MPNet base trained on AllNLI triplets

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: sentence-transformers/paraphrase-multilingual-mpnet-base-v2
• Maximum Sequence Length: 128 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity

• Language: en
• License: apache-2.0

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': 128, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
  (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)

Evaluation

Metrics

Triplet

• Datasets: all-nli-dev and all-nli-test
• Evaluated with TripletEvaluator

Training Details

Training Dataset

Unnamed Dataset

• Size: 132,020 training samples
• Columns: anchor, positive, and negative
• Approximate statistics based on the first 1000 samples:

  	anchor	positive	negative
  type	string	string	string
  details	min: 11 tokens mean: 18.6 tokens max: 29 tokens	min: 10 tokens mean: 16.93 tokens max: 27 tokens	min: 6 tokens mean: 18.87 tokens max: 31 tokens

• Samples:

  anchor	positive	negative
  L’équipe était tellement sympa et réactive, c’était vraiment agréable.	Nous avons été agréablement surpris par l’attention portée aux détails par le personnel.	Très bon service de navette depuis le parking.
  C’était un service classique, ni particulièrement bon ni mauvais.	Le sourire et la disponibilité des employés ont illuminé notre séjour.	Cette chambre nous a totalement déçus, c’était tout sauf confortable.
  Le service était correct, rien de plus.	Les employés étaient lents et mal organisés, cela a beaucoup gêné notre séjour.	La sécurité est assurée avec un gardien présent.

• Loss: MultipleNegativesRankingLoss with these parameters:
  json

  1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim" 4}

Evaluation Dataset

Unnamed Dataset

• Size: 16,502 evaluation samples
• Columns: anchor, positive, and negative
• Approximate statistics based on the first 1000 samples:

  	anchor	positive	negative
  type	string	string	string
  details	min: 10 tokens mean: 18.49 tokens max: 29 tokens	min: 10 tokens mean: 16.97 tokens max: 27 tokens	min: 6 tokens mean: 18.86 tokens max: 31 tokens

• Samples:

  anchor	positive	negative
  Les employés semblaient démotivés et peu impliqués dans leur travail.	L'équipe semblait désorganisée et peu concernée par les besoins des clients.	La chambre n'était pas adaptée à nos attentes, c’était frustrant.
  Le service était correct, mais il manquait un peu de chaleur humaine.	Un service qui n’a pas marqué mais qui reste acceptable.	Une chambre que nous n’avions pas demandée, c'était une vraie déception.
  Les employés semblaient désintéressés, ça a un peu gâché l’expérience.	Le service était fonctionnel, mais pas très personnalisé.	Stationnement facile et rapide, un plaisir.

• Loss: MultipleNegativesRankingLoss with these parameters:
  json

  1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim" 4}

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 64
• per_device_eval_batch_size: 64
• num_train_epochs: 1
• warmup_ratio: 0.1
• bf16: True
• batch_sampler: no_duplicates

All Hyperparameters

Training Logs

Framework Versions

• Python: 3.12.3
• Sentence Transformers: 3.4.1
• Transformers: 4.48.3
• PyTorch: 2.6.0+cu124
• Accelerate: 1.3.0
• Datasets: 3.2.0
• Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

MultipleNegativesRankingLoss