agrisahayak-muril-v3

SentenceTransformer

This is a sentence-transformers model fine-tuned for Hindi agriculture semantic retrieval. It maps sentences and paragraphs to a 768-dimensional dense vector space and is intended for semantic retrieval in agriculture-focused applications.

Fine-tuned from google/muril-base-cased for Hindi agriculture semantic retrieval and RAG. Training used two stages: initial MNRL fine-tuning on 20,141 Hindi agriculture question–passage pairs from Vikaspedia, followed by hard-negative refinement using 30,585 training triplets. See the full project and app.

Model Details

Model Description

• Model Type: Sentence Transformer

<!-- - **Base model:** [Unknown](https://huggingface.co/unknown) -->

• Maximum Sequence Length: 256 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Supported Modality: Text

<!-- - **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
• Project Repository: rag-muril-finetuning

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'transformer_task': 'feature-extraction', 'modality_config': {'text': {'method': 'forward', 'method_output_name': 'last_hidden_state'}}, 'module_output_name': 'token_embeddings', 'architecture': 'BertModel'})
  (1): Pooling({'embedding_dimension': 768, 'pooling_mode': 'mean', '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("prathameshkoph/agrisahayak-muril-v3")
# Run inference
sentences = [
    'अंडा देने वाली मुर्गियों को महीने में कितनी बार कृमियों से बचाव की दवा देनी चाहिए?',
    'मुर्गी आवास व उसमें प्रयोग होने वाले उपकरण जैसे दाने व पानी के बर्तन तथा बिछावन आदि को साफ रखना चाहिए एवं इसमें समय - समय पर जीवाणुनाशक दवा का छिड़काव करना चाहिए। मुर्गियों को समय – समय पर दाने या पानी में एंटियोटिक्स, विटामिन्स व खनिज लवण देने पर उनकी रोग प्रतिरोधक क्षमता बढ़ाई जा सकती है। मुर्गियों को प्रमुख बीमारियों से बचाने के लिए उचित आयु पर टीकाकरण करना आवश्यक है। अंडा देने वली मुर्गियों को महीने में एक बार कृमियों से बचाव के लिए दवाई अवश्य द दें । मरी हुई मुर्गी, मुर्गियों के मलमूत्र, गिरे हुए पंख व टूटे हुए अंडे आदि को मुर्गी आवास से दूर सुरक्षित स्थान पर दफना या जला देना चाहिए। मुर्गियों को दुसरे वन्य पक्षी व जानवर आदि से दूर रखना चाहिए। मुर्गियों के स्वस्थ्य की जाँच पशु चिकित्सक dद्वारा समय – समय पर करानी चाहिए। बर्ड फ़्लू (एवियन इन्फ्लूएंजा) के संबंध में आवश्यक तथ्य एवं जानकारी इससे डरे नहीं सावधानियाँ बरतें मुर्गी पालने वाले तथा मुर्गी व्यवसाय से जुड़े अन्य लोग विशेष रूप से ध्यान दें कि बीमारी मुर्गियों के सीधे संपर्क में न आयें। दस्ताने या किसी भी अन्य सुरक्षा साधन का इस्तेमाल करें।',
    'सहायता 500 रूपये प्रति हैक्टेयर अधिकतम के अध्यधीन अपेक्षित पोषकतत्व की लागत के 50% तक सीमित होगी । उर्वरता गुणवत्ता नियंत्रण प्रणाली का सुदृढीकरण विद्यमान राज्य उर्वरक गुणवता नियंत्रण प्रयोगशालाओं का सुदृढीकरण/उन्नयन देश में विक्रय किये जाने वाले उर्वरकों की गुणवत्ता की जांच के लिए, वर्तमान में विभिन्न राज्य सरकारों के नियंत्रण में 74 एफक्यूसीएल कार्यरत हैं । चूंकि गुणवत्ता परीक्षण उर्वरक नियंत्रण आदेश (एफसीओ) के तहत सांविधिक आवश्यकता है, यह सभी उपकरणों तथा यंत्रों के रख-रखाव आवश्यक है तथा विश्लेषण के लिए गुणवत्ता रासायनिक तथा शीशे की सामग्री की आपूर्ति को सुनिश्चित करना अनिवार्य है । इसके लिए समय समय पर यंत्रों के उन्नयन तथा प्रतिस्थापन की आवश्यकता है । राज्य प्रयोगशालाओं में से कई इन सुविधाओं के रख रखाव के लिए अत्यन्त वित्तीय समस्या से जूझ रहे हैं । इसलिए, विश्लेषण क्षमता के उच्च मानकों को बनाए रखने के लिए, विद्यमान एफक्यूसीएलएस के उन्नयन तथा सुदृढ़ीकरण का प्रस्ताव है । सक्षम अभकिरण- राज्य सरकार के तहत एफक्यूएलएस, केवल ऐसी राज्य प्रयोगशालाओं को सहातया प्रदान करेंगी, जो प्रचालन में हे तथा सही ढंग से काम कर रही है और केंद्र सरकार के भाग पर देनदारी देयता नहीं है ।',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.6159, 0.0482],
#         [0.6159, 1.0000, 0.0495],
#         [0.0482, 0.0495, 1.0000]])

