This is a sentence-transformers model finetuned from google-bert/bert-base-multilingual-uncased on the json dataset. 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: google-bert/bert-base-multilingual-uncased
Maximum Sequence Length: 512 tokens
Output Dimensionality: 768 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': 512, 'do_lower_case': False}) with Transformer model: BertModel 
  (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("anhtuansh/bert-base-multilingual-uncased-Financial-Matryoshka-5e-11k")
# Run inference
sentences = [
    'thời_hạn giải_quyết việc gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa học như sau : tối_đa 20 ngày làm_việc kể từ ngày nhận đủ hồ_sơ hợp_lệ .',
    'tôi muốn hỏi về gia_hạn thời_gian học_tập cho lưu học_sinh để hoàn_thành khóa học , có thời_hạn giải_quyết như thế_nào ?',
    'thành_phần hồ_sơ giải_quyết chế_độ hỗ_trợ đối_với người việt_nam có công với cách_mạng quy_định tại nghị_định số 102 / 2018 / nđ - cp ngày 20 / 7 / 2018 của chính_phủ về chế_độ hỗ_trợ và một_số chế_độ đãi_ngộ khác đối_với người việt_nam có công với cách_mạng , người tham_gia kháng_chiến , chiến_tranh bảo_vệ tổ_quốc và làm nhiệm_vụ quốc_tế đang định_cư ở nước_ngoài ( nghị_định số 102 / 2018 / nđ - cp ) , bao_gồm những giấy_tờ gì ?',
]
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

Datasets: dim_768 and dim_512
Evaluated with InformationRetrievalEvaluator

Metric	dim_768	dim_512
cosine_accuracy@1	0.3845	0.3765
cosine_accuracy@3	0.5582	0.5564
cosine_accuracy@5	0.6235	0.6252
cosine_accuracy@10	0.6984	0.6958
cosine_precision@1	0.3845	0.3765
cosine_precision@3	0.1861	0.1855
cosine_precision@5	0.1247	0.125
cosine_precision@10	0.0698	0.0696
cosine_recall@1	0.3845	0.3765
cosine_recall@3	0.5582	0.5564
cosine_recall@5	0.6235	0.6252
cosine_recall@10	0.6984	0.6958
cosine_ndcg@10	0.537	0.5328
cosine_mrr@10	0.4857	0.4809
cosine_map@100	0.4938	0.4888

Training Details

Training Dataset

json

Dataset: json
Size: 10,200 training samples
Columns: positive and anchor
Approximate statistics based on the first 1000 samples:
positive anchor
type string string
details
min: 4 tokens
mean: 222.47 tokens
max: 512 tokens
min: 8 tokens
mean: 46.3 tokens
max: 328 tokens

Samples:

positive	anchor
1 . thẩm_quyền cấp giấy_phép tổ_chức triển_lãm , hội_chợ xuất_bản_phẩm được quy_định cụ_thể như sau : - bộ thông_tin và truyền_thông cấp giấy_phép cho cơ_quan , tổ_chức ở trung_ương ; cơ_quan , tổ_chức , cá_nhân nước_ngoài ; - ủy_ban nhân_dân cấp tỉnh cấp giấy_phép cho cơ_quan , tổ_chức , cá_nhân có trụ_sở hoặc cư_trú tại địa_phương ; chi_nhánh , văn_phòng đại_diện , đơn_vị trực_thuộc cơ_quan , tổ_chức ở trung_ương đặt tại địa_phương . 2 . hồ_sơ bao_gồm : - đơn đề_nghị cấp giấy_phép trong đó ghi rõ mục_đích , thời_gian , địa_điểm và tên các đơn_vị tham_gia triển_lãm , hội_chợ ; - danh_mục xuất_bản_phẩm để triển_lãm , hội_chợ theo mẫu quy_định . ( quy_định tại khoản 2 , 3 điều 44 luật xuất_bản )	`hồ_sơ và thẩm_quyền cấp giấy_phép tổ_chức triển_lãm , hội_chợ xuất_bản_phẩm được quy_định cụ_thể như thế_nào ?`
- trường_hợp mất danh_mục và phiếu theo_dõi trừ lùi thì người khai hải_quan có hồ_sơ đề_nghị cơ_quan hải_quan nơi cấp danh_mục lần đầu_đề_nghị cấp lại , bao_gồm : [object Object] + công_văn đề_nghị cấp lại danh_mục , phiếu theo_dõi trừ lùi trong đó nêu rõ : lý_do mất danh_mục , phiếu theo_dõi trừ lùi và cam_kết của người khai hải_quan về tính chính_xác của nội_dung khai_báo ; [object Object] + bảng kê toàn_bộ tờ khai hải_quan ( điện_tử hoặc giấy ) của số_lượng hàng_hóa đã nhập_khẩu theo danh_mục ; [object Object] + bản danh_mục và phiếu theo_dõi trừ lùi của cơ_quan hải_quan nơi làm thủ_tục nhập_khẩu lô hàng cuối_cùng trước khi thất_lạc ( 01 bản chụp có xác_nhận của cơ_quan hải_quan nơi nhập_khẩu ) . [object Object] - khi làm thủ_tục hải_quan , người khai hải_quan nộp , xuất_trình cho cơ_quan hải_quan nơi đăng_ký tờ khai hải_quan các hồ_sơ sau : [object Object] + hồ_sơ hải_quan theo quy_định hiện_hành ; [object Object] + danh_mục hàng_hóa và phiếu theo_dõi trừ lùi đã đăng_ký với cơ_quan hải_quan ( bản giao người khai hải_quan ) để cơ_quan hải_quan làm thủ_tục thực_hiện...	`trường_hợp tôi làm mất danh_mục và phiếu theo_dõi trừ lùi hàng_hóa_nhập_khẩu dung_môi n - hexan dùng trong sản_xuất khô_dầu đậu_tương và dầu thực_vật , cám gạo trích ly và dầu cám thì cần làm những thủ_tục gì ?`
`thẩm_quyền cấp giấy chứng_nhận cơ_sở đủ điều_kiện đăng_kiểm tàu cá là : tổng_cục thủy_sản .`	`thẩm_quyền cấp giấy chứng_nhận cơ_sở đủ điều_kiện đăng_kiểm tàu cá ?`

