zolekode/wibila-adapter-snowflake-arctic-embed-l-v2.0

SentenceTransformer based on Snowflake/snowflake-arctic-embed-l-v2.0

This is a sentence-transformers model finetuned from Snowflake/snowflake-arctic-embed-l-v2.0. 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: Snowflake/snowflake-arctic-embed-l-v2.0
• 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("zolekode/wibila-adapter-snowflake-arctic-embed-l-v2.0")
# Run inference
sentences = [
    'Dabei verteilt sich die EU-Förderung auf zwei Säulen:\n\nDie erste Säule bilden insbesondere die Direktzahlungen an Landwirtinnen und Landwirte, die – bei Erfüllung der jeweiligen Voraussetzungen – je Hektar landwirtschaftlicher Fläche gewährt werden. Das bisher verpflichtende Greening wurde mit weiteren Anforderungen in die Vorschriften zur Konditionalität überführt; die bisherige Greeningprämie entfällt. Neu sind Zahlungen für die freiwilligen "Öko-Regelungen“.\nDie zweite Säule umfasst gezielte Förderprogramme für die nachhaltige und umweltschonende Bewirtschaftung und die ländliche Entwicklung.',
    'Wie verteilt sich die EU-Förderung der GAP?',
    'Was ist bei Maßnahmen zum Ackerwildkrautschutz zu beachten?',
]
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: 1,609 training samples
• Columns: anchor and positive
• Approximate statistics based on the first 1000 samples:

  	anchor	positive
  type	string	string
  details	min: 3 tokens mean: 94.33 tokens max: 862 tokens	min: 6 tokens mean: 13.8 tokens max: 33 tokens

• Samples:

  anchor	positive
  Mehrjährige Blühstreifen bleiben mind. 2 bis zu 5 Jahren am gleichen Standort und werden nicht jährlich umgebrochen und neu eingesät. Das Saatgut kann aus Kultur- und Wildarten bestehen. Im Gegensatz dazu werden mehrjährige Regiosaatgut-Blühstreifen und -flächen auf Ackerstandorten mit ausschließlich gebietseigenem Saatgut* (Mouseover/Glossar) eingesät. Je nach Förderprogramm werden die Flächen mehrere Jahre nicht umgebrochen und unterschiedlich gepflegt. Gebietseigenes Saatgut ist entweder zertifiziertes Regiosaatgut (VWW oder RegioZert) oder selbst geerntetes Saatgut von einer Spenderfläche in der Nähe.	Was sind Mehrjährige Blühstreifen mit Regiosaatgut?
  Artenreiche Blühflächen stellen vor allem in agrarisch intensiv geprägten Landschaften Flächen dar, die Bestäubern, Nützlingen und anderen Wildtieren als Nahrungs-, Schutz-, Lebens- oder Überwinterungsflächen dienen. Sie können zudem als Lebensrauminseln in ansonsten stark ausgeräumter Flur einen großen Beitrag zum Biotopverbund leisten. Naturschutzfachlich besonders hochwertig werden die Flächen durch gebietseigene Pflanzen, an die die heimische Insektenfauna angepasst ist. Im Vergleich zu Kultur- und Zierpflanzen, die nur für Generalisten von Bedeutung sind, bieten Wildarten auch Lebensraum und Nahrung für spezialisierte Bestäuber, v.a. aus der Gruppe der Wildbienen. Weitere positive Effekte: - Botanischer Artenreichtum - Pufferwirkung - Erosionsminderung - Landschaftsbildbereicherung - Evtl. Schlaguntergliederung	Ziele von Mehrjährigen Blühstreifen mit Regiosaatgut?
  Entlang von Hecken oder Waldrändern, nur auf der sonnenzugewandten Seite mit wenig Schattenwurf, Problemunkrautdruck auf der Fläche möglichst gering (z.B. Distel, Quecke). zur Schlagunterteilung und im Sinne des Biotopverbunds in ausgeräumten Landschaften. nicht auf Flächen mit hohem Potenzial an (gefährdeten) Ackerwildkräutern	Wo eigenen sich Mehrjährigen Blühstreifen mit Regiosaatgut?