<!-- ### 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: validation
• Evaluated with <code>InformationRetrievalEvaluator</code>

The model card metrics above are validation-set results from 1,869 evaluation queries used during training. A separate held-out test benchmark of 1,980 queries was used for the final project comparison and is reported in the Benchmarks section.

<!-- ## 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.* -->

Benchmarks

Held-out Test Set — 1,980 Queries

On this held-out benchmark, MuRIL V3 has the highest reported value among the compared models for all five metrics shown.

Intended Use

This model is intended for semantic retrieval of Hindi agriculture-related content, particularly as the retrieval encoder in a Retrieval-Augmented Generation (RAG) system.

Typical uses include:

• Retrieving relevant agriculture passages for farmer-support applications.
• Semantic search over Hindi agriculture knowledge bases.
• Providing evidence passages to downstream RAG systems.

The model is a retrieval encoder and does not generate answers by itself.

Limitations

• Language scope: The model was fine-tuned and evaluated on Hindi agriculture-related text. Performance on other languages has not been established by the reported benchmark.
• Domain scope: The model is specialized for agriculture-related semantic retrieval and may perform differently on general-domain text.
• Corpus dependence: Retrieval quality depends on the coverage, quality, and relevance of the indexed agriculture corpus.
• Similarity scores: Cosine similarity scores indicate embedding similarity and should not be interpreted as answer confidence or factual correctness.
• Benchmark scope: The reported benchmark results are specific to the held-out test set and compared models described above; they should not be interpreted as universal performance across datasets or domains.

Training Details

Training Dataset

Hindi Agriculture Question–Passage Dataset

The training data consists of Hindi agriculture question–passage pairs derived from agriculture-related content from Vikaspedia. The hard-negative refinement stage used 30,585 training triplets.

• Size: 30,585 training samples
• Columns: <code>anchor</code>, <code>positive</code>, and <code>negative</code>
• Approximate statistics based on the first 1000 samples:

  	anchor	positive	negative
  type	string	string	string
  details	<ul><li>min: 8 tokens</li><li>mean: 22.93 tokens</li><li>max: 43 tokens</li></ul>	<ul><li>min: 67 tokens</li><li>mean: 229.31 tokens</li><li>max: 256 tokens</li></ul>	<ul><li>min: 69 tokens</li><li>mean: 227.78 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  anchor	positive	negative
  <code>काजू के पौधे लगाने के लिए गड्ढों की खुदाई और भराई का काम कब तक पूरा हो जाना चाहिए?</code>	<code>अगर जमीन ऊँची–नीची हो तो कंटूर के किनारे-किनारे पेड़ लगाए जाने चाहिए और जगह–जगह थाले और गड्ढे बनाए जाने चाहिए जिससे मिट्टी का कटाव नहीं होता और नमी बनी रहे। गड्ढों की खुदाई और भराई गड्ढों की खुदाई का काम काफी पहले यानी मई- जून तक पूरा हो जाना चाहिए। काजू के पौधे 60 सेंमी लम्बे। 60 सेंमी चौड़े और 60 सेंमी गहरे पिटों में सामान्य स्तर पर रोपे जाते हैं। कठोर लैटराइट मिट्टी में एक मीटर लम्बाई वाले गड्ढे बनाने उचित हैं। मृदा और इसके ठीक नीचे की मृदा और उसके ठीक नीचे की मृदा को अलग-अलग रखा जाता है ताकि दोनों को धूप मिल सके। इससे दीमकों और चींटियों को हटाने में मदद मिलती हैं। जंगल के कूड़े–करकट को पौधे लगाने से पहले गड्ढे में जला देना बेहतर होता है। इसके बाद पूरी मृदा को 5 किग्रा. खेतड़ खाद या कंपोस्ट या 2 किग्रा. पोल्ट्री खाद या 200 ग्राम रॉक फॉस्फेट मिलाकर भर देते हैं। मृदाजन्य रोग से बचाने के लिए हर गड्ढे में मिट्टी के साथ 100 ग्राम बीएचसी मिलाते हैं।</code>	<code>एकत्रित पानी को निकालकर फेंक देना चाहिए। खाद और उर्वरक प्रत्यके गडढे में 50-60 कि.ग्रा. सड़ी हुई गोबर की खाद , 15-20 कि.ग्रा. जिप्सम और ऑर्गेनिक खाद का मिश्रण लगभग 5 कि.ग्रा. रोपण भराई के 15-25 दिनों के बाद ही पौधों का रोपण करना चाहिए। सामान्य भूमि में प्रत्यके गडढे में 40-50 कि.ग्रा. सड़ी गोबर की खाद और 2 कि.ग्रा. नीम की सड़ी खाद का मिश्रण और ऊपर वाली मिट्टी मिलाकर भर देनी चाहिए। गडढे जमीन की सतह से 15-20 से.मी.</code>
  <code>काजू के पौधे लगाने के लिए गड्ढों की खुदाई और भराई का काम कब तक पूरा हो जाना चाहिए?</code>	<code>अगर जमीन ऊँची–नीची हो तो कंटूर के किनारे-किनारे पेड़ लगाए जाने चाहिए और जगह–जगह थाले और गड्ढे बनाए जाने चाहिए जिससे मिट्टी का कटाव नहीं होता और नमी बनी रहे। गड्ढों की खुदाई और भराई गड्ढों की खुदाई का काम काफी पहले यानी मई- जून तक पूरा हो जाना चाहिए। काजू के पौधे 60 सेंमी लम्बे। 60 सेंमी चौड़े और 60 सेंमी गहरे पिटों में सामान्य स्तर पर रोपे जाते हैं। कठोर लैटराइट मिट्टी में एक मीटर लम्बाई वाले गड्ढे बनाने उचित हैं। मृदा और इसके ठीक नीचे की मृदा और उसके ठीक नीचे की मृदा को अलग-अलग रखा जाता है ताकि दोनों को धूप मिल सके। इससे दीमकों और चींटियों को हटाने में मदद मिलती हैं। जंगल के कूड़े–करकट को पौधे लगाने से पहले गड्ढे में जला देना बेहतर होता है। इसके बाद पूरी मृदा को 5 किग्रा. खेतड़ खाद या कंपोस्ट या 2 किग्रा. पोल्ट्री खाद या 200 ग्राम रॉक फॉस्फेट मिलाकर भर देते हैं। मृदाजन्य रोग से बचाने के लिए हर गड्ढे में मिट्टी के साथ 100 ग्राम बीएचसी मिलाते हैं।</code>	<code>पौधों के बीच की दूरी 5 x 5 मीटर, कम फैलाव के लिए। 6 x 6 मीटर, ज्यादा फैलाव के लिए। पौधों के बीच की दूरी: 1.8 x 1.8 मी. 