Loss: MatryoshkaLoss with these parameters:
json
1{ 2 "loss": "MultipleNegativesRankingLoss", 3 "matryoshka_dims": [ 4 768, 5 512 6 ], 7 "matryoshka_weights": [ 8 1, 9 1 10 ], 11 "n_dims_per_step": -1 12}

Evaluation Dataset

json

Dataset: json
Size: 1,134 evaluation samples
Columns: positive and anchor
Approximate statistics based on the first 1000 samples:
positive anchor
type string string
details
min: 4 tokens
mean: 224.45 tokens
max: 512 tokens
min: 7 tokens
mean: 45.85 tokens
max: 512 tokens

Samples:

positive	anchor
việc thực_hiện thủ_tục tặng_thưởng bằng khen cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương về thành_tích đột_xuất được tiến_hành như sau : [object Object] bước 1 . vụ , phòng , ban thi_đua – khen_thưởng các bộ , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương tiếp_nhận đề_nghị khen_thưởng của các đơn_vị thực thuộc . [object Object] bước 2 . thẩm_định hồ_sơ , xin ý_kiến các cơ_quan liên_quan , báo_cáo hội_đồng thi_đua khen_thưởng cùng cấp , tổng_hợp trình bộ_trưởng , thủ_trưởng đơn_vị , chủ_tịch ubnd tỉnh , thành_phố quyết_định khen_thưởng . [object Object] bước 3 . khi có quyết_định của bộ_trưởng , thủ_trưởng đơn_vị , chủ_tịch ubnd tỉnh , thành_phố trực_thuộc trung_ương ; vụ , phòng , ban thi_đua – khen_thưởng các bộ , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương thông_báo quyết_định , viết bằng , đóng_dấu và cấp_phát cho đơn_vị trình khen . [object Object] bước 4 . các trường_hợp không được khen_thưởng ( không đúng đối_tượng , không đủ tiêu_chuẩn , không đủ ...	`đề_nghị cho biết trình_tự thực_hiện thủ_tục tặng_thưởng bằng khen cấp bộ , ban , ngành , đoàn_thể trung_ương , tỉnh , thành_phố trực_thuộc trung_ương về thành_tích đột_xuất`
bông_thủy_tinh chống cháy là vật_liệu chống cháy , thuộc danh_mục phương_tiện pccc quy_định phụ_lục v nghị_định số 79 / 2014 / nđ - cp ngày 31 / 7 / 2014 quy_định chi_tiết thi_hành một_số điều của luật phòng cháy và chữa_cháy và luật sửa_đổi , bổ_sung một_số điều của luật phòng cháy và chữa_cháy . do đó , nếu đưa vào sử_dụng trong hạng_mục pccc của công_trình thì phải kiểm_định về pccc. tuy_nhiên , đối_với vật_liệu bông thủy_tinh cách_nhiệt chống cháy được các cơ_quan , tổ_chức , cá_nhân cần xem_xét tùy vào yêu_cầu cụ_thể của công_trình để đăng_ký kiểm_định “ tính nguy_hiểm cháy ” đối_với vật_liệu đó hoặc “ giới_hạn chịu_lửa ” của kết_cấu sử_dụng vật_liệu đó . thành_phần hồ_sơ đề_nghị kiểm_định được quy_định tại điểm a khoản 4 điều 18 thông_tư 66 / 2014 / tt - bca ngày 16 / 12 / 2014 quy_định chi_tiết thi_hành một_số điều của nghị_định số 79 / 2014 / nđ - cp ngày 31 / 7 / 2014 quy_định chi_tiết thi_hành một_số điều của luật phòng cháy và chữa_cháy và luật sửa_đổi , bổ_sung một_số điều ...	`bông_thủy_tinh cách_nhiệt chống cháy có phải kiểm_định không ? thành_phần hồ_sơ đề_nghị kiểm_định như thế_nào ?`
`thẻ thường_trú không có thời_hạn nhưng định_kỳ 10 năm một lần , người nước_ngoài thường_trú phải đến nộp hồ_sơ tại phòng quản_lý xuất , nhập_cảnh công_an tỉnh , thành_phố trực_thuộc trung_ương để đề_nghị cấp đổi thẻ thường_trú .`	`thẻ thường_trú có thời_hạn không ?`

