BGE-M3-KO_AUTO-FINE

SentenceTransformer based on dragonkue/BGE-m3-ko

This is a sentence-transformers model finetuned from dragonkue/BGE-m3-ko. 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: dragonkue/BGE-m3-ko <!-- at revision 7074d66aa46562342193ca4feb3d89bf9dad71b4 -->
• 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 = [
    'query: 스포츠센터 연회비 선불 시 과세기간 종료일과 주사업장 총괄 납부 신청 방법?',
    'passage: [부가가치세법 시행령] 제29조 과세거래, 공급시기와 공급장소, 할부 또는 조건부로 용역을 공급하는 경우 등의 용역의 공급시기\n제29조(할부 또는 조건부로 용역을 공급하는 경우 등의 용역의 공급시기)\n① 다음 각 호의 어느 하나에 해당하는 경우에는 대가의 각 부분을 받기로 한 때를 법 제16조제2항에 따른 할부 또는 조건부로 용역을 공급하는 경우 등의 용역의 공급시기로 본다. 다만, 제2호와 제3호의 경우 역무의 제공이 완료되는 날 이후 받기로 한 대가의 부분에 대해서는 역무의 제공이 완료되는 날을 그 용역의 공급시기로 본다. <개정 2025.12.30>\n1.  재정경제부령으로 정하는 장기할부조건부 또는 그 밖의 조건부로 용역을 공급하는 경우\n2.  완성도기준지급조건부로 용역을 공급하는 경우\n3.  재정경제부령으로 정하는 중간지급조건부로 용역을 공급하는 경우\n4.  공급단위를 구획할 수 없는 용역을 계속적으로 공급하는 경우\n② 법 제16조제2항에 따른 용역의 공급시기는 다음 각 호의 구분에 따른다.\n1.  역무의 제공이 완료되는 때 또는 대가를 받기로 한 때를 공급시기로 볼 수 없는 경우: 역무의 제공이 완료되고 그 공급가액이 확정되는 때\n2.  사업자가 부동산 임대용역을 공급하는 경우로서 다음 각 목의 어느 하나에 해당하는 경우: 예정신고기간 또는 과세기간의 종료일\n가.  법 제29조제10항제1호에 따른 경우\n나.  법 제29조제10항제3호에 따른 경우\n다.  사업자가 부동산을 임차하여 다시 임대용역을 제공하는 경우로서 제65조제2항에 따라 과세표준을 계산하는 경우\n3.  다음 각 목의 어느 하나에 해당하는 용역을 둘 이상의 과세기간에 걸쳐 계속적으로 제공하고 그 대가를 선불로 받는 경우: 예정신고기간 또는 과세기간의 종료일\n가.  헬스클럽장 등 스포츠센터를 운영하는 사업자가 연회비를 미리 받고 회원들에게 시설을 이용하게 하는 것\n나.  사업자가 다른 사업자와 상표권 사용계약을 할 때 사용대가 전액을 일시불로 받고 상표권을 사용하게 하는 것\n다.  「노인복지법」에 따른 노인복지시설(유료인 경우에만 해당한다)을 설치ㆍ운영하는 사업자가 그 시설을 분양받은 자로부터 입주 후 수영장ㆍ헬스클럽장 등을 이용하는 대가를 입주 전에 미리 받고 시설 내 수영장ㆍ헬스클럽장 등을 이용하게 하는 것\n라.  그 밖에 가목부터 다목까지의 규정과 유사한 용역\n4.  사업자가 「사회기반시설에 대한 민간투자법」 제4조제3호의 방식을 준용하여 설치한 시설에 대하여 둘 이상의 과세기간에 걸쳐 계속적으로 시설을 이용하게 하고 그 대가를 받는 경우: 예정신고기간 또는 과세기간의 종료일\n③ 제1항과 제2항에도 불구하고 폐업 전에 공급한 용역의 공급시기가 폐업일 이후에 도래하는 경우에는 폐업일을 공급시기로 본다.',
    'passage: [부가가치세법 시행규칙] 제3조 총칙, 통신요금 통합청구의 방법\n제3조(통신요금 통합청구의 방법) 영 제8조제1항의 표 제7호에서 "재정경제부령으로 정하는 통신요금 통합청구의 방법"이란 「전기통신사업법」에 따른 전기통신사업자가 둘 이상의 단말기기(회선의 단말에 설치하여 전기통신에 이용되는 기기를 말한다)를 통하여 각 사업장에서 이용자에게 전기통신역무를 제공하고, 각 사업장의 업무를 총괄하는 장소에서 통신요금을 일괄하여 청구하는 방법을 말한다. <개정 2026.1.2>',
]
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

