metadata
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:5000000
- loss:MarginMSELoss
base_model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
widget:
- source_sentence: من هو زوج صوفيا فيرغارا
sentences:
- >-
عرض كل الصور ( 52 ) صوفيا فيرجارا متزوجة حاليا من جو مانجانييلو . لقد
كانت في تسع علاقات مع المشاهير بمتوسط حوالي 3 . 1 سنوات لكل منها . كان
متوسط زواجها 2 . 2 سنة لكل منهما . الاسم المعطى : صوفيا مارجريتا فيرجارا
.
- >-
ما الذي ترمز إليه السلطة الفلسطينية في Lawyer Name PA ؟ وباستخدام هذه
الطريقة ، فإن PA تعني النقابة المهنية . السلطة الفلسطينية هي شركة مكونة
من محترفين مثل المحامين وأطباء الأسنان والأطباء .
- >-
تشير معاني DH DH عموما إلى الزوج العزيز أو الزوج الحبيب . عادة ، هذا شكل
من أشكال المودة المكتوبة التي تستخدمها الزوجات على الإنترنت عند الإشارة
إلى أزواجهن .
- source_sentence: أين الفيفا
sentences:
- >-
هل تخطط لزيارة روسيا لحضور كأس القارات 2017 FIFA أو كأس العالم FIFA 2018
؟ [رابط] هي البوابة السياحية للحكومة الروسية وتزود المشجعين الذين
يسافرون إلى روسيا بمعلومات مفيدة عن الدولة المضيفة لكأس العالم FIFA
المقبلة .
- >-
1 أصغر لاعب أرجنتيني سجل في نهائيات كأس العالم FIFA : عمره 18 عاما و 357
يوما في عام 2006 ضد صربيا والجبل الأسود . 2 أصغر لاعب بلغ 100 مباراة
دولية في تاريخ الكونميبول ( 27 عاما ، 361 يوما ) .
- >-
Hotels Near Creation Museum مزيد من المعلومات . . يقع مقر متحف Creation
في مدينة بطرسبورغ بولاية كنتاكي . من خلال الأموال الخاصة لبناء المتحف ،
بدأ Young Earth Creationists ( YEC ) المتحف في عام 2011 . مفتوح للجمهور
، تم إنشاء متحف Creation لتعزيز وتثقيف الزوار حول نظرية الخلق التي تشرح
أصل الأرض . الخلق كما يرويه التفسير الحرفي لسفر التكوين التوراتي .
- source_sentence: ما هي صمامات الفراشة المستخدمة
sentences:
- >-
سوف يتصل بك المختبر قائلا إن الأنبوب لم يكن ممتلئا وستتساءل عن السبب .
تختلف إبر الفراشة لجمع الدم عن إبر الفراشة للوريد في أنها تحتوي على إبرة
مغطاة بالغمد في النهاية حتى تتمكن من إرفاقها بحامل الفراغ وثقب الأنابيب
.
- >-
1 قم دائما بشحن جهازك قبل مغادرة المنزل ، خاصة في الرحلات الطويلة . 2
أحضر الشاحن معك إذا كنت ستغادر طوال الليل أو لفترة طويلة . 3 بينما من
المقرر أن تدوم بطارية iPad حتى 10 ساعات ، فإن الاستخدام المتكرر سيقصر
هذا الوقت بشكل كبير . كيفية إطالة عمر بطارية جهاز iPad . تماما كما هو
الحال مع iPhone أو iPod Touch ، سيكون عمر بطارية iPad أقصر أثناء
الاستخدام الكثيف . ومع ذلك ، هناك بعض الإجراءات التي يمكنك اتخاذها
للحفاظ على جهازك قيد التشغيل ونشطا لساعات من الاستمتاع ، وتوضح هذه
المقالة ما يمكنك القيام به لإطالة عمر البطارية .
- >-
صمامات AWWA الفراشة عبارة عن صمامات سريعة الفتح تتكون من قرص دائري معدني
أو ريشة مع محاورها المحورية بزوايا قائمة لاتجاه التدفق في الأنبوب ،
والتي عند تدويرها على عمود ، تسد المقاعد في جسم الصمام . تستخدم عادة
كصمامات خنق للتحكم في التدفق .