Loss: MatryoshkaLoss with these parameters:
json
1{ 2 "loss": "MultipleNegativesRankingLoss", 3 "matryoshka_dims": [ 4 768, 5 512 6 ], 7 "matryoshka_weights": [ 8 1, 9 1 10 ], 11 "n_dims_per_step": -1 12}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 2
per_device_eval_batch_size: 2
gradient_accumulation_steps: 2
learning_rate: 2e-05
num_train_epochs: 5
lr_scheduler_type: cosine
warmup_ratio: 0.1
fp16: True
tf32: False
load_best_model_at_end: True
optim: adamw_torch_fused
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 2
per_device_eval_batch_size: 2
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 2
eval_accumulation_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: 5
max_steps: -1
lr_scheduler_type: cosine
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: False
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_fused
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: False
hub_always_push: False
gradient_checkpointing: False
gradient_checkpointing_kwargs: None
include_inputs_for_metrics: False
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
prompts: None
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional

Training Logs

Click to expand

Epoch	Step	Training Loss	Validation Loss	dim_768_cosine_ndcg@10	dim_512_cosine_ndcg@10
0	0	-	-	0.1142	0.1121
0.0039	10	0.8602	-	-	-
0.0078	20	1.1294	-	-	-
0.0118	30	1.5289	-	-	-
0.0157	40	1.4683	-	-	-
0.0196	50	1.2566	-	-	-
0.0235	60	1.1714	-	-	-
0.0275	70	1.1744	-	-	-
0.0314	80	0.7744	-	-	-
0.0353	90	1.2876	-	-	-
0.0392	100	0.8835	-	-	-
0.0431	110	0.8167	-	-	-
0.0471	120	0.6097	-	-	-
0.0510	130	0.7939	-	-	-
0.0549	140	0.6799	-	-	-
0.0588	150	0.346	-	-	-
0.0627	160	0.7042	-	-	-
0.0667	170	0.5031	-	-	-
0.0706	180	0.4317	-	-	-
0.0745	190	0.5058	-	-	-
0.0784	200	0.1954	-	-	-
0.0824	210	0.5845	-	-	-
0.0863	220	0.2759	-	-	-
0.0902	230	0.2405	-	-	-
0.0941	240	0.2455	-	-	-
0.0980	250	0.1958	-	-	-
0.1020	260	0.3436	-	-	-
0.1059	270	0.2344	-	-	-
0.1098	280	1.0659	-	-	-
0.1137	290	0.1254	-	-	-
0.1176	300	0.7956	-	-	-
0.1216	310	0.0957	-	-	-
0.1255	320	0.5739	-	-	-
0.1294	330	0.1415	-	-	-
0.1333	340	0.2153	-	-	-
0.1373	350	0.1363	-	-	-
0.1412	360	0.0855	-	-	-
0.1451	370	0.5863	-	-	-
0.1490	380	0.1369	-	-	-
0.1529	390	0.5069	-	-	-
0.1569	400	0.1316	-	-	-
0.1608	410	0.5947	-	-	-
0.1647	420	0.1698	-	-	-
0.1686	430	0.084	-	-	-
0.1725	440	0.1195	-	-	-
0.1765	450	0.1941	-	-	-
0.1804	460	0.4503	-	-	-
0.1843	470	0.2021	-	-	-
0.1882	480	0.534	-	-	-
0.1922	490	0.3218	-	-	-
0.1961	500	0.0119	-	-	-
0.2	510	0.4415	-	-	-