• Dataset: mixed_all
• 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: 2,383 training samples
• Columns: <code>query</code>, <code>positive</code>, <code>negative_1</code>, and <code>negative_2</code>
• Approximate statistics based on the first 1000 samples:

  	query	positive	negative_1	negative_2
  type	string	string	string	string
  details	<ul><li>min: 14 tokens</li><li>mean: 27.27 tokens</li><li>max: 51 tokens</li></ul>	<ul><li>min: 27 tokens</li><li>mean: 547.03 tokens</li><li>max: 3272 tokens</li></ul>	<ul><li>min: 29 tokens</li><li>mean: 667.55 tokens</li><li>max: 3272 tokens</li></ul>	<ul><li>min: 56 tokens</li><li>mean: 677.95 tokens</li><li>max: 3272 tokens</li></ul>

• Samples:

  query	positive	negative_1	negative_2
  <code>query: 용역의 공급 시기가 되기 전에 대가를 받으면 어떻게 처리되나요?</code>	<code>passage: [부가가치세법] 제11조 과세거래, 과세대상 거래, 용역의 공급<br>제11조(용역의 공급)<br>① 용역의 공급은 계약상 또는 법률상의 모든 원인에 따른 것으로서 다음 각 호의 어느 하나에 해당하는 것으로 한다.<br>1. 역무를 제공하는 것<br>2. 시설물, 권리 등 재화를 사용하게 하는 것<br>② 제1항에 따른 용역의 공급의 범위에 관하여 필요한 사항은 대통령령으로 정한다.</code>	<code>passage: [부가가치세법 시행규칙] 제17조 과세거래, 공급시기와 공급장소, 장기할부판매<br>제17조(장기할부판매) 영 제28조제3항제1호에서 "재정경제부령으로 정하는 장기할부판매"란 재화를 공급하고 그 대가를 월부, 연부 또는 그 밖의 할부의 방법에 따라 받는 것 중 다음 각 호의 요건을 모두 갖춘 것을 말한다. <개정 2026.1.2><br>1. 2회 이상으로 분할하여 대가를 받는 것<br>2. 해당 재화의 인도일의 다음 날부터 최종 할부금 지급기일까지의 기간이 1년 이상인 것</code>	<code>passage: [부가가치세법 시행규칙] 제19조 과세거래, 공급시기와 공급장소, 장기할부조건부 용역의 공급<br>제19조(장기할부조건부 용역의 공급) 영 제29조제1항제1호에 따른 장기할부조건부로 용역을 공급하는 경우는 용역을 공급하고 그 대가를 월부, 연부 또는 그 밖의 할부의 방법에 따라 받는 것 중 다음 각 호의 요건을 모두 갖춘 것으로 한다.<br>1. 2회 이상으로 분할하여 대가를 받는 것<br>2. 해당 용역의 제공이 완료되는 날의 다음 날부터 최종 할부금 지급기일까지의 기간이 1년 이상인 것</code>
  <code>query: 용역의 공급 시기가 되기 전에 대가를 받으면 어떻게 처리되나요?</code>	<code>passage: [부가가치세법] 제17조 과세거래, 공급시기와 공급장소, 재화 및 용역의 공급시기의 특례<br>제17조(재화 및 용역의 공급시기의 특례)<br>① 사업자가 제15조 또는 제16조에 따른 재화 또는 용역의 공급시기(이하 이 조에서 "재화 또는 용역의 공급시기"라 한다)가 되기 전에 재화 또는 용역에 대한 대가의 전부 또는 일부를 받고, 그 받은 대가에 대하여 제32조에 따른 세금계산서 또는 제36조에 따른 영수증을 발급하면 그 세금계산서 등을 발급하는 때를 각각 그 재화 또는 용역의 공급시기로 본다. <개정 2017.12.19><br>② 사업자가 재화 또는 용역의 공급시기가 되기 전에 제32조에 따른 세금계산서를 발급하고 그 세금계산서 발급일부터 7일 이내에 대가를 받으면 해당 세금계산서를 발급한 때를 재화 또는 용역의 공급시기로 본다.