2.5 x 2.5 मीटर शीर्ष प्रणाली के द्वारा, 3 x 3 मीटर निफिन प्रणाली के द्वारा, 4-6 x 4-6 मीटर कुंज प्रणाली के द्वारा। गड्ढा खोदने एवं पौधा लगाने का समय मई-जून और जुलाई-अगस्त मई एवं जून तथा सितम्बर एवं अक्टूबर जनवरी-फरवरी गड्ढे का आकार 60 x 60 x 60 सें.मी. गड्ढे भरते समय खाद की मात्रा गोबर की खाद: 7-8 किग्रा., करंज खली-1 किग्रा., डी.ए.पी.-1 किग्रा., म्यूरिएट ऑफ़ पोटाश-400 ग्रा, चूना-1.5 किग्रा., लिन्डेन धूल-100 ग्रा. गोबर की खाद-7 किग्रा., करंज खली: 1.0 किग्रा., डी.ए.पी.-1.55 किग्रा., म्यूरिएट ऑफ़ पोटाश-1/2 किग्रा.लिन्डेन धूल-50 ग्राम। गोबर की खाद 8-10 किग्रा., एस.एस.पी.-1 किग्रा., एम.ओ.पी.-1/2 किग्रा., करंज की खली-1 किग्रा., चूना-250 ग्राम, लिन्डेन धूल-50 ग्राम। खाद की मात्रा (प्रति पौधा/ वर्ष ) यूरिया 650 ग्राम, एस.एस.पी. (विकसित पौधे के लिए) यूरिया 400 ग्रा. (3 महीने के अंतराल पर चार भागों में), एस.एस.पी. प्रारंभ में 15 किग्रा. गोबर खाद, 200 ग्राम यूरिया, 1 किग्रा. एस.एस....</code>
  <code>अगर मेरी जमीन ऊँची-नीची है, तो काजू के पेड़ लगाने के लिए मिट्टी का कटाव रोकने और नमी बनाए रखने के लिए क्या करना चाहिए?</code>	<code>अगर जमीन ऊँची–नीची हो तो कंटूर के किनारे-किनारे पेड़ लगाए जाने चाहिए और जगह–जगह थाले और गड्ढे बनाए जाने चाहिए जिससे मिट्टी का कटाव नहीं होता और नमी बनी रहे। गड्ढों की खुदाई और भराई गड्ढों की खुदाई का काम काफी पहले यानी मई- जून तक पूरा हो जाना चाहिए। काजू के पौधे 60 सेंमी लम्बे। 60 सेंमी चौड़े और 60 सेंमी गहरे पिटों में सामान्य स्तर पर रोपे जाते हैं। कठोर लैटराइट मिट्टी में एक मीटर लम्बाई वाले गड्ढे बनाने उचित हैं। मृदा और इसके ठीक नीचे की मृदा और उसके ठीक नीचे की मृदा को अलग-अलग रखा जाता है ताकि दोनों को धूप मिल सके। इससे दीमकों और चींटियों को हटाने में मदद मिलती हैं। जंगल के कूड़े–करकट को पौधे लगाने से पहले गड्ढे में जला देना बेहतर होता है। इसके बाद पूरी मृदा को 5 किग्रा. खेतड़ खाद या कंपोस्ट या 2 किग्रा. पोल्ट्री खाद या 200 ग्राम रॉक फॉस्फेट मिलाकर भर देते हैं। मृदाजन्य रोग से बचाने के लिए हर गड्ढे में मिट्टी के साथ 100 ग्राम बीएचसी मिलाते हैं।</code>	<code>प्रारम्भ में काजू की ताजा कलम को पर्याप्त मृदा नमी की आवश्यकता होती है और इसलिए मानसून के दौरान काजू का पौधा रोपण किया जाता है। पौधा रोपण के बाद सूखे पड़ने की स्थिति में काजू को संरक्षि सिंचाई की आवश्यकता पड़ती है। शुष्क भूमि स्थितियों में मटके से सिंचाई की सिफारिश की जाती है । वनस्पति चरण में वर्षा की कमी लगाए गए पौधे प्रतिकूल मृदा नमी की स्थितियों में जीवित रहते हैं । बारिश के मौसम में कम वर्षा के कारण सूखे की स्थिति बनी रहने पर उपज प्रभावित होती है । इसी स्थिति में उपज क्षति को कम करने के लिए सिंचाई सुविधाओं की उपलब्धता के अनुसार संरक्षित सिंचाई की जा सकती है । हालांकि मृदा नमी के संरक्षण के लिए शुष्क बायोमास द्वारा सतह की मल्चिंग सहायक होती है । पुनरुत्पादन चरण में वर्षा की कमी पिछले वर्षों में वर्षा के आसमान वितरण के कारण दिसंबर से मई की अवधि में विशेष रूप से पुनरूत्पादन चरण काजू को नमी दबाव का सामना करना पड़ता है जिससे गिरी समय से पहले ही वृक्ष से गिर जाती है।</code>

