SentenceTransformer based on intfloat/multilingual-e5-small

This is a sentence-transformers model finetuned from intfloat/multilingual-e5-small. 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: intfloat/multilingual-e5-small
Maximum Sequence Length: 512 tokens
Output Dimensionality: 384 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': 512, '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})
  (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("e5-small-vi-rag")
# Run inference
sentences = [
    'query: Điều kiện để thăng cấp bậc hàm trước thời hạn từ Đại tá lên Thiếu tướng Công an nhân dân như thế nào?',
    'passage: Thăng cấp bậc hàm trước thời hạn và thăng cấp bậc hàm vượt bậc 1. Sĩ quan, hạ sĩ quan, chiến sĩ Công an nhân dân lập thành tích đặc biệt xuất sắc trong bảo vệ an ninh quốc gia, bảo đảm trật tự, an toàn xã hội, đấu tranh phòng, chống tội phạm và vi phạm pháp luật, xây dựng Công an nhân dân, nghiên cứu khoa học, công tác, học tập mà cấp bậc hàm hiện tại thấp hơn cấp bậc hàm cao nhất đối với chức vụ, chức danh sĩ quan, hạ sĩ quan, chiến sĩ đang đảm nhiệm thì được xét thăng cấp bậc hàm trước thời hạn. 2. Sĩ quan, hạ sĩ quan, chiến sĩ Công an nhân dân lập thành tích đặc biệt xuất sắc trong bảo vệ an ninh quốc gia, bảo đảm trật tự, an toàn xã hội, đấu tranh phòng, chống tội phạm và vi phạm pháp luật mà cấp bậc hàm hiện tại thấp hơn cấp bậc hàm cao nhất quy định đối với chức vụ, chức danh sĩ quan, hạ sĩ quan, chiến sĩ đang đảm nhiệm từ 02 bậc trở lên thì được xét thăng cấp bậc hàm vượt bậc, nhưng không vượt quá cấp bậc hàm cao nhất đối với chức vụ, chức danh sĩ quan đang đảm nhiệm. 3. Chủ tịch nước quyết định việc thăng cấp bậc hàm trước thời hạn và thăng cấp bậc hàm vượt bậc đối với cấp bậc hàm cấp tướng. Bộ trưởng Bộ Công an quyết định việc thăng cấp bậc hàm trước thời hạn và thăng cấp bậc hàm vượt bậc từ Đại tá trở xuống....',
    'passage: Quy định chung về quản lý, sử dụng nghĩa trang... 5. Điều kiện đăng ký trước khi sử dụng phần mộ cá nhân trong nghĩa trang được đầu tư xây dựng từ nguồn vốn ngân sách nhà nước: a) Người được đăng ký trước phần mộ cá nhân trong nghĩa trang bao gồm: Người từ 70 tuổi trở lên, người mắc bệnh hiểm nghèo theo quy định do Bộ Y tế ban hành, người có vợ hoặc chồng đã được an táng trong nghĩa trang;...',
]
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]

Training Details

Training Dataset

Unnamed Dataset

Size: 150,410 training samples
Columns: anchor, positive, and negative
Approximate statistics based on the first 1000 samples:
anchor positive negative
type string string list
details
min: 11 tokens
mean: 27.81 tokens
max: 51 tokens

min: 54 tokens
mean: 278.83 tokens
max: 512 tokens

size: 10 elements

	anchor	positive	negative
type	string	string	list
details	min: 11 tokens mean: 27.81 tokens max: 51 tokens	min: 54 tokens mean: 278.83 tokens max: 512 tokens	size: 10 elements