<br>③ 제2항에도 불구하고 다음 각 호의 어느 하나에 해당하는 경우에는 재화 또는 용역을 공급하는 사업자가 그 재화 또는 용역의 공급시기가 되기 전에 제32조에 따른 세금계산서를 발급하고 그 세금계산서 발급일부터 7일이 지난 후 대가를 받더라도 해당 세금계산서를 발급한 때를 재화 또는 용역의 공급시기로 본다. <개정 2017.12.19, 2018.12.31, 2021.12.8><br>1. 거래 당사자 간의 계약서ㆍ약정서 등에 대금 청구시기(세금계산서 발급일을 말한다)와 지급시기를 따로 적고, 대금 청구시기와 지급시기 사이의 기간이 30일 이내인 경우<br>2. 재화 또는 용역의 공급시기가 세금계산서 발급일이 속하는 과세기간 내(공급받는 자가 제59조제2항에 따라 조기환급을 받은 경우에는 세금계산서 발급일부터 30일 이내)에 도래하는 경우<br>④ 사업자가 할부로 재화 또는 용역을 공급하는 경우 등으로서 대통령령으로 정하는 경우의 공급시기가 되기 전에 제32조에 따른 세금계산서 또는 제36조에 따른 영수증을 발급하는 경우에는 그 발급한 때를 각각 그 재화 또는 용역의 공급시기로 본다.</code>	<code>passage: [부가가치세법 시행규칙] 제17조 과세거래, 공급시기와 공급장소, 장기할부판매<br>제17조(장기할부판매) 영 제28조제3항제1호에서 "재정경제부령으로 정하는 장기할부판매"란 재화를 공급하고 그 대가를 월부, 연부 또는 그 밖의 할부의 방법에 따라 받는 것 중 다음 각 호의 요건을 모두 갖춘 것을 말한다. <개정 2026.1.2><br>1. 2회 이상으로 분할하여 대가를 받는 것<br>2. 해당 재화의 인도일의 다음 날부터 최종 할부금 지급기일까지의 기간이 1년 이상인 것</code>	<code>passage: [부가가치세법 시행규칙] 제19조 과세거래, 공급시기와 공급장소, 장기할부조건부 용역의 공급<br>제19조(장기할부조건부 용역의 공급) 영 제29조제1항제1호에 따른 장기할부조건부로 용역을 공급하는 경우는 용역을 공급하고 그 대가를 월부, 연부 또는 그 밖의 할부의 방법에 따라 받는 것 중 다음 각 호의 요건을 모두 갖춘 것으로 한다.<br>1. 2회 이상으로 분할하여 대가를 받는 것<br>2. 해당 용역의 제공이 완료되는 날의 다음 날부터 최종 할부금 지급기일까지의 기간이 1년 이상인 것</code>
  <code>query: 보세구역에서 물품을 거래할 때 세금이 어떻게 적용되는지, 그리고 예외는 어떤 경우에 해당되는지 궁금해.</code>	<code>passage: [부가가치세법 시행령] 제18조 과세거래, 과세대상 거래, 재화 공급의 범위<br>제18조(재화 공급의 범위)<br>① 법 제9조제1항에 따른 재화의 공급은 다음 각 호의 것으로 한다.<br>1. 현금판매, 외상판매, 할부판매, 장기할부판매, 조건부 및 기한부 판매, 위탁판매와 그 밖의 매매계약에 따라 재화를 인도하거나 양도하는 것<br>2. 자기가 주요자재의 전부 또는 일부를 부담하고 상대방으로부터 인도받은 재화를 가공하여 새로운 재화를 만드는 가공계약에 따라 재화를 인도하는 것<br>3. 재화의 인도 대가로서 다른 재화를 인도받거나 용역을 제공받는 교환계약에 따라 재화를 인도하거나 양도하는 것<br>4. 경매, 수용, 현물출자와 그 밖의 계약상 또는 법률상의 원인에 따라 재화를 인도하거나 양도하는 것<br>5. 국내로부터 보세구역에 있는 창고(제2항제1호 및 제2호에 따른 창고로 한정한다)에 임치된 임치물을 국내로 다시 반입하는 것<br>② 제1항제1호에도 불구하고 다음 각 호의 어느 하나에 해당하는 것은 재화의 공급으로 보지 아니한다. <개정 2025.12.30><br>1. 보세구역에 있는 조달청 창고(조달청장이 개설한 것으로서 「관세법」 제174조에 따라 세관장의 특허를 받은 보세창고를 말한다. 