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

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Evaluation Dataset

Hindi Agriculture Validation Set

• Size: 1,869 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: 8 tokens</li><li>mean: 19.4 tokens</li><li>max: 43 tokens</li></ul>	<ul><li>min: 56 tokens</li><li>mean: 226.56 tokens</li><li>max: 256 tokens</li></ul>

• Samples:

  anchor	positive
  <code>पशुधन गणना में किन-किन पशुओं और पोल्ट्री पक्षियों की गिनती की जाएगी?</code>	<code>परिचय सभी राज्यों और केन्द्र शासित प्रदेशों की सहभागिता से भारत के सभी जिलों में पशुधन की 20वीं गणना आयोजित की जाएगी। राज्यों/केन्द्र शासित प्रदेशों से अनुरोध किया गया था कि वे 1 अक्टूबर, 2018 से गणना का काम शुरू कर दें। इस अभिनव पहल की सफलता समस्त राज्यों/केन्द्र शासित प्रदेशों की सरकारों के पूर्ण सहयोग एवं प्रतिबद्धता पर निर्भर है। यह गणना सभी गांवों और शहरी वार्डों में आयोजित की जाएगी। किन जगहों पर होगी यह गणना विभिन्न परिवारों, पारिवारिक उद्यमों//गैर-परिवारिक उद्यमों और संस्थानों में जाकर वहां रखे जा रहे पशुओं (भैंस, मिथुन, याक, भेड़, बकरी, सुअर, घोड़े, टट्टू, खच्चर, गधा, ऊंट, कुत्ता, खरगोश और हाथी)/पोल्ट्री पक्षियों (मुर्गी, बतख, एमु, पेरू, बटेर और अन्य पोल्ट्री पक्षियों) की विभिन्न प्रजातियों की गिनती की जाएगी। डिजिटल होगा इस बार का पशुधन गणना 20वीं पशुधन गणना के तहत विशेष जोर टैबलेट/कम्प्यूटर के जरिए डेटा संग्रह पर होगा। जिसका लक्ष्य माननीय प्रधानमंत्री के डिजिटल इंडिया कार्यक्रम के उद्देश्य की पूर्ति करना है। यह उम्मीद की जा रही है कि टैबलेटों के जरिए डेटा संग्रह से आंकड़ों की ...</code>
  <code>मशरूम को एक उत्तम खाद्य पदार्थ क्यों माना जाता है?</code>	<code>मशरूम एक पौष्टिक स्वस्थ आहार के रूप में मशरूम का प्रयोग विश्व भर में प्रचलित हैं। इसमें उच्च कोटि की प्रोटीन, प्रचुर मात्रा में खनिज लवण, खाद्य रेशा एवं विटामिन पाए जाते हैं। आवश्यक अमीनों की की संतुलित मात्रा, नगण्य कोलेस्ट्रोल व क्षारीय प्रकृति के कारण मशरूम को एक उत्तम खाद्य पदार्थ की श्रेणी में रखा जाता है। भारत जैसे विकासशील देश की पोषण सुरक्षा हेतु दैनिक आहार में मशरूम को सम्मिलित करना अति आवश्यक है। कुछ प्रमुख मशरूम प्रजातियों लप पोषण मान तालिका – 1 में दिया गया है। जिस प्रकार विभिन्न कृषि फसलों को मौसम की अनुकूलता के अनुसार भिन्न – भिन्न ऋतुओं में उगाया जाता है। उसी प्रकार विभिन्न प्रकार की मशरूम की प्रजातियों के क्रम में हेर – फेर करके किसान भाई पूरे वर्ष मशरूम उत्पादन कर सकते हैं। उत्तरी भारत में मौसमी मशरूम उत्पादक पहले केवल श्वेत बटन मशूरूम की एक फसल लेने के बाद अपने उत्पादन कार्य को बंद कर देते थे तथा गर्मियों में तापमान में वृद्धि के कारण वर्ष भर मशरूम उत्पादन कार्य जारी नहीं रख पते हैं। कुछ मशरूम उत्पादक ढींगरी मशरूम के एक – दो फसलें लेने का प्रयास करते हैं ।</code>
  <code>उत्तरी भारत में किसान गर्मियों में मशरूम उत्पादन क्यों जारी नहीं रख पाते थे?</code>	<code>मशरूम एक पौष्टिक स्वस्थ आहार के रूप में मशरूम का प्रयोग विश्व भर में प्रचलित हैं। इसमें उच्च कोटि की प्रोटीन, प्रचुर मात्रा में खनिज लवण, खाद्य रेशा एवं विटामिन पाए जाते हैं। आवश्यक अमीनों की की संतुलित मात्रा, नगण्य कोलेस्ट्रोल व क्षारीय प्रकृति के कारण मशरूम को एक उत्तम खाद्य पदार्थ की श्रेणी में रखा जाता है। भारत जैसे विकासशील देश की पोषण सुरक्षा हेतु दैनिक आहार में मशरूम को सम्मिलित करना अति आवश्यक है। कुछ प्रमुख मशरूम प्रजातियों लप पोषण मान तालिका – 1 में दिया गया है। जिस प्रकार विभिन्न कृषि फसलों को मौसम की अनुकूलता के अनुसार भिन्न – भिन्न ऋतुओं में उगाया जाता है। उसी प्रकार विभिन्न प्रकार की मशरूम की प्रजातियों के क्रम में हेर – फेर करके किसान भाई पूरे वर्ष मशरूम उत्पादन कर सकते हैं। उत्तरी भारत में मौसमी मशरूम उत्पादक पहले केवल श्वेत बटन मशूरूम की एक फसल लेने के बाद अपने उत्पादन कार्य को बंद कर देते थे तथा गर्मियों में तापमान में वृद्धि के कारण वर्ष भर मशरूम उत्पादन कार्य जारी नहीं रख पते हैं। कुछ मशरूम उत्पादक ढींगरी मशरूम के एक – दो फसलें लेने का प्रयास करते हैं ।</code>

