SentenceTransformer based on bkai-foundation-models/vietnamese-bi-encoder

This is a sentence-transformers model finetuned from bkai-foundation-models/vietnamese-bi-encoder. It maps sentences & paragraphs to a 768-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: bkai-foundation-models/vietnamese-bi-encoder
Maximum Sequence Length: 256 tokens
Output Dimensionality: 768 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': 256, 'do_lower_case': False}) with Transformer model: RobertaModel 
  (1): Pooling({'word_embedding_dimension': 768, '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("sentence_transformers_model_id")
# Run inference
sentences = [
    'Ai có thẩm_quyền thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh dịch_vụ xếp_hạng tín_nhiệm đối_với công_ty trách_nhiệm hữu_hạn ?',
    'Thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh \n … \n 3 . Bộ Tài_chính ra quyết_định thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh đối_với trường_hợp quy_định Khoản 1 Điều này . \n 4 . Quyết_định thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh của doanh_nghiệp được công_bố trên trang thông_tin điện_tử của Bộ Tài_chính . \n 5 . Doanh_nghiệp phải chấm_dứt ngay các hoạt_động xếp_hạng tín_nhiệm và dịch_vụ liên_quan đến xếp_hạng tín_nhiệm kể từ thời_điểm Giấy chứng_nhận đủ điều_kiện kinh_doanh tự_động bị hết hiệu_lực ; hoặc từ thời_điểm Quyết_định thu_hồi Giấy chứng_nhận đủ điều_kiện kinh_doanh có hiệu_lực thi_hành .',
    'Nghỉ học tạm_thời , nghỉ ốm \n ... \n 2 . Người học được tạm hoãn học môn_học , học_phần theo kế_hoạch đào_tạo của cơ_sở đào_tạo giáo_viên và phải hoàn_thành môn_học , học_phần tạm hoãn đó trong quỹ thời_gian tối_đa hoàn_thành chương_trình đào_tạo giáo_viên nếu thuộc một hoặc nhiều trường_hợp sau : \n a ) Vì lý_do sức_khỏe không bảo_đảm để học môn_học , học_phần đó và phải có giấy xác_nhận của cơ_sở y_tế nơi người học đó khám hoặc điều_trị ; \n b ) Có_lý_do khác không_thể tham_gia hoàn_thành môn_học , học_phần đó , kèm theo minh chứng cụ_thể và phải được thủ_trưởng cơ_sở đào_tạo giáo_viên chấp_thuận . \n 3 . Người học không thuộc trường_hợp quy_định tại khoản 1 , 2 của Điều này , trong trường_hợp có_lý_do chính_đáng thì được nghỉ học đột_xuất theo quy_định của cơ_sở đào_tạo giáo_viên và phải hoàn_thành nhiệm_vụ học_tập theo quy_định , đồng_thời phải bảo_đảm điều_kiện dự thi kết_thúc môn_học , học_phần mới được dự thi kết_thúc môn_học , học_phần . \n 4 . Thời_gian nghỉ học tạm_thời được tính vào thời_gian tối_đa để người học hoàn_thành chương_trình đào_tạo giáo_viên được quy_định tại Điều 4 của Quy_chế này . \n 5 . Thủ_trưởng cơ_sở đào_tạo giáo_viên quy_định cụ_thể việc nghỉ học tạm_thời của người học .',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Training Details

Training Dataset

Unnamed Dataset

Size: 86,575 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 7 tokens
mean: 17.49 tokens
max: 39 tokens

min: 19 tokens
mean: 165.71 tokens
max: 256 tokens

	anchor	positive
type	string	string
details	min: 7 tokens mean: 17.49 tokens max: 39 tokens	min: 19 tokens mean: 165.71 tokens max: 256 tokens

Samples:

anchor	positive
`Dự_thảo báo_cáo công_tác phổ_biến , giáo_dục pháp_luật của cơ_quan trong Bộ Quốc_phòng có phải lấy ý_kiến của thành_viên Hội_đồng Phối_hợp phổ_biến , giáo_dục pháp_luật cấp báo_cáo không ?`	Chế_độ báo_cáo , thông_tin phổ_biến , giáo_dục pháp_luật ... 5 . Dự_thảo báo_cáo công_tác phổ_biến , giáo_dục pháp_luật của cơ_quan , đơn_vị các cấp phải được lấy ý_kiến của thành_viên Hội_đồng Phối_hợp phổ_biến , giáo_dục pháp_luật cấp báo_cáo ; nơi không có Hội_đồng Phối_hợp phổ_biến , giáo_dục pháp_luật thì lấy ý_kiến cơ_quan , đơn_vị liên_quan trước khi trình người có thẩm_quyền ký ban_hành . Báo_cáo được gửi đến cơ_quan có thẩm_quyền , thành_viên Hội_đồng Phối_hợp phổ_biến , giáo_dục pháp_luật cấp báo_cáo và cơ_quan , đơn_vị liên_quan . ... .
`Đối_tượng và điều_kiện tham_gia đào_tạo , bồi_dưỡng kiểm_toán nhà_nước ở nước_ngoài ?`	Đối_tượng và điều_kiện tham_gia đào_tạo , bồi_dưỡng ở nước_ngoài Ngoài những điều_kiện , tiêu_chuẩn quy_định tại Điều 25 của Quy_chế này , công_chức , viên_chức được cử đi đào_tạo , bồi_dưỡng ở nước_ngoài thực_hiện theo các quy_định của Đảng , Nhà_nước về xuất_cảnh , nhập_cảnh của công_dân Việt_Nam và phải đáp_ứng các điều_kiện sau : 1 . Đối_với các khóa bồi_dưỡng có thời_gian dưới 01 tháng , công_chức , viên_chức phải còn đủ tuổi để công_tác ít_nhất 18 tháng tính từ khi khóa bồi_dưỡng bắt_đầu . 2 . Đối_với các khóa đào_tạo , bồi_dưỡng có thời_gian từ 01 tháng trở lên , công_chức , viên_chức phải còn đủ tuổi công_tác ít_nhất 02 năm tính từ khi khóa bồi_dưỡng bắt_đầu . 3 . Công_chức , viên_chức được cử đi đào_tạo , bồi_dưỡng phải hoàn_thành tốt nhiệm_vụ được giao trong năm trước liền kề . 4 . Chuyên_môn nghiệp_vụ của công_chức , viên_chức được cử đi đào_tạo , bồi_dưỡng phải phù_hợp với nội_dung của khóa đào_tạo , bồi_dưỡng . 5 . Có thời_gian công_tác tại Kiểm_toán nhà_nước í...
`Việc nâng bậc lương trước thời_hạn đối_với viên_chức ngành xây_dựng được thực_hiện vào thời_gian nào ?`	`Nguyên_tắc xét nâng bậc lương trước thời_hạn do lập thành_tích xuất_sắc trong thực_hiện nhiệm_vụ 1 . Việc nâng bậc lương trước thời_hạn đối_với cán_bộ , công_chức , viên_chức , người lao_động lập thành_tích xuất_sắc trong thực_hiện nhiệm_vụ chỉ xét mỗi năm một lần vào tháng 11 , cùng với đợt xét nâng bậc lương thường_xuyên của quý IV. ...`

Loss: CachedMultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "mini_batch_size": 1024
}

Evaluation Dataset

Unnamed Dataset

Size: 9,620 evaluation samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 5 tokens
mean: 17.65 tokens
max: 38 tokens

min: 17 tokens
mean: 163.91 tokens
max: 256 tokens

	anchor	positive
type	string	string
details	min: 5 tokens mean: 17.65 tokens max: 38 tokens	min: 17 tokens mean: 163.91 tokens max: 256 tokens

Samples:

anchor	positive
`Đất nông_nghiệp chưa có giấy chứng_nhận quyền sử_dụng đất thì có_thể xin cấp giấy chứng_nhận hay không ?`	" Điều 100 . Cấp Giấy chứng_nhận quyền sử_dụng đất , quyền sở_hữu nhà ở và tài_sản khác gắn liền với đất cho hộ gia_đình , cá_nhân , cộng_đồng dân_cư đang sử_dụng đất có giấy_tờ về quyền sử_dụng đất 1 . Hộ gia_đình , cá_nhân đang sử_dụng đất ổn_định mà có một trong các loại giấy_tờ sau đây thì được cấp Giấy chứng_nhận quyền sử_dụng đất , quyền sở_hữu nhà ở và tài_sản khác gắn liền với đất và không phải nộp tiền_sử_dụng đất : a ) Những giấy_tờ về quyền được sử_dụng đất trước ngày 15 tháng 10 năm 1993 do cơ_quan có thẩm_quyền cấp trong quá_trình thực_hiện chính_sách đất_đai của Nhà_nước Việt_Nam dân_chủ Cộng_hòa , Chính_phủ Cách_mạng lâm_thời Cộng_hòa miền Nam Việt_Nam và Nhà_nước Cộng_hòa xã_hội chủ_nghĩa Việt_Nam ; b ) Giấy chứng_nhận quyền sử_dụng đất tạm_thời được cơ_quan nhà_nước có thẩm_quyền cấp hoặc có tên trong Sổ đăng_ký ruộng_đất , Sổ địa_chính trước ngày 15 tháng 10 năm 1993 ; c ) Giấy_tờ hợp_pháp về thừa_kế , tặng cho quyền sử_dụng đất hoặc tài_sản gắn liền với đất ;...
`Phạm_vi điều_chỉnh của Luật_Đấu_thầu 2013 được quy_định ra sao ?`	" Điều 1 . Phạm_vi điều_chỉnh Luật này quy_định quản_lý nhà_nước về đấu_thầu ; trách_nhiệm của các bên có liên_quan và các hoạt_động đấu_thầu , bao_gồm : 1 . Lựa_chọn nhà_thầu cung_cấp dịch_vụ tư_vấn , dịch_vụ phi tư_vấn , hàng_hóa , xây_lắp đối_với : a ) Dự_án đầu_tư phát_triển sử_dụng vốn nhà_nước của cơ_quan nhà_nước , tổ_chức chính_trị , tổ_chức chính_trị - xã_hội , tổ_chức chính_trị xã_hội - nghề_nghiệp , tổ_chức xã_hội - nghề_nghiệp , tổ_chức xã_hội , đơn_vị thuộc lực_lượng vũ_trang nhân_dân , đơn_vị sự_nghiệp công_lập ; b ) Dự_án đầu_tư phát_triển của doanh_nghiệp nhà_nước ; c ) Dự_án đầu_tư phát_triển không thuộc quy_định tại điểm a và điểm b khoản này có sử_dụng vốn nhà_nước , vốn của doanh_nghiệp nhà_nước từ 30 % trở lên hoặc dưới 30 % nhưng trên 500 tỷ đồng trong tổng mức đầu_tư của dự_án ; d ) Mua_sắm sử_dụng vốn nhà_nước nhằm duy_trì hoạt_động thường_xuyên của cơ_quan nhà_nước , tổ_chức chính_trị , tổ_chức chính_trị - xã_hội , tổ_chức chính_trị xã_hội - nghề_ng...
`Ghi tên thuốc trong Danh_mục thuốc tân_dược thuộc phạm_vi được hưởng của người tham_gia BHYT theo nguyên_tắc gì ?`	Nguyên_tắc xây_dựng Danh_mục thuốc tân_dược thuộc phạm_vi được hưởng của người tham_gia_bảo_hiểm y_tế ( BHYT ) ... 2 . Nguyên_tắc ghi tên thuốc trong Danh_mục thuốc tân_dược thuộc phạm_vi được hưởng của người tham_gia BHYT a ) Thuốc được ghi theo tên hoạt_chất theo danh_pháp INN ( International_Non - proprietary Name ) , một_số thuốc không có danh_pháp INN ghi theo tên được cấp phép lưu_hành ; không ghi tên biệt_dược hay tên thương_mại . b ) Chỉ ghi đường dùng , không ghi hàm_lượng , không ghi dạng bào_chế . c ) Trường_hợp thuốc phối_hợp đa thành_phần : Quy_định cụ_thể thành_phần các hoạt_chất phối_hợp .

Loss: CachedMultipleNegativesRankingLoss with these parameters:

{
    "scale": 20.0,
    "similarity_fct": "cos_sim",
    "mini_batch_size": 1024
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 32
per_device_eval_batch_size: 32
learning_rate: 2e-05
weight_decay: 0.01
num_train_epochs: 5
warmup_ratio: 0.1
fp16: True
load_best_model_at_end: True

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 32
per_device_eval_batch_size: 32
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: 5
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: 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: True
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

Epoch	Step	Training Loss	Validation Loss
0.0739	100	0.1336	-
0.1478	200	0.1232	-
0.2217	300	0.1182	0.0948
0.2956	400	0.0972	-
0.3695	500	0.0874	-
0.4435	600	0.0834	0.0694
0.5174	700	0.0731	-
0.5913	800	0.0607	-
0.6652	900	0.0657	0.0586
0.7391	1000	0.0521	-
0.8130	1100	0.0621	-
0.8869	1200	0.0522	0.0521
0.9608	1300	0.0519	-
1.0347	1400	0.0496	-
1.1086	1500	0.0438	0.0480
1.1826	1600	0.0471	-
1.2565	1700	0.046	-
1.3304	1800	0.0493	0.0452
1.4043	1900	0.0465	-
1.4782	2000	0.0445	-
1.5521	2100	0.0419	0.0411

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",
}

CachedMultipleNegativesRankingLoss

@misc{gao2021scaling,
    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup},
    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
    year={2021},
    eprint={2101.06983},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

Downloads last month: 15

Safetensors

Model size

0.1B params

Tensor type

F32

Model tree for hle50/bkai-checkpoint-2100

Base model

bkai-foundation-models/vietnamese-bi-encoder

Finetuned

(43)

this model