이하 같다)에 보관된 물품에 대하여 조달청장이 발행하는 창고증권의 양도로서 임치물의 반환이 수반되지 아니하는 것(창고증권을 가진 사업자가 보세구역의 다른 사업자에게 인도하기 위하여 조달청 창고에서 임치물을 넘겨받는 경우를 포함한다)<br>2. 보세구역에 있는 재정경제부령으로 정하는 거래소의 지정창고에 보관된 물품에 대하여 같은 거래소의 지정창고가 발행하는 창고증권의 양도로서 임치물의 반환이 수반되지 아니하는 것(창고증권을 가진 사업자가 보세구역의 다른 사업자에게 인도하기 위하여 지정창고에서 임치물을 넘겨받는 경우를 포함한다)<br>3. 사업자가 위탁가공을 위하여 원자재를 국외의 수탁가공 사업자에게 대가 없이 반출하는 것[제31조제1항제5호에 따라 영(零) 퍼센트의 세율(이하 "영세율"이라 ...</code>	<code>passage: [부가가치세법 시행령] 제116조 간이과세, 간이과세의 포기 및 재적용<br>제116조(간이과세의 포기 및 재적용)<br>① 간이과세자 또는 법 제62조에 따라 간이과세자에 관한 규정을 적용받게 되는 일반과세자로서 간이과세자에 관한 규정의 적용을 포기하려고 하거나, 법 제70조제2항에 따라 사업자등록을 신청할 때 간이과세자에 관한 규정의 적용을 포기하려는 자는 법 제70조제1항 및 제2항에 따른 신고를 할 때 다음 각 호의 사항을 적은 간이과세포기신고서를 관할 세무서장에게 제출(국세정보통신망에 의한 제출을 포함한다)하여야 한다. <개정 2014.2.21><br>1. 사업자의 인적사항<br>2. 간이과세를 포기하려는 과세기간<br>3. 그 밖의 참고 사항<br>② 제1항의 신고서를 제출한 개인사업자가 법 제70조제3항에 따른 기간이 지난 후 법 제7장을 적용받으려면 그 적용받으려는 과세기간 개시 10일 전까지 제109조제4항의 신고서를 관할 세무서장에게 제출하여야 한다. 이 경우 그 적용을 받을 수 있는 자는 해당 과세기간 직전 해의 1월 1일부터 12월 31일까지의 재화 또는 용역의 공급대가의 합계액이 법 제61조제1항에 해당하는 개인사업자로 한정한다. <개정 2014.2.21, 2024.2.29><br>③ 법 제70조제4항에 따라 간이과세자에 관한 규정을 다시 적용받을 수 있는 자는 법 제70조제5항에 따른 신고를 한 날이 속하는 연도의 직전 연도 공급대가의 합계액이 4천8백만원 이상 1억4백만원 미만인 개인사업자로서 간이과세자에 관한 규정의 적용을 포기할 당시 법 제36조제1항제2호가목 또는 나목에 해당하였던 자로 한다. <신설 2024.2.29><br>④ 법 제70조제4항에 따라 간이과세자에 관한 규정을 적용받으려는 개인사업자는 같은 조 제5항에 따라 다음 각 호의 사항을 적은 간이과세재적용신고서를 납세지 관할 세무서장에게 제출(국세정보통신망에 의한 제출을 포함한다)해야 한다. <신설 2024.2.29, 2025.2.28><br>1. 사업자의 인적사항<br>2. 간이과세를 적용받으려...</code>	<code>passage: [부가가치세법] 제69조 간이과세, 간이과세자에 대한 납부의무의 면제<br>제69조(간이과세자에 대한 납부의무의 면제)<br>① 간이과세자의 해당 과세기간에 대한 공급대가의 합계액이 4천800만원 미만이면 제66조 및 제67조에도 불구하고 제63조제2항에 따른 납부의무를 면제한다. 다만, 제64조에 따라 납부세액에 더하여야 할 세액은 그러하지 아니하다. <개정 2018.12.31, 2020.12.22><br>② 제1항에 따라 납부할 의무를 면제하는 경우에 대하여는 제60조제1항을 적용하지 아니한다. 다만, 제8조제1항에 따른 기한까지 사업자등록을 신청하지 아니한 경우(대통령령으로 정하는 고정 사업장이 없는 경우는 제외한다)에는 제60조제1항제1호를 적용하되, 제60조제1항제1호 중 "1퍼센트"를 "0.5퍼센트와 5만원 중 큰 금액"으로 한다. <개정 2016.12.20><br>③ 제1항을 적용할 때 다음 각 호의 경우에는 같은 호의 공급대가의 합계액을 12개월로 환산한 금액을 기준으로 한다. 