This is a sentence-transformers model finetuned from lighteternal/stsb-xlm-r-greek-transfer. 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: lighteternal/stsb-xlm-r-greek-transfer
Maximum Sequence Length: 400 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': 400, '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)

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("sentence_transformers_model_id")
# Run inference
sentences = [
    'κοινωνικών δικτύων, ο σημασιολογικός ιστός και η προσωποποίηση. Η κινητή επικοινωνία, το υπολογιστικό νέφος, τα',
    'Στον τομέα των ψηφιακών τεχνολογιών, τρεις σημαντικές εξελίξεις ξεχωρίζουν: τα κοινωνικά δίκτυα, ο σημασιολογικός ιστός και η προσωποποιημένη εμπειρία χρήστη. Συγχρόνως, παρατηρείται ραγδαία πρόοδος στην κινητή επικοινωνία και τις τεχνολογίες υπολογιστικού νέφους, οι οποίες διαμορφώνουν το σύγχρονο τεχνολογικό τοπίο.',
    'Η σύμβαση αφορά την εφαρμογή γνώσεων σε τρεις διαφορετικούς νομικούς κλάδους: στο εργατικό δίκαιο, στη φορολογική νομοθεσία και στην κοινοτική έννομη τάξη. Ο ανάδοχος πρέπει να εξασφαλίζει τη συμμόρφωση της εργασίας του με το σύνολο αυτών των νομικών πλαισίων.',
]
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]

Evaluation

Metrics

Information Retrieval

Dataset: retrieval-eval
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.7019
cosine_accuracy@3	0.9022
cosine_accuracy@5	0.9393
cosine_accuracy@10	0.9688
cosine_precision@1	0.7019
cosine_precision@3	0.3007
cosine_precision@5	0.1879
cosine_precision@10	0.0969
cosine_recall@1	0.7019
cosine_recall@3	0.9022
cosine_recall@5	0.9393
cosine_recall@10	0.9688
cosine_ndcg@10	0.8475
cosine_mrr@10	0.8073
cosine_map@100	0.8086

Training Details

Training Dataset

Unnamed Dataset

Size: 296,064 training samples
Columns: sentence_0 and sentence_1
Approximate statistics based on the first 1000 samples:
sentence_0 sentence_1
type string string
details
min: 5 tokens
mean: 38.34 tokens
max: 76 tokens
min: 21 tokens
mean: 49.89 tokens
max: 154 tokens

Samples:

sentence_0	sentence_1
`Χαρακτήρα που του διαβιβάζει ο Υπεύθυνος Επεξεργασίας σε ξεχωριστό αρχείο από άλλα τυχόν δεδομένα που επεξεργάζεται`	`Σε ξεχωριστή επεξεργασία από τα υπόλοιπα δεδομένα, ο υπεύθυνος επεξεργασίας αποστέλλει έναν χαρακτήρα μέσω ξεχωριστού αρχείου.`
`IWXXM): • Πλήρες περιεχόμενο / κείμενο του κώδικα • Αποκωδικοποιημένες τιμές • Αναγνώριση των λανθασμένων`	`Η ενότητα IWXXM περιλαμβάνει την πλήρη παρουσίαση του κώδικα κειμένου, τις αποκωδικοποιημένες τιμές και τον εντοπισμό σφαλμάτων.`
`ειδικότερες ρυθμίσεις του περιφερειακού Προγράμματος Δημοσίων Επενδύσεων” (ΦΕΚ 1367/Β/05-06-2013), όπως τροποποιήθηκε και`	`Τροποποιήσεις έχουν επέλθει στις συγκεκριμένες προβλέψεις που περιλαμβάνονται στο περιφερειακό Πρόγραμμα Δημοσίων Επενδύσεων και καταγράφονται στο ΦΕΚ με αριθμό 1367 τεύχος Β' της 5ης Ιουνίου του έτους 2013.`

Loss: MegaBatchMarginLoss

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 128
per_device_eval_batch_size: 128
num_train_epochs: 10
multi_dataset_batch_sampler: round_robin

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 128
per_device_eval_batch_size: 128
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: 5e-05
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1
num_train_epochs: 10
max_steps: -1
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}
tp_size: 0
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: round_robin

Training Logs

Epoch	Step	Training Loss	retrieval-eval_cosine_ndcg@10
0.2161	250	-	0.7891
0.4322	500	0.2094	0.7791
0.6482	750	-	0.7863
0.8643	1000	0.2022	0.7824
1.0	1157	-	0.7851
1.0804	1250	-	0.7942
1.2965	1500	0.1905	0.7896
1.5125	1750	-	0.7950
1.7286	2000	0.1813	0.7966
1.9447	2250	-	0.8011
2.0	2314	-	0.7969
2.1608	2500	0.1726	0.8050
2.3768	2750	-	0.8044
2.5929	3000	0.1765	0.8064
2.8090	3250	-	0.8024
3.0	3471	-	0.8051
3.0251	3500	0.1684	0.8097
3.2411	3750	-	0.8099
3.4572	4000	0.1525	0.8167
3.6733	4250	-	0.8153
3.8894	4500	0.152	0.8153
4.0	4628	-	0.8194
4.1054	4750	-	0.8211
4.3215	5000	0.1442	0.8272
4.5376	5250	-	0.8216
4.7537	5500	0.1462	0.8212
4.9697	5750	-	0.8268
5.0	5785	-	0.8265
5.1858	6000	0.1318	0.8261
5.4019	6250	-	0.8281
5.6180	6500	0.1321	0.8236
5.8341	6750	-	0.8263
6.0	6942	-	0.8289
6.0501	7000	0.1239	0.8302
6.2662	7250	-	0.8318
6.4823	7500	0.1244	0.8354
6.6984	7750	-	0.8349
6.9144	8000	0.1195	0.8260
7.0	8099	-	0.8334
7.1305	8250	-	0.8365
7.3466	8500	0.1202	0.8385
7.5627	8750	-	0.8399
7.7787	9000	0.116	0.8362
7.9948	9250	-	0.8398
8.0	9256	-	0.8396
8.2109	9500	0.1091	0.8430
8.4270	9750	-	0.8408
8.6430	10000	0.1125	0.8431
8.8591	10250	-	0.8430
9.0	10413	-	0.8408
9.0752	10500	0.1051	0.8456
9.2913	10750	-	0.8469
9.5073	11000	0.1026	0.8441
9.7234	11250	-	0.8462
9.9395	11500	0.1049	0.8475

Framework Versions

Python: 3.10.12
Sentence Transformers: 4.1.0
Transformers: 4.51.3
PyTorch: 2.7.0+cu126
Accelerate: 1.6.0
Datasets: 3.5.0
Tokenizers: 0.21.1

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",
}

MegaBatchMarginLoss