <code>Đối_tượng và điều_kiện tham_gia đào_tạo , bồi_dưỡng kiểm_toán nhà_nước ở nước_ngoài ?</code>	<code>Đối_tượng và điều_kiện tham_gia đào_tạo , bồi_dưỡng ở nước_ngoài <br> Ngoài những điều_kiện , tiêu_chuẩn quy_định tại Điều 25 của Quy_chế này , công_chức , viên_chức được cử đi đào_tạo , bồi_dưỡng ở nước_ngoài thực_hiện theo các quy_định của Đảng , Nhà_nước về xuất_cảnh , nhập_cảnh của công_dân Việt_Nam và phải đáp_ứng các điều_kiện sau : <br> 1 . Đối_với các khóa bồi_dưỡng có thời_gian dưới 01 tháng , công_chức , viên_chức phải còn đủ tuổi để công_tác ít_nhất 18 tháng tính từ khi khóa bồi_dưỡng bắt_đầu . <br> 2 . Đối_với các khóa đào_tạo , bồi_dưỡng có thời_gian từ 01 tháng trở lên , công_chức , viên_chức phải còn đủ tuổi công_tác ít_nhất 02 năm tính từ khi khóa bồi_dưỡng bắt_đầu . <br> 3 . Công_chức , viên_chức được cử đi đào_tạo , bồi_dưỡng phải hoàn_thành tốt nhiệm_vụ được giao trong năm trước liền kề . <br> 4 . Chuyên_môn nghiệp_vụ của công_chức , viên_chức được cử đi đào_tạo , bồi_dưỡng phải phù_hợp với nội_dung của khóa đào_tạo , bồi_dưỡng . <br> 5 . Có thời_gian công_tác tại Kiểm_toán nhà_nước í...</code>
  <code>Việc nâng bậc lương trước thời_hạn đối_với viên_chức ngành xây_dựng được thực_hiện vào thời_gian nào ?</code>	<code>Nguyên_tắc xét nâng bậc lương trước thời_hạn do lập thành_tích xuất_sắc trong thực_hiện nhiệm_vụ <br> 1 . Việc nâng bậc lương trước thời_hạn đối_với cán_bộ , công_chức , viên_chức , người lao_động lập thành_tích xuất_sắc trong thực_hiện nhiệm_vụ chỉ xét mỗi năm một lần vào tháng 11 , cùng với đợt xét nâng bậc lương thường_xuyên của quý IV. <br> ...</code>

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

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "mini_batch_size": 1024
  }
  

Evaluation Dataset

Unnamed Dataset

• Size: 9,620 evaluation samples
• Columns: <code>anchor</code> and <code>positive</code>
• Approximate statistics based on the first 1000 samples:

  	anchor	positive
  type	string	string
  details	<ul><li>min: 5 tokens</li><li>mean: 17.65 tokens</li><li>max: 38 tokens</li></ul>	<ul><li>min: 17 tokens</li><li>mean: 163.91 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  anchor	positive
  <code>Đất nông_nghiệp chưa có giấy chứng_nhận quyền sử_dụng đất thì có_thể xin cấp giấy chứng_nhận hay không ?</code>	<code>" Điều 100 . Cấp Giấy chứng_nhận quyền sử_dụng đất , quyền sở_hữu nhà ở và tài_sản khác gắn liền với đất cho hộ gia_đình , cá_nhân , cộng_đồng dân_cư đang sử_dụng đất có giấy_tờ về quyền sử_dụng đất <br> 1 . Hộ gia_đình , cá_nhân đang sử_dụng đất ổn_định mà có một trong các loại giấy_tờ sau đây thì được cấp Giấy chứng_nhận quyền sử_dụng đất , quyền sở_hữu nhà ở và tài_sản khác gắn liền với đất và không phải nộp tiền_sử_dụng đất : <br> a ) Những giấy_tờ về quyền được sử_dụng đất trước ngày 15 tháng 10 năm 1993 do cơ_quan có thẩm_quyền cấp trong quá_trình thực_hiện chính_sách đất_đai của Nhà_nước Việt_Nam dân_chủ Cộng_hòa , Chính_phủ Cách_mạng lâm_thời Cộng_hòa miền Nam Việt_Nam và Nhà_nước Cộng_hòa xã_hội chủ_nghĩa Việt_Nam ; <br> b ) Giấy chứng_nhận quyền sử_dụng đất tạm_thời được cơ_quan nhà_nước có thẩm_quyền cấp hoặc có tên trong Sổ đăng_ký ruộng_đất , Sổ địa_chính trước ngày 15 tháng 10 năm 1993 ; <br> c ) Giấy_tờ hợp_pháp về thừa_kế , tặng cho quyền sử_dụng đất hoặc tài_sản gắn liền với đất ;...</code>
  <code>Phạm_vi điều_chỉnh của Luật_Đấu_thầu 2013 được quy_định ra sao ?</code>	<code>" Điều 1 . Phạm_vi điều_chỉnh <br> Luật này quy_định quản_lý nhà_nước về đấu_thầu ; trách_nhiệm của các bên có liên_quan và các hoạt_động đấu_thầu , bao_gồm : <br> 1 . Lựa_chọn nhà_thầu cung_cấp dịch_vụ tư_vấn , dịch_vụ phi tư_vấn , hàng_hóa , xây_lắp đối_với : <br> a ) Dự_án đầu_tư phát_triển sử_dụng vốn nhà_nước của cơ_quan nhà_nước , tổ_chức chính_trị , tổ_chức chính_trị - xã_hội , tổ_chức chính_trị xã_hội - nghề_nghiệp , tổ_chức xã_hội - nghề_nghiệp , tổ_chức xã_hội , đơn_vị thuộc lực_lượng vũ_trang nhân_dân , đơn_vị sự_nghiệp công_lập ; <br> b ) Dự_án đầu_tư phát_triển của doanh_nghiệp nhà_nước ; <br> c ) Dự_án đầu_tư phát_triển không thuộc quy_định tại điểm a và điểm b khoản này có sử_dụng vốn nhà_nước , vốn của doanh_nghiệp nhà_nước từ 30 % trở lên hoặc dưới 30 % nhưng trên 500 tỷ đồng trong tổng mức đầu_tư của dự_án ; <br> d ) Mua_sắm sử_dụng vốn nhà_nước nhằm duy_trì hoạt_động thường_xuyên của cơ_quan nhà_nước , tổ_chức chính_trị , tổ_chức chính_trị - xã_hội , tổ_chức chính_trị xã_hội - nghề_ng...</code>
  <code>Ghi tên thuốc trong Danh_mục thuốc tân_dược thuộc phạm_vi được hưởng của người tham_gia BHYT theo nguyên_tắc gì ?</code>	<code>Nguyên_tắc xây_dựng Danh_mục thuốc tân_dược thuộc phạm_vi được hưởng của người tham_gia_bảo_hiểm y_tế ( BHYT ) <br> ... <br> 2 . Nguyên_tắc ghi tên thuốc trong Danh_mục thuốc tân_dược thuộc phạm_vi được hưởng của người tham_gia BHYT <br> a ) Thuốc được ghi theo tên hoạt_chất theo danh_pháp INN ( International_Non - proprietary Name ) , một_số thuốc không có danh_pháp INN ghi theo tên được cấp phép lưu_hành ; không ghi tên biệt_dược hay tên thương_mại . <br> b ) Chỉ ghi đường dùng , không ghi hàm_lượng , không ghi dạng bào_chế . <br> c ) Trường_hợp thuốc phối_hợp đa thành_phần : Quy_định cụ_thể thành_phần các hoạt_chất phối_hợp .</code>

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

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "mini_batch_size": 1024
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 32
• learning_rate: 2e-05
• weight_decay: 0.01
• num_train_epochs: 5
• warmup_ratio: 0.1
• fp16: True
• load_best_model_at_end: True

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: 32
• per_device_eval_batch_size: 32
• 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: 2e-05
• weight_decay: 0.01
• 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
• 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: 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
• 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: proportional

</details>

Training Logs

Framework Versions

• Python: 3.11.13
• Sentence Transformers: 4.1.0
• Transformers: 4.52.4
• PyTorch: 2.6.0+cu124
• Accelerate: 1.8.1
• Datasets: 3.6.0
• Tokenizers: 0.21.2

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}
}

<!-- ## 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.* -->