- source_sentence: ما هو طلاء تمبرا
sentences:
- >-
يحفظ . غالبا ما يشار إليه باسم طلاء الملصقات ، وهو عبارة عن صبغة مائية
ممزوجة بعامل ربط كيميائي . يستخدم على نطاق واسع لمشاريع الأطفال والحرف
اليدوية بسبب مرونته وألوانه الزاهية وسهولة استخدامه . يتوفر طلاء تمبرا
أيضا في مسحوق ، والذي يصبح جاهزا للطلاء عند مزجه بالماء .
- >-
يتم تحديث ألوان الطلاء الأكثر مبيعا لدينا يوميا لمنحك أحدث اتجاهات ألوان
الطلاء . تحقق من ألوان الطلاء الأكثر شيوعا لدينا وابحث عن اللون المناسب
لك . يتم تحديث ألوان الطلاء الأكثر مبيعا لدينا يوميا لمنحك أحدث اتجاهات
ألوان الطلاء . تحقق من ألوان الطلاء الأكثر شيوعا لدينا وابحث عن اللون
المناسب لك .
- >-
لغة إجرائية . تم التحديث : 04 - 26 - 2017 بواسطة . اللغة الإجرائية هي
لغة برمجة كمبيوتر تتبع بالترتيب مجموعة من الأوامر . من أمثلة اللغات
الإجرائية للكمبيوتر BASIC و C و FORTRAN و Pascal . شروط البرمجة
- source_sentence: تحديد المسح
sentences:
- >-
المسح أو مسح الأراضي هو تقنية ومهنة وعلم تحديد المواقع الأرضية أو ثلاثية
الأبعاد للنقاط والمسافات والزوايا بينها . يطلق على أخصائي مسح الأراضي
اسم مساح الأراضي .
- >-
جمعية إعادة تأهيل العظام ( ORA ) هي فريق من المتخصصين في العلاج الطبيعي
في كولورادو سبرينغز . سيساعدك هؤلاء المتخصصون في التغلب على القيود
الجسدية لمساعدتك على العودة إلى أعلى مستوى ممكن من الوظائف .
- >-
إجمالي المحطات . تعد المحطات الإجمالية واحدة من أكثر أدوات المسح شيوعا
المستخدمة اليوم . وهي تتألف من جهاز ثيودوليت إلكتروني ومكون إلكتروني
لقياس المسافة ( EDM ) . تتوفر أيضا محطات روبوتية كاملة تتيح التشغيل لشخص
واحد من خلال التحكم في الجهاز باستخدام جهاز التحكم عن بعد . تاريخ
datasets:
- hatemestinbejaia/ExperimentDATA_knowledge_distillation_vs_fine_tuning
pipeline_tag: sentence-similarity
library_name: sentence-transformers
metrics:
- map
- mrr@10
- ndcg@10
model-index:
- name: >-
SentenceTransformer based on
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
results:
- task:
type: reranking
name: Reranking
dataset:
name: Unknown
type: unknown
metrics:
- type: map
value: 0.5790860983226075
name: Map
- type: mrr@10
value: 0.5850158730158731
name: Mrr@10
- type: ndcg@10
value: 0.6490628369668592
name: Ndcg@10
SentenceTransformer based on sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
This is a sentence-transformers model finetuned from sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 on the experiment_data_knowledge_distillation_vs_fine_tuning dataset. It maps sentences & paragraphs to a 384-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: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
- Maximum Sequence Length: 128 tokens
- Output Dimensionality: 384 dimensions
- Similarity Function: Cosine Similarity
- Training Dataset:
Model Sources
- Documentation: Sentence Transformers Documentation
- Repository: Sentence Transformers on GitHub
- HF中国镜像站: Sentence Transformers on HF中国镜像站
Full Model Architecture
SentenceTransformer(
(0): Transformer({'max_seq_length': 128, 'do_lower_case': False}) with Transformer model: BertModel