Samples:

anchor	positive	negative
`query: Người học ngành quản lý khai thác công trình thủy lợi trình độ cao đẳng phải có khả năng học tập và nâng cao trình độ như thế nào?`	passage: Khả năng học tập, nâng cao trình độ - Khối lượng khối lượng kiến thức tối thiểu, yêu cầu về năng lực mà người học phải đạt được sau khi tốt nghiệp ngành, nghề Mộc xây dựng và trang trí nội thất, trình độ cao đẳng có thể tiếp tục phát triển ở các trình độ cao hơn; - Người học sau tốt nghiệp có năng lực tự học, tự cập nhật những tiến bộ khoa học công nghệ trong phạm vi ngành, nghề để nâng cao trình độ hoặc học liên thông lên trình độ cao hơn trong cùng ngành, nghề hoặc trong nhóm ngành, nghề hoặc trong cùng lĩnh vực đào tạo./. Người học ngành mộc xây dựng và trang trí nội thất trình độ cao đẳng phải có khả năng học tập, nâng cao trình độ như thế sau: - Khối lượng khối lượng kiến thức tối thiểu, yêu cầu về năng lực mà người học phải đạt được sau khi tốt nghiệp ngành, nghề Mộc xây dựng và trang trí nội thất, trình độ cao đẳng có thể tiếp tục phát triển ở các trình độ cao hơn; - Người học sau tốt nghiệp có năng lực tự học, tự cập nhật những tiến bộ khoa học công nghệ trong phạm vi ...	['passage: Vụ Khoa học và Công nghệ bảo quản... Vụ Khoa học và Công nghệ bảo quản có các nhiệm vụ sau: 1. Xây dựng kế hoạch phát triển công nghệ bảo quản hàng dự trữ quốc gia trong từng thời kỳ; kế hoạch nghiên cứu khoa học; kế hoạch kiểm tra chất lượng hàng dự trữ quốc gia. Tổ chức thực hiện kế hoạch sau khi được cấp có thẩm quyền phê duyệt. 2. Xây dựng quy chuẩn kỹ thuật quốc gia, định mức kinh tế kỹ thuật hàng dự trữ quốc gia do Tổng cục Dự trữ Nhà nước trực tiếp quản lý. 3. Chủ trì, phối hợp với bộ, ngành quản lý hàng dự trữ quốc gia xây dựng quy chuẩn kỹ thuật quốc gia, định mức kinh tế - kỹ thuật hàng dự trữ quốc gia; tiêu chuẩn kho dự trữ quốc gia (không bao gồm kho dự trữ quốc gia của Bộ Công an và Bộ Quốc phòng). 4. Xây dựng chương trình, dự án, đề án, triển khai áp dụng các giải pháp công nghệ tiên tiến trong bảo quản hàng dự trữ quốc gia; sử dụng có hiệu quả các nguồn lực khoa học và công nghệ phục vụ công tác bảo quản hàng dự trữ quốc gia. 5. Xây dựng văn bản hướng dẫn quy ...
`query: Nội dung lồng ghép vấn đề bình đẳng giới trong xây dựng văn bản quy phạm pháp luật được quy định thế nào?`	passage: Nội dung lồng ghép vấn đề bình đẳng giới trong xây dựng văn bản quy phạm pháp luật Trong phạm vi điều chỉnh của văn bản quy phạm pháp luật: 1. Xác định nội dung liên quan đến vấn đề bình đẳng giới hoặc vấn đề bất bình đẳng giới, phân biệt đối xử về giới. 2. Quy định các biện pháp cần thiết để thực hiện bình đẳng giới hoặc để giải quyết vấn đề bất bình đẳng giới, phân biệt đối xử về giới; dự báo tác động của các quy định đó đối với nam và nữ sau khi được ban hành. 3. Xác định nguồn nhân lực, tài chính cần thiết để triển khai các biện pháp thực hiện bình đẳng giới hoặc để giải quyết vấn đề bất bình đẳng giới, phân biệt đối xử về giới.	