This is a sentence-transformers model finetuned from sentence-transformers/all-MiniLM-L6-v2 on the json 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/all-MiniLM-L6-v2
Maximum Sequence Length: 256 tokens
Output Dimensionality: 384 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- json

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: 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.

python

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("GbrlOl/ft-all-MiniLM-L6-v2-geotechnical-semanticidad-test-2")
# Run inference
sentences = [
    '¿Qué compromisos ambientales voluntarios ha adquirido el titular del proyecto "Depósito de Relaves Filtrados Doña Rosa"?',
    'Ordinario N° 57 de fecha 25 de Enero de 2011 \ninformó favorablemente.  \n5.  Que, en lo relativo a los efectos, características y circunstancias señalados en los literales “a”,  "b", “c”, \n“d”, “e” y “f”, del artículo 11 de la Ley 19.300, y sobre la base de los antecedentes que constan en el \nexpediente de la evaluación, debe indicarse que el proyecto "Depósito de Relaves Filtrados Doña Rosa” \nno genera ni presenta ninguno de tales efectos, características y circunstancias.  \n6.-    Que, en el proceso de evolución de proyecto " Depósito de Relaves Filtrados Doña Rosa”, el titular \nha adquirido los siguientes compromisos ambientales voluntarios:  \nEl proyecto contempla el monitoreo de aguas superficiales y subterráneas. Respecto a la periodicidad de \nmonitoreo, este será cuatrimestral durante los tres primeros años de operación del proyecto. Una vez \ncumplidos los tres años iniciales, se analizarán los resultados. Sobre la base de dicho análisis el titular \npropondrá fundadamente cambios a los parámetros, puntos y frecuencias de monitoreo, si es que los \nresultados así lo ameritan.  \nEn la siguiente tabla se presentan las coordenadas de los puntos de control de calidad de aguas, tanto \nsuperficiales como subterráneas.',
    '1). \n4.2 Del Proyecto de Depósito de Relaves \n4.2.1 Definición \n\x7f Cierre: Hecho que el depósito de relaves deje de operar por un plazo mayor de dos años o en forma \ndefinitiva o cuando se da por terminada su  vida útil y se han efectuado las acciones tendientes a \nasegurar la obra en el tiempo.  \n\x7f Proyecto de Depósitos de Relaves: el conjunto de estudios técnicos requeridos para la definición de \nun sistema de disposición de relaves, incluyendo etapas de investigación, prospección, diseño, \nevaluación y construcción, cuyos resultados se encuentran en una serie de documentos que para \ngarantizar la estabilidad física y química del depósito y su entorno, con el fin de proteger a las \npersonas, bienes y medio ambiente. (Art. 5). \n\x7f Cierre  final:  Conclusión  definitiva  de  las  actividades  para  el  cierre  de  todas  las labores, áreas \ne instalaciones de una unidad minera, que por razones operativas, no hayan podido cerrarse \ndurante la etapa productiva o comercial, de modo tal que se garantice  el  cumplimiento  de  los  \nobjetivos  de  cierre  contemplados  en  el  Plan  de Cierre  de  Minas  aprobado  y  cuya  adecuada  \nejecución  ha  sido  verificada  a  través de  una  auditoría  integral  dispuesta  por  la  autoridad  \ncompetente,  sin  perjuicio  de las actividades de post cierre que deberán continuar ejecutándose en \nel marco de la legislación ambiental vigente.  \n\x7f Estabilidad física: Comportamiento estable en el corto, mediano y largo plazo de los componentes o',
]
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

json

Dataset: json
Size: 1,628 training samples
Columns: query, sentence, and label
Approximate statistics based on the first 1000 samples:
query sentence label
type string string int
details
min: 9 tokens
mean: 25.12 tokens
max: 69 tokens
min: 44 tokens
mean: 232.21 tokens
max: 256 tokens
0: ~59.80%
1: ~40.20%

Samples:

query	sentence	label
`¿Cuál es el volumen máximo estimado de aguas servidas generadas por el personal durante la etapa de construcción del proyecto?`	3.11.5.2. Efluentes Líquidos [object Object]Etapa de Construcción [object Object]La única generación de residuos líquidos, corresponderá a las aguas servidas generadas por el personal [object Object]que trabajará en la etapa de construcción del proyecto, con un volumen máximo estimado de 6,0 m3/día. [object Object]El personal de construcción se alojará en las instalaciones existentes en la faena de SCMET. Por lo que [object Object]utilizará los servicios sanitarios que se encuentran en operación en el campamento de SCMET. [object Object]Durante la jornada de trabajo en terreno, los trabajadores utilizarán los servicios higiénicos de la sala de [object Object]cambio existente, ubicada en las inmediaciones del portal Doña Rosa. En atención a lo anterior, no se [object Object]requerirá de la construcción de nuevas instalaciones sanitarias adicionales a las ya existentes en la faena. [object Object]Etapa de Operación [object Object]Dadas las características del proceso productivo, no se descargarán residuos industriales líquidos durante [object Object]esta etapa. Toda el agua resultante del proceso de filtrado del relave será recircul...	`1`
`¿Dónde no deben ser depositados los materiales de baja calidad para evitar problemas de inestabilidad?`	`Esto podría incluir material afectado por Steam Heated [object Object]o suelos asociados a depósitos cuaternarios. Para evitar problemas de inestabilidad, estos [object Object]materiales de baja calidad no deben ser depositados : ni al pie del botadero Sur; ni al fondo de la [object Object]cuenca en donde se emplazará el botadero Sur (donde hay mayor espesor de materiales aluviales [object Object]y piroclásticos); ni bajo el área donde estará emplazado el depósito de relaves filtrados.`	`1`
`¿Cuál es la altura máxima del botadero Cachinalito?`	25 [object Object] [object Object]Las características geométricas de los botaderos existentes se presentan se indican en la T abla [object Object]18 y corresponden a las características finales de construcción del botadero. En general , su [object Object]crecimiento se realizará alcanzando rápidamente su cota final de coronamiento y luego se [object Object]avanzará frontalmente con una plataforma pareja, hasta lograr la geometría final indicada. [object Object] [object Object]Tabla 18. Características Geométricas de Botaderos existentes [object Object]Botadero [object Object]Parámetros [object Object]Altura [object Object]Máxima Longitud Media Ancho Medio Angulo de Talud [object Object](m) (m) (m) (°) [object Object]1 57 440 270 34 [object Object]2 55 390 360 34 [object Object]3 58 420 330 26 [object Object]4 96 230 160 34 [object Object]5 110 340 200 36 [object Object]6 66 240 165 37 [object Object]7 44 550 435 40 [object Object] [object Object] [object Object]Las características geométricas del botadero Cachinalito se presenta a continuación: [object Object]Tabla 19. Característica Geométricas Botadero Cachinalito [object Object]Parámetros [object Object]Botadero [object Object]Elevación [object Object](msnm) [object Object]Altura [object Object]Máxima [object Object](m) [object Object]Longitud [object Object]Media [object Object](m) [object Object]Ancho Medio [object Object](m) [object Object]Inclinación [object Object]Talud (H:V) [object Object]Volumen [object Object]Final [object Object] (m3) [object Object]Cachinalitoa 2710 25 270 1...	`1`

Loss: CoSENTLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "pairwise_cos_sim" 4}

Training Hyperparameters

Non-Default Hyperparameters

per_device_train_batch_size: 16
per_device_eval_batch_size: 16
learning_rate: 2e-05
num_train_epochs: 100
warmup_ratio: 0.1
fp16: True
batch_sampler: no_duplicates

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: 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: 2e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 100
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: 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: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss
2.3902	100	4.7321
4.7805	200	2.4273
7.1463	300	0.9425
9.5366	400	0.2229
11.9268	500	0.1093
14.2927	600	0.0061
16.6829	700	0.0053
19.0488	800	0.0057
21.4390	900	0.0005
23.8293	1000	0.0002
26.1951	1100	0.0
28.5854	1200	0.0
30.9756	1300	0.0001
33.3415	1400	0.0
35.7317	1500	0.0
38.0976	1600	0.0
40.4878	1700	0.0
42.8780	1800	0.0
45.2439	1900	0.0
47.6341	2000	0.0
50.0244	2100	0.0
52.3902	2200	0.0
54.7805	2300	0.0
57.1463	2400	0.0
59.5366	2500	0.0
61.9268	2600	0.0
64.2927	2700	0.0
66.6829	2800	0.0
69.0488	2900	0.0
71.4390	3000	0.0
73.8293	3100	0.0
76.1951	3200	0.0
78.5854	3300	0.0
80.9756	3400	0.0
83.3415	3500	0.0
85.7317	3600	0.0
88.0976	3700	0.0
90.4878	3800	0.0
92.8780	3900	0.0
95.2439	4000	0.0
97.6341	4100	0.0

Framework Versions

Python: 3.10.16
Sentence Transformers: 3.3.1
Transformers: 4.48.1
PyTorch: 2.5.1+cu124
Accelerate: 1.3.0
Datasets: 3.2.0
Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

bibtex

@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",
}

CoSENTLoss

bibtex

@online{kexuefm-8847,
    title={CoSENT: A more efficient sentence vector scheme than Sentence-BERT},
    author={Su Jianlin},
    year={2022},
    month={Jan},
    url={https://kexue.fm/archives/8847},
}

	query	sentence	label
type	string	string	int
details	min: 9 tokens mean: 25.12 tokens max: 69 tokens	min: 44 tokens mean: 232.21 tokens max: 256 tokens	0: ~59.80% 1: ~40.20%