(1): Pooling({'word_embedding_dimension': 384, '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("hatemestinbejaia/mMiniLML-bi-encoder-KD-v1-Student_TripletLoss-Teacher_marginloss-adptativeMargin-lambda002C")
# Run inference
sentences = [
'تحديد المسح',
'المسح أو مسح الأراضي هو تقنية ومهنة وعلم تحديد المواقع الأرضية أو ثلاثية الأبعاد للنقاط والمسافات والزوايا بينها . يطلق على أخصائي مسح الأراضي اسم مساح الأراضي .',
'إجمالي المحطات . تعد المحطات الإجمالية واحدة من أكثر أدوات المسح شيوعا المستخدمة اليوم . وهي تتألف من جهاز ثيودوليت إلكتروني ومكون إلكتروني لقياس المسافة ( EDM ) . تتوفر أيضا محطات روبوتية كاملة تتيح التشغيل لشخص واحد من خلال التحكم في الجهاز باستخدام جهاز التحكم عن بعد . تاريخ',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
Evaluation
Metrics
Reranking
- Evaluated with
RerankingEvaluator
Metric | Value |
---|---|
map | 0.5791 |
mrr@10 | 0.585 |
ndcg@10 | 0.6491 |
Training Details
Training Dataset
experiment_data_knowledge_distillation_vs_fine_tuning
- Dataset: experiment_data_knowledge_distillation_vs_fine_tuning at 4fe4924
- Size: 5,000,000 training samples
- Columns:
query
,pos
,neg
, andlabel
- Approximate statistics based on the first 1000 samples:
query pos neg label type string string string float details - min: 4 tokens
- mean: 11.16 tokens
- max: 70 tokens
- min: 21 tokens
- mean: 95.09 tokens
- max: 128 tokens
- min: 24 tokens
- mean: 94.0 tokens
- max: 128 tokens
- min: -4.05
- mean: 13.0
- max: 22.64
- Samples:
query pos neg label متى تسمم السالمونيلا
كيفية علاج السالمونيلا . غالبا ما ينتج تسمم السالمونيلا عن ملامسة الماء أو الطعام الملوث ببكتيريا السالمونيلا . يمكن أن يسبب الحمى والإسهال وتقلصات في البطن ، وغالبا ما يشار إليه بالتسمم الغذائي . تحدث الأعراض في غضون 2 إلى 48 ساعة ويمكن أن تستمر حتى 7 أيام . عادة ما تختفي من تلقاء نفسها ، ولكن يمكن أن تظهر المضاعفات في حالات نادرة . راجع الخطوة 1 لمعرفة كيفية علاج تسمم السالمونيلا وتجنبه في المستقبل .
يمكن أن يسبب الحمى والإسهال وتقلصات في البطن ، وغالبا ما يشار إليه بالتسمم الغذائي . تحدث الأعراض في غضون 2 إلى 48 ساعة ويمكن أن تستمر حتى 7 أيام . عادة ما تختفي من تلقاء نفسها ، ولكن يمكن أن تظهر المضاعفات في حالات نادرة . راجع الخطوة 1 لمعرفة كيفية علاج تسمم السالمونيلا وتجنبه في المستقبل .
1.3407052357991542
ما هي خطة الرعاية المنسقة
خطة الرعاية المنسقة هي خطة مكتوبة أو إلكترونية يتم إنشاؤها وصيانتها من قبل المريض . وأسرته ، وفريق الرعاية الصحية بما في ذلك الأطباء الاستشاريين عند الاقتضاء ، و . عند الضرورة ، خدمات المجتمع . ويحدد احتياجات المريض القصيرة والطويلة الأجل ، والتعافي .
ضرورة الجودة : يضع التشريع النموذجي للولاية للرعاية المدارة نهجا شاملا ومتكاملا وموحدا لتوفير حماية المستهلك وضمان الجودة في خطط الرعاية المدارة . يدعم تحالف المستهلكين من أجل جودة الرعاية الصحية هذا النهج لجميع أنظمة تقديم الرعاية الصحية . لغرض هذا التقرير ، تم استخدام تعريف واسع لخطة الرعاية المدارة . تعرف خطة الرعاية المدارة بأنها أي خطة توظف شبكة من مقدمي الخدمات المشاركين وتضمن توفير المزايا الصحية لسكان محددين مقابل مدفوعات ثابتة .