['passage: 1. Chứng chỉ hành nghề đo đạc và bản đồ bị thu hồi trong các trường hợp cá nhân được cấp chứng chỉ vi phạm các hành vi bị nghiêm cấm trong hoạt động đo đạc và bản đồ được quy định tại Điều 6 của Luật Đo đạc và bản đồ và quy định khác của pháp luật có liên quan. 2. Sau khi nhận được văn bản kiến nghị của cơ quan thanh tra, kiểm tra, cơ quan có thẩm quyền khác theo quy định của pháp luật về việc thu hồi chứng chỉ hành nghề đo đạc và bản đồ của cá nhân, cơ quan cấp chứng chỉ có trách nhiệm ra quyết định thu hồi chứng chỉ hành nghề đo đạc và bản đồ, đăng tải công khai danh sách cá nhân bị thu hồi chứng chỉ hành nghề đo đạc và bản đồ; xóa tên khỏi danh sách công khai cá nhân hành nghề đo đạc và bản đồ trên cổng thông tin điện tử của cơ quan cấp chứng chỉ, gửi bản sao quyết định thu hồi chứng chỉ hành nghề đo đạc và bản đồ tới cơ quan, tổ chức có liên quan. 3. Cá nhân bị thu hồi chứng chỉ hành nghề đo đạc và bản đồ phải chấm dứt hành nghề đo đạc và bản đồ kể từ ngày quyết định thu...
`query: Sản phẩm phần mềm có được hưởng ưu đãi về thời gian miễn thuế, giảm thuế hay không? Nếu được thì trong vòng bao nhiêu năm?`	`passage: "Điều 20. Ưu đãi về thời gian miễn thuế, giảm thuế 1. Miễn thuế bốn năm, giảm 50% số thuế phải nộp trong chín năm tiếp theo đối với: a) Thu nhập của doanh nghiệp từ thực hiện dự án đầu tư quy định tại khoản 1 Điều 19 Thông tư số 78/2014/TT-BTC (được sửa đổi, bổ sung tại Khoản 1 Điều 11 Thông tư này)."`	['passage: Tân Phú 11° 21’ 56” 107° 31’ 32” 10° 56’ 37” 107° 08’ 18” C-48-23-D-b, C-48-24-A-c đường 30-4 KX xã Phú Bình H. Tân Phú 11° 17’ 41” 107° 29’ 51” 11° 16’ 01” 107° 31’ 18” C-48-23-B-d, C-48-24-A-c giáo xứ An Lâm KX xã Phú Bình H. Tân Phú 11° 16’ 55” 107° 31’ 00” C-48-24-A-c Bàu Cát TV xã Phú Bình H. Tân Phú 11° 15’ 15” 107° 29’ 38” C-48-23-B-d bàu Cây Da TV xã Phú Bình H. Tân Phú 11° 14’ 53” 107° 29’ 52” C-48-23-B-d sông La Ngà TV xã Phú Bình H. Tân Phú 11° 15’ 10” 107° 31’ 21” 11° 05’ 20” 107° 17’ 30” C-48-23-D-b, C-48-24-C-a, C-48-24-A-c bàu Nước Đục TV xã Phú Bình H. Tân Phú 11° 15’ 59” 107° 29’ 44” C-48-23-B-d ấp Phú Cường DC xã Phú Bình H. Tân Phú 11° 17’ 14” 107° 29’ 46” C-48-23-B-d ấp Phú Dũng DC xã Phú Bình H. Tân Phú 11° 17’ 36” 107° 29’ 49” C-48-23-B-d ấp Phú Hợp A DC xã Phú Bình H. Tân Phú 11° 17’ 11” 107° 30’ 36” C-48-24-A-c ấp Phú Hợp B DC xã Phú Bình H. Tân Phú 11° 15’ 53” 107° 31’ 14” C-48-24-A-c ấp Phú Kiên DC xã Phú Bình H. Tân Phú 11° 17’ 27” 107° 29’ 45” C-4...

Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 16
gradient_accumulation_steps: 2
learning_rate: 3e-05
weight_decay: 0.01
num_train_epochs: 1.5
lr_scheduler_type: cosine
warmup_ratio: 0.06
fp16: 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: 16
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: 3e-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: 1.5
max_steps: -1
lr_scheduler_type: cosine
lr_scheduler_kwargs: {}
warmup_ratio: 0.06
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: 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: 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

Training Logs

Click to expand

Epoch	Step	Training Loss
0.0106	50	3.8859
0.0213	100	1.0663
0.0319	150	0.2772
0.0425	200	0.2198
0.0532	250	0.2119
0.0638	300	0.18
0.0745	350	0.1977
0.0851	400	0.2025
0.0957	450	0.1415
0.1064	500	0.1534
0.1170	550	0.1666
0.1276	600	0.1948
0.1383	650	0.1711
0.1489	700	0.1569
0.1596	750	0.1669
0.1702	800	0.1255
0.1808	850	0.1161
0.1915	900	0.1403
0.2021	950	0.1975
0.2127	1000	0.1064
0.2234	1050	0.1588
0.2340	1100	0.1354
0.2447	1150	0.118
0.2553	1200	0.1683
0.2659	1250	0.1335
0.2766	1300	0.1125
0.2872	1350	0.1218
0.2978	1400	0.1202
0.3085	1450	0.1827
0.3191	1500	0.1271
0.3298	1550	0.0872
0.3404	1600	0.149
0.3510	1650	0.1336
0.3617	1700	0.1019
0.3723	1750	0.0957
0.3829	1800	0.0895
0.3936	1850	0.1185
0.4042	1900	0.1124
0.4148	1950	0.1239
0.4255	2000	0.1385
0.4361	2050	0.1107
0.4468	2100	0.1041
0.4574	2150	0.1119
0.4680	2200	0.125
0.4787	2250	0.109
0.4893	2300	0.1537
0.4999	2350	0.0862
0.5106	2400	0.0808
0.5212	2450	0.0958
0.5319	2500	0.1256
0.5425	2550	0.1206
0.5531	2600	0.1044
0.5638	2650	0.0876
0.5744	2700	0.0988
0.5850	2750	0.0906
0.5957	2800	0.0856
0.6063	2850	0.091
0.6170	2900	0.1083
0.6276	2950	0.0994
0.6382	3000	0.1083
0.6489	3050	0.1125
0.6595	3100	0.1054
0.6701	3150	0.0875
0.6808	3200	0.0925
0.6914	3250	0.0862
0.7021	3300	0.0834
0.7127	3350	0.0794
0.7233	3400	0.1073
0.7340	3450	0.0666
0.7446	3500	0.0998
0.7552	3550	0.0984
0.7659	3600	0.086
0.7765	3650	0.0862
0.7872	3700	0.0911
0.7978	3750	0.0643
0.8084	3800	0.0788
0.8191	3850	0.1115
0.8297	3900	0.1159
0.8403	3950	0.0763
0.8510	4000	0.0893
0.8616	4050	0.0794
0.8722	4100	0.1027
0.8829	4150	0.0767
0.8935	4200	0.0639
0.9042	4250	0.094
0.9148	4300	0.1045
0.9254	4350	0.0761
0.9361	4400	0.0899
0.9467	4450	0.0755
0.9573	4500	0.0762
0.9680	4550	0.1127
0.9786	4600	0.0644
0.9893	4650	0.0814
0.9999	4700	0.0753
1.0104	4750	0.0574
1.0211	4800	0.0674
1.0317	4850	0.0684
1.0423	4900	0.0443
1.0530	4950	0.0839
1.0636	5000	0.0739
1.0742	5050	0.0552
1.0849	5100	0.0805
1.0955	5150	0.0588
1.1062	5200	0.0551
1.1168	5250	0.066
1.1274	5300	0.0776
1.1381	5350	0.0534
1.1487	5400	0.0824
1.1593	5450	0.0552
1.1700	5500	0.072
1.1806	5550	0.058
1.1913	5600	0.0717
1.2019	5650	0.0619
1.2125	5700	0.0662
1.2232	5750	0.0711
1.2338	5800	0.0695
1.2444	5850	0.0756
1.2551	5900	0.0699
1.2657	5950	0.0575
1.2764	6000	0.0646
1.2870	6050	0.0517
1.2976	6100	0.06
1.3083	6150	0.0621
1.3189	6200	0.0802
1.3295	6250	0.0545
1.3402	6300	0.0755
1.3508	6350	0.0622
1.3615	6400	0.0493
1.3721	6450	0.0746
1.3827	6500	0.0625
1.3934	6550	0.0531
1.4040	6600	0.0601
1.4146	6650	0.0624
1.4253	6700	0.065
1.4359	6750	0.0627
1.4465	6800	0.0508
1.4572	6850	0.0527
1.4678	6900	0.0656
1.4785	6950	0.0535
1.4891	7000	0.0623
1.4997	7050	0.0575

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",
}

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}
}