• Loss: MultipleNegativesRankingLoss with these parameters:

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

Evaluation Dataset

Unnamed Dataset

• Size: 71 evaluation samples
• Columns: anchor and positive
• Approximate statistics based on the first 71 samples:

  	anchor	positive
  type	string	string
  details	min: 6 tokens mean: 108.54 tokens max: 581 tokens	min: 7 tokens mean: 14.86 tokens max: 28 tokens

• Samples:

  anchor	positive
  Ackerwildkräuter sind in der heutigen konventionell bewirtschafteten Landschaft selten geworden. Aufgrund der Intensivierung der Landwirtschaft gehören sie zu den gefährdetsten Pflanzengesellschaften in Mitteleuropa. Sie gelten als „Unkräuter“ und sind nicht erwünscht. Allerdings gibt es diese Begleitflora schon seit Beginn des Ackerbaus. Sie stellen eine wichtige Funktion im Okösystem Acker dar. Viele von ihnen bieten Insekten Nahrung in Form von Blüten und sind Lebensraum für viele Wildtiere. Die Blüten bringen - Farbe in die Landschaft, die Pflanzen verfestigen - den Boden und dienen so dem Erosionsschutz. Diverse Ackerwildkräuter sind sogar essbar oder haben heilende Wirkung.	Was sind Ackerwildkräuter?
  Wiederherstellung einer artenreichen Ackerflora in der monotonen Ackerlandschaft. Damit einhergehend auch Förderung der Insekten, Vögel und weiteren Wildtieren.	Was bringt der Schutz von Ackerwildkräutern?
  Ein wesentlicher Hinderungsgrund könnte die Ackerhygiene sein. Ackerwildkräuter gelten als „Unkräuter“, zudem gibt es auch die Befürchtung von Ertragseinbußen.	Was spricht gegen den Schutz von Ackerwildkräutern?

• Loss: MultipleNegativesRankingLoss with these parameters:

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

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 16
• per_device_eval_batch_size: 16
• learning_rate: 3e-06
• max_steps: 1000

All Hyperparameters

Click to expand

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 16
• per_device_eval_batch_size: 16
• 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: 3e-06
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 3.0
• max_steps: 1000
• lr_scheduler_type: linear
• lr_scheduler_kwargs: {}
• warmup_ratio: 0.0
• 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: False
• 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
• 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	Validation Loss
0.1584	16	0.632	-
0.3168	32	0.5394	-
0.4752	48	0.4463	-
0.6337	64	0.5024	-
0.7921	80	0.641	-
0.9505	96	0.5595	-
0.9901	100	-	0.7457
1.1089	112	0.4359	-
1.2673	128	0.4481	-
1.4257	144	0.5644	-
1.5842	160	0.3657	-
1.7426	176	0.526	-
1.9010	192	0.4793	-
1.9802	200	-	0.7288
2.0594	208	0.5828	-
2.2178	224	0.4173	-
2.3762	240	0.4809	-
2.5347	256	0.4637	-
2.6931	272	0.502	-
2.8515	288	0.5129	-
2.9703	300	-	0.7152
3.0099	304	0.4433	-
3.1683	320	0.3589	-
3.3267	336	0.4861	-
3.4851	352	0.4709	-
3.6436	368	0.4372	-
3.8020	384	0.4782	-
3.9604	400	0.4677	0.7058
4.1188	416	0.5042	-
4.2772	432	0.5005	-
4.4356	448	0.4328	-
4.5941	464	0.4602	-
4.7525	480	0.4502	-
4.9109	496	0.3994	-
4.9505	500	-	0.6976
5.0693	512	0.4291	-
5.2277	528	0.5666	-
5.3861	544	0.4714	-
5.5446	560	0.4349	-
5.7030	576	0.3345	-
5.8614	592	0.3174	-
5.9406	600	-	0.6913
6.0198	608	0.4839	-
6.1782	624	0.5433	-
6.3366	640	0.4126	-
6.4950	656	0.4541	-
6.6535	672	0.3581	-
6.8119	688	0.3931	-
6.9307	700	-	0.6863
6.9703	704	0.4682	-
7.1287	720	0.4342	-
7.2871	736	0.5381	-
7.4455	752	0.4055	-
7.6040	768	0.3558	-
7.7624	784	0.318	-
7.9208	800	0.3926	0.6833
8.0792	816	0.3996	-
8.2376	832	0.3984	-
8.3960	848	0.4556	-
8.5545	864	0.354	-
8.7129	880	0.3261	-
8.8713	896	0.5176	-
8.9109	900	-	0.6814
9.0297	912	0.4186	-
9.1881	928	0.4077	-
9.3465	944	0.4186	-
9.5050	960	0.4862	-
9.6634	976	0.3857	-
9.8218	992	0.4086	-
9.9010	1000	-	0.6808

Framework Versions

• Python: 3.11.11
• Sentence Transformers: 3.3.1
• Transformers: 4.47.1
• PyTorch: 2.5.1+cu121
• Accelerate: 1.2.1
• 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",
}

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}
}