10.702445447444916
في أي عام كان المطر الأرجواني في المسرح ؟
بالنسبة للموسيقيين ، لم يكن واضحا إلى أين يتجه كل شيء . بعد عام واحد تقريبا ، في 28 يوليو 1984 ، تم افتتاح Purple Rain في 900 مسارح في جميع أنحاء الولايات المتحدة . استعاد تكلفته البالغة 7 ملايين دولار في عطلة نهاية الأسبوع الأولى ، واستمر في تصفية ما يقرب من 70 مليون دولار في شباك التذاكر .
الغابات الاستوائية المطيرة عبارة عن غابة من الأشجار الطويلة في منطقة تتميز بالدفء على مدار العام . يسقط ما متوسطه من 50 إلى 260 بوصة ( 125 إلى 660 سم ) من الأمطار سنويا ، تنتمي الغابات المطيرة إلى مجموعة المناخ الاستوائي الرطب . نادرا ما ترتفع درجة الحرارة في الغابة المطيرة عن 93 درجة فهرنهايت ( 34 درجة مئوية ) أو تنخفض إلى أقل من 68 درجة فهرنهايت ( 20 درجة مئوية ) ؛ يتراوح متوسط الرطوبة بين 77 و 88 ٪ ؛ غالبا ما يكون هطول الأمطار أكثر من 100 بوصة في السنة ، والغابات الاستوائية المطيرة عبارة عن غابة من الأشجار الطويلة في منطقة من الدفء على مدار العام . ما متوسطه 50 إلى 260 بوصة ( 125 إلى 660 سم ) من المطر سنويا .
20.240688880284626
- Loss:
main.MarginMSELoss
Evaluation Dataset
experiment_data_knowledge_distillation_vs_fine_tuning
- Dataset: experiment_data_knowledge_distillation_vs_fine_tuning at 4fe4924
- Size: 10,000 evaluation samples
- Columns:
query
,pos
,neg
, andlabel
- Approximate statistics based on the first 1000 samples:
query pos neg label type string string string float details - min: 3 tokens
- mean: 10.94 tokens
- max: 33 tokens
- min: 23 tokens
- mean: 91.74 tokens
- max: 128 tokens
- min: 24 tokens
- mean: 87.33 tokens
- max: 128 tokens
- min: -0.75
- mean: 13.72
- max: 22.62
- Samples:
query pos neg label ما هو اسم د . كوين
اعرض الشخصيات المختلفة التي لعبها نفس الممثل . الدكتورة ميكايلا كوين . ولدت ميكايلا في 15 فبراير 1833 في بوسطن ، ماساتشوستس ، لأبوين جوزيف وإليزابيث كوين . هناك نشأت مع شقيقاتها الأربع : ماري ( التي تم تغيير اسمها إلى ريبيكا ) ، ومارجوري ، وكلوديت ، ومورين . كان والدها يريد ابنا ، لذلك عندما ولدت أطلق عليها اسم ميكايلا ( الملقب مايك ) .
ليس لدى د . ماكفارلاند أي تأمينات مدرجة . إذا كنت دكتور ماكفارلاند وترغب في إضافة تأمينات تقبلها ، يرجى تحديث ملفك التعريفي المجاني . الانتساب إلى المستشفى ينتمي د . ماكفارلاند إلى المستشفيات التالية .
15.524045944213867
من يلعب دور بيرني مادوف
ساحر الأكاذيب هو واحد من اثنين من مشاريع Madoff التلفزيونية قيد الإعداد . ABC لديها مسلسل قصير قادم يسمى مادوف ، من بطولة ريتشارد دريفوس وبليث دانر . قصص ذات الصلة . روبرت دي نيرو يسجل الدخول للعب بيرني مادوف في فيلم HBO المحتمل .