이 경우 1개월 미만의 끝수가 있으면 1개월로 한다. <개정 2014.1.1><br>1. 해당 과세기간에 신규로 사업을 시작한 간이과세자는 그 사업 개시일부터 그 과세기간 종료일까지의 공급대가의 합계액<br>2. 휴업자ㆍ폐업자 및 과세기간 중 과세유형을 전환한 간이과세자는 그 과세기간 개시일부터 휴업일ㆍ폐업일 및 과세유형 전환일까지의 공급대가의 합계액<br>3. 제5조제4항 각 호에 따른 과세기간의 적용을 받는 간이과세자는 해당 과세기간의 공급대가의 합계액<br>④ 제1항에 따라 납부의무가 면제되는 사업자가 자진 납부한 사실이 확인되면 납세지 관할 세무서장은 납부한 금액을 환급하여야 한다.</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: 10
• gradient_accumulation_steps: 2
• num_train_epochs: 2
• warmup_ratio: 0.09
• fp16: True
• disable_tqdm: 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: 10
• per_device_eval_batch_size: 8
• per_gpu_train_batch_size: None
• per_gpu_eval_batch_size: None
• gradient_accumulation_steps: 2
• 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: 1.0
• num_train_epochs: 2
• max_steps: -1
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_ratio: 0.09
• 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
• 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: True
• 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}
• parallelism_config: None
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch
• optim_args: None
• adafactor: False
• group_by_length: False
• length_column_name: length
• project: huggingface
• trackio_space_id: trackio
• 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
• hub_revision: None
• 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: no
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• use_liger_kernel: False
• liger_kernel_config: None
• eval_use_gather_object: False
• average_tokens_across_devices: True
• prompts: None
• batch_sampler: batch_sampler
• multi_dataset_batch_sampler: proportional

</details>

Training Logs

Framework Versions

• Python: 3.10.19
• Sentence Transformers: 3.4.1
• Transformers: 4.57.6
• PyTorch: 2.6.0+cu124
• Accelerate: 1.12.0
• Datasets: 3.0.1
• Tokenizers: 0.22.2

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",
}

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.* -->