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

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• per_device_train_batch_size: 32
• per_device_eval_batch_size: 64
• learning_rate: 1e-05
• weight_decay: 0.01
• num_train_epochs: 1
• warmup_steps: 0.1
• fp16: True
• dataloader_num_workers: 2
• remove_unused_columns: False
• load_best_model_at_end: True
• batch_sampler: no_duplicates

All Hyperparameters

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

• do_predict: False
• prediction_loss_only: True
• per_device_train_batch_size: 32
• per_device_eval_batch_size: 64
• gradient_accumulation_steps: 1
• eval_accumulation_steps: None
• torch_empty_cache_steps: None
• learning_rate: 1e-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: 1
• max_steps: -1
• lr_scheduler_type: linear
• lr_scheduler_kwargs: None
• warmup_ratio: None
• warmup_steps: 0.1
• log_level: passive
• log_level_replica: warning
• log_on_each_node: True
• logging_nan_inf_filter: True
• enable_jit_checkpoint: False
• save_on_each_node: False
• save_only_model: False
• restore_callback_states_from_checkpoint: False
• use_cpu: False
• seed: 42
• data_seed: None
• bf16: False
• fp16: True
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• local_rank: -1
• ddp_backend: None
• debug: []
• dataloader_drop_last: False
• dataloader_num_workers: 2
• dataloader_prefetch_factor: None
• disable_tqdm: False
• remove_unused_columns: False
• label_names: None
• load_best_model_at_end: True
• ignore_data_skip: False
• fsdp: []
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
• 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_fused
• optim_args: None
• 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
• 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_for_metrics: []
• eval_do_concat_batches: True
• auto_find_batch_size: False
• full_determinism: False
• ddp_timeout: 1800
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• 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
• use_cache: False
• prompts: None
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

</details>

Training Logs

Training Time

• Training: 32.2 minutes

Framework Versions

• Python: 3.12.13
• Sentence Transformers: 5.4.1
• Transformers: 5.0.0
• PyTorch: 2.10.0+cu128
• Accelerate: 1.13.0
• Datasets: 5.0.0
• 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{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}

<!-- ## 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.* -->