اتهمت السلطات الأمريكية مسؤول تنفيذي للمحاسبة يزعم أنه ساعد برنارد مادوف في مخطط بونزي الذي تبلغ تكلفته عدة مليارات من الدولارات ، والذي يوسع نطاق تحقيقه في الاحتيال بعد خمس سنوات من اكتشافه .
13.17703644434611
كم قدم مكعب في طن من حصى البازلاء
لذلك 1 طن لديه 2000 - 100 أو 20 قدم مكعب من الحصى . الفناء المكعب هو 3x3x3 = 27 قدما مكعبا من الفناء المكعب ، الإجابة 20 - 27 أو 0 . 74 ياردة مكعبة . العوامل الأخرى التي تؤثر على حجم الحصى هي محتوى الرطوبة ودرجات المواد . يحتوي حصى البازلاء على سبيل المثال على جميع الجزيئات ذات الحجم المحدد ، على سبيل المثال ، 1 - 4 بوصة ، حوالي 120 رطلا للإشارة فقط : 1 قدم مكعب = 6 . 25 جالون ( إمبراطوري ) ، جالون من الماء يزن 10 أرطال ، لذا فإن القدم المكعبة من الماء تزن 62 . 5 رطلا . هذا يعني أن الجاذبية النوعية للحصى هي 120 - 62 . 5 ، أو أقل قليلا من 2 .
1 كيس قدم مكعب واحد ( التربة والمهاد ) يغطي ما يقرب من 8 أقدام مربعة إلى عمق 3 . 2 كيس واحد 75 رطلا ( الحصى والرمل ) يغطي حوالي 4 أقدام مربعة إلى عمق 3 . 3 بوصات سميكة ستغطي حوالي 300 قدم مربع . سيغطي سمك 1 حوالي 150 قدما مربعا .
10.34702980518341
- Loss:
main.MarginMSELoss
Training Hyperparameters
Non-Default Hyperparameters
eval_strategy
: stepsper_device_train_batch_size
: 128learning_rate
: 2e-05num_train_epochs
: 1warmup_ratio
: 0.1fp16
: Truehalf_precision_backend
: ampremove_unused_columns
: Falseload_best_model_at_end
: Truefp16_backend
: amp
All Hyperparameters
Click to expand
overwrite_output_dir
: Falsedo_predict
: Falseeval_strategy
: stepsprediction_loss_only
: Trueper_device_train_batch_size
: 128per_device_eval_batch_size
: 8per_gpu_train_batch_size
: Noneper_gpu_eval_batch_size
: Nonegradient_accumulation_steps
: 1eval_accumulation_steps
: Nonetorch_empty_cache_steps
: Nonelearning_rate
: 2e-05weight_decay
: 0.0adam_beta1
: 0.9adam_beta2
: 0.999adam_epsilon
: 1e-08max_grad_norm
: 1.0num_train_epochs
: 1max_steps
: -1lr_scheduler_type
: linearlr_scheduler_kwargs
: {}warmup_ratio
: 0.1warmup_steps
: 0log_level
: passivelog_level_replica
: warninglog_on_each_node
: Truelogging_nan_inf_filter
: Truesave_safetensors
: Truesave_on_each_node
: Falsesave_only_model
: Falserestore_callback_states_from_checkpoint
: Falseno_cuda
: Falseuse_cpu
: Falseuse_mps_device
: Falseseed
: 42data_seed
: Nonejit_mode_eval
: Falseuse_ipex
: Falsebf16
: Falsefp16
: Truefp16_opt_level
: O1half_precision_backend
: ampbf16_full_eval
: Falsefp16_full_eval
: Falsetf32
: Nonelocal_rank
: 0ddp_backend
: Nonetpu_num_cores
: Nonetpu_metrics_debug
: Falsedebug
: []dataloader_drop_last
: Falsedataloader_num_workers
: 0dataloader_prefetch_factor
: Nonepast_index
: -1disable_tqdm
: Falseremove_unused_columns
: Falselabel_names
: Noneload_best_model_at_end
: Trueignore_data_skip
: Falsefsdp
: []fsdp_min_num_params
: 0fsdp_config
: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}fsdp_transformer_layer_cls_to_wrap
: Noneaccelerator_config
: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}deepspeed
