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
Maximum Sequence Length: 8192 tokens
Output Dimensionality: 1024 dimensions
Similarity Function: Cosine Similarity

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 = [
    'nội_dung đánh_giá xếp loại chất_lượng kiểm_soát viên tại doanh_nghiệp do bộ công_thương làm đại_diện chủ sở_hữu vốn nhà_nước gồm những gì',
    'điều truy_cứu trách_nhiệm hình_sự trong một_số trường_hợp cụ_thể trường_hợp người cho vay_lãi nặng nhằm thu lợi bất_chính từ đồng trở lên nhưng vì nguyên_nhân ngoài ý_muốn mà người cho vay chưa thu lợi bất_chính hoặc đã thu lợi bất_chính dưới đồng thì bị truy_cứu trách_nhiệm hình_sự theo khung hình_phạt tương_ứng với tổng_số tiền thu lợi bất_chính mà họ nhằm đạt được việc xác_định số tiền thu lợi bất_chính được thực_hiện theo hướng_dẫn tại điều nghị_quyết này khi quyết_định_hình_phạt tòa_án áp_dụng điều và khoản điều của bộ_luật hình_sự về phạm_tội chưa đạt',
    'thành_phần phiên_hòa giải đối_thoại tại tòa_án thành_phần phiên_hòa giải đối_thoại gồm có a hòa giải_viên b các bên người đại_diện người phiên_dịch c người được mời tham_gia hòa giải đối_thoại trong trường_hợp cần_thiết các bên có_thể trực_tiếp hoặc ủy quyền cho người đại_diện tham_gia hòa giải đối_thoại đồng_thời phải thông_báo bằng văn_bản về họ tên địa_chỉ của người đại_diện cho bên kia và hòa giải viên biết đối_với hòa giải việc ly_hôn các bên trong quan_hệ vợ_chồng phải trực_tiếp tham_gia hòa giải quyền và nghĩa_vụ của người đại_diện của các bên được xác_định theo quy_định của bộ luật dân_sự người bị kiện trong khiếu_kiện hành_chính có_thể ủy quyền cho người đại_diện tham_gia đối_thoại người đại_diện theo ủy quyền phải có đầy_đủ thẩm_quyền để giải_quyết khiếu_kiện',
]
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

Unnamed Dataset

Size: 191,129 training samples
Columns: question, pos_neg, and label
Approximate statistics based on the first 1000 samples:
question pos_neg label
type string string int
details
min: 6 tokens
mean: 37.01 tokens
max: 83 tokens

min: 35 tokens
mean: 377.5 tokens
max: 1887 tokens

0: ~51.90%
1: ~48.10%

	question	pos_neg	label
type	string	string	int
details	min: 6 tokens mean: 37.01 tokens max: 83 tokens	min: 35 tokens mean: 377.5 tokens max: 1887 tokens	0: ~51.90% 1: ~48.10%

Samples:

question	pos_neg	label
`hồ_sơ đề_nghị đưa hàng_hóa_nhập_khẩu về bảo_quản của người khai hải_quan gồm những thành_phần_nào`	`dự_án đầu_tư khởi_nghiệp sáng_tạo là dự_án đầu_tư thực_hiện ý_tưởng trên cơ_sở khai_thác tài_sản trí_tuệ công_nghệ mô_hình kinh_doanh mới và có khả_năng tăng_trưởng nhanh`	`0`
`giai_đoạn ủ_bệnh của bệnh đậu_mùa khỉ là bao_nhiêu ngày`	cấp thẻ bảo_hiểm y_tế đối_tượng bảo_trợ xã_hội đang hưởng trợ_cấp xã_hội hàng tháng được cấp thẻ bảo_hiểm y_tế theo quy_định của pháp_luật về bảo_hiểm y_tế trường_hợp đối_tượng quy_định tại khoản điều này thuộc diện được cấp nhiều loại thẻ bảo_hiểm y_tế thì chỉ được cấp một thẻ bảo_hiểm y_tế có quyền_lợi bảo_hiểm y_tế cao nhất mức đóng và trách_nhiệm đóng bảo_hiểm y_tế trường_hợp một người đồng_thời thuộc nhiều đối_tượng tham_gia_bảo_hiểm y_tế khác nhau quy_định tại điều của luật này thì đóng bảo_hiểm y_tế theo đối_tượng đầu_tiên mà người đó được xác_định theo thứ_tự của các đối_tượng quy_định tại điều của luật này trường_hợp đối_tượng quy_định tại điểm a khoản điều của luật này có thêm một hoặc nhiều hợp_đồng lao_động không xác_định thời_hạn hoặc hợp_đồng lao_động có thời_hạn từ đủ tháng trở lên thì đóng bảo_hiểm y_tế theo hợp_đồng lao_động có mức tiền_lương cao nhất trường_hợp đối_tượng quy_định tại điểm b khoản điều của luật này đồng_thời thuộc nhiều đối_tượng tham_gia_bảo_hiểm y_...	`0`
`trường_hợp khiếu_nại quyết_định hành_chính thì quyết_định bị khiếu_nại có buộc phải tạm đình_chỉ thi_hành hay không`	tạm đình_chỉ việc thi_hành_quyết_định hành_chính bị khiếu_nại trong quá_trình giải_quyết khiếu_nại nếu xét thấy việc thi_hành_quyết_định hành_chính bị khiếu_nại sẽ gây hậu_quả khó khắc_phục thì người giải_quyết khiếu_nại ra quyết_định tạm đình_chỉ việc thi_hành_quyết_định hành_chính bị khiếu_nại thời_hạn tạm đình_chỉ không vượt quá thời_gian còn lại của thời_hạn giải_quyết khiếu_nại khi xét thấy lý_do của việc tạm đình_chỉ không còn thì người giải_quyết khiếu_nại phải ra quyết_định hủy bỏ ngay quyết_định tạm đình_chỉ	`1`

Loss: ContrastiveLoss with these parameters:

{
    "distance_metric": "SiameseDistanceMetric.COSINE_DISTANCE",
    "margin": 0.5,
    "size_average": true
}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 2
learning_rate: 2e-05
weight_decay: 0.01
num_train_epochs: 1
warmup_ratio: 0.1
fp16: True
fp16_full_eval: True

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: no
prediction_loss_only: True
per_device_train_batch_size: 2
per_device_eval_batch_size: 8
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: 1
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: True
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: False
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
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
average_tokens_across_devices: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss
0.0010	100	0.0289
0.0021	200	0.0306
0.0031	300	0.0322
0.0042	400	0.0307
0.0052	500	0.0288
0.0063	600	0.0327
0.0073	700	0.0287
0.0084	800	0.027
0.0094	900	0.0259
0.0105	1000	0.0249
0.0115	1100	0.029
0.0126	1200	0.0287
0.0136	1300	0.028
0.0146	1400	0.0259
0.0157	1500	0.0209
0.0167	1600	0.0213
0.0178	1700	0.0237
0.0188	1800	0.022
0.0199	1900	0.0202
0.0209	2000	0.0182
0.0220	2100	0.0223
0.0230	2200	0.0211
0.0241	2300	0.0155
0.0251	2400	0.0186
0.0262	2500	0.0171
0.0272	2600	0.0174
0.0283	2700	0.0172
0.0293	2800	0.0178
0.0303	2900	0.0174
0.0314	3000	0.0184
0.0324	3100	0.0168
0.0335	3200	0.0183

Framework Versions

Python: 3.9.19
Sentence Transformers: 3.3.1
Transformers: 4.46.3
PyTorch: 2.5.1+cu124
Accelerate: 1.1.1
Datasets: 3.1.0
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",
}

ContrastiveLoss

@inproceedings{hadsell2006dimensionality,
    author={Hadsell, R. and Chopra, S. and LeCun, Y.},
    booktitle={2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06)},
    title={Dimensionality Reduction by Learning an Invariant Mapping},
    year={2006},
    volume={2},
    number={},
    pages={1735-1742},
    doi={10.1109/CVPR.2006.100}
}

Downloads last month: 2

Safetensors

Model size

0.6B params

Tensor type

F32

Model tree for hieulhwork24/bge-m3-finetuned

Base model

BAAI/bge-m3

Finetuned

(361)

this model

Paper for hieulhwork24/bge-m3-finetuned

Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks

Paper • 1908.10084 • Published Aug 27, 2019 • 9