: Nonelabel_smoothing_factor
: 0.0optim
: adamw_torchoptim_args
: Noneadafactor
: Falsegroup_by_length
: Falselength_column_name
: lengthddp_find_unused_parameters
: Noneddp_bucket_cap_mb
: Noneddp_broadcast_buffers
: Falsedataloader_pin_memory
: Truedataloader_persistent_workers
: Falseskip_memory_metrics
: Trueuse_legacy_prediction_loop
: Falsepush_to_hub
: Falseresume_from_checkpoint
: Nonehub_model_id
: Nonehub_strategy
: every_savehub_private_repo
: Nonehub_always_push
: Falsegradient_checkpointing
: Falsegradient_checkpointing_kwargs
: Noneinclude_inputs_for_metrics
: Falseinclude_for_metrics
: []eval_do_concat_batches
: Truefp16_backend
: amppush_to_hub_model_id
: Nonepush_to_hub_organization
: Nonemp_parameters
:auto_find_batch_size
: Falsefull_determinism
: Falsetorchdynamo
: Noneray_scope
: lastddp_timeout
: 1800torch_compile
: Falsetorch_compile_backend
: Nonetorch_compile_mode
: Nonedispatch_batches
: Nonesplit_batches
: Noneinclude_tokens_per_second
: Falseinclude_num_input_tokens_seen
: Falseneftune_noise_alpha
: Noneoptim_target_modules
: Nonebatch_eval_metrics
: Falseeval_on_start
: Falseuse_liger_kernel
: Falseeval_use_gather_object
: Falseaverage_tokens_across_devices
: Falseprompts
: Nonebatch_sampler
: batch_samplermulti_dataset_batch_sampler
: proportional
Training Logs
Epoch | Step | Training Loss | Validation Loss | map |
---|---|---|---|---|
0.0512 | 2000 | 0.1807 | 0.1185 | 0.4863 |
0.1024 | 4000 | 0.1165 | 0.1009 | 0.5063 |
0.1536 | 6000 | 0.1009 | 0.0905 | 0.5420 |
0.2048 | 8000 | 0.0914 | 0.0836 | 0.5455 |
0.2560 | 10000 | 0.0847 | 0.0813 | 0.5556 |
0.3072 | 12000 | 0.08 | 0.0742 | 0.5651 |
0.3584 | 14000 | 0.0761 | 0.0747 | 0.5623 |
0.4096 | 16000 | 0.0731 | 0.0692 | 0.5570 |
0.4608 | 18000 | 0.0704 | 0.0672 | 0.5724 |
0.5120 | 20000 | 0.0677 | 0.0650 | 0.5688 |
0.5632 | 22000 | 0.0656 | 0.0624 | 0.5653 |
0.6144 | 24000 | 0.064 | 0.0608 | 0.5875 |
0.6656 | 26000 | 0.0622 | 0.0596 | 0.5721 |
0.7168 | 28000 | 0.0609 | 0.0594 | 0.5694 |
0.7680 | 30000 | 0.0599 | 0.0574 | 0.5757 |
0.8192 | 32000 | 0.0588 | 0.0573 | 0.5779 |
0.8704 | 34000 | 0.0582 | 0.0571 | 0.5842 |
0.9216 | 36000 | 0.0577 | 0.0567 | 0.5797 |
0.9728 | 38000 | 0.0571 | 0.0559 | 0.5791 |
- The bold row denotes the saved checkpoint.
Framework Versions
- Python: 3.11.9
- Sentence Transformers: 3.4.1
- Transformers: 4.49.0
- PyTorch: 2.4.1+cu121
- Accelerate: 1.4.0
- Datasets: 3.2.0
- Tokenizers: 0.21.0
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",
}
MarginMSELoss
@misc{hofstätter2021improving,
title={Improving Efficient Neural Ranking Models with Cross-Architecture Knowledge Distillation},
author={Sebastian Hofstätter and Sophia Althammer and Michael Schröder and Mete Sertkan and Allan Hanbury},
year={2021},
eprint={2010.02666},
archivePrefix={arXiv},
primaryClass={cs.IR}
}
@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}
}