0.2039	520	0.1247	-	-	-
0.2078	530	0.0753	-	-	-
0.2118	540	0.0724	-	-	-
0.2157	550	0.1394	-	-	-
0.2196	560	0.0975	-	-	-
0.2235	570	0.2055	-	-	-
0.2275	580	0.0251	-	-	-
0.2314	590	0.1867	-	-	-
0.2353	600	0.3077	-	-	-
0.2392	610	0.2089	-	-	-
0.2431	620	0.0666	-	-	-
0.2471	630	0.2901	-	-	-
0.2510	640	0.2493	-	-	-
0.2549	650	0.3162	-	-	-
0.2588	660	0.1924	-	-	-
0.2627	670	0.2872	-	-	-
0.2667	680	0.0455	-	-	-
0.2706	690	0.1051	-	-	-
0.2745	700	0.0217	-	-	-
0.2784	710	0.3079	-	-	-
0.2824	720	0.0968	-	-	-
0.2863	730	0.218	-	-	-
0.2902	740	0.177	-	-	-
0.2941	750	0.0178	-	-	-
0.2980	760	0.0167	-	-	-
0.3020	770	0.5656	-	-	-
0.3059	780	0.1421	-	-	-
0.3098	790	0.1184	-	-	-
0.3137	800	0.2056	-	-	-
0.3176	810	0.4708	-	-	-
0.3216	820	0.0252	-	-	-
0.3255	830	0.0416	-	-	-
0.3294	840	0.2053	-	-	-
0.3333	850	0.0285	-	-	-
0.3373	860	0.4662	-	-	-
0.3412	870	0.1199	-	-	-
0.3451	880	0.2153	-	-	-
0.3490	890	0.0251	-	-	-
0.3529	900	0.1444	-	-	-
0.3569	910	0.372	-	-	-
0.3608	920	0.0776	-	-	-
0.3647	930	0.0349	-	-	-
0.3686	940	0.0561	-	-	-
0.3725	950	0.1984	-	-	-
0.3765	960	0.1675	-	-	-
0.3804	970	0.1451	-	-	-
0.3843	980	0.0406	-	-	-
0.3882	990	0.2239	-	-	-
0.3922	1000	0.0217	-	-	-
0.3961	1010	0.1168	-	-	-
0.4	1020	0.0103	-	-	-
0.4039	1030	0.084	-	-	-
0.4078	1040	0.1139	-	-	-
0.4118	1050	0.051	-	-	-
0.4157	1060	0.1846	-	-	-
0.4196	1070	0.0561	-	-	-
0.4235	1080	0.065	-	-	-
0.4275	1090	0.121	-	-	-
0.4314	1100	0.4226	-	-	-
0.4353	1110	0.0381	-	-	-
0.4392	1120	0.2831	-	-	-
0.4431	1130	0.2387	-	-	-
0.4471	1140	0.0662	-	-	-
0.4510	1150	0.3491	-	-	-
0.4549	1160	0.3324	-	-	-
0.4588	1170	0.6251	-	-	-
0.4627	1180	0.5113	-	-	-
0.4667	1190	0.3145	-	-	-
0.4706	1200	0.1776	-	-	-
0.4745	1210	0.4667	-	-	-
0.4784	1220	0.046	-	-	-
0.4824	1230	0.1139	-	-	-
0.4863	1240	0.0571	-	-	-
0.4902	1250	0.1979	-	-	-
0.4941	1260	0.0846	-	-	-
0.4980	1270	0.2897	-	-	-
0.5020	1280	0.0535	-	-	-
0.5059	1290	0.0872	-	-	-
0.5098	1300	0.3001	-	-	-
0.5137	1310	0.1507	-	-	-
0.5176	1320	0.3771	-	-	-
0.5216	1330	0.0424	-	-	-
0.5255	1340	0.0149	-	-	-
0.5294	1350	0.0682	-	-	-
0.5333	1360	0.013	-	-	-
0.5373	1370	0.0866	-	-	-
0.5412	1380	0.0615	-	-	-
0.5451	1390	0.538	-	-	-
0.5490	1400	0.0961	-	-	-
0.5529	1410	0.2196	-	-	-
0.5569	1420	0.2218	-	-	-
0.5608	1430	0.0611	-	-	-
0.5647	1440	0.3901	-	-	-
0.5686	1450	0.0145	-	-	-
0.5725	1460	0.3781	-	-	-
0.5765	1470	0.0756	-	-	-
0.5804	1480	0.0251	-	-	-
0.5843	1490	0.3313	-	-	-
0.5882	1500	0.0089	-	-	-
0.5922	1510	0.1892	-	-	-
0.5961	1520	0.1132	-	-	-
0.6	1530	0.0031	-	-	-
0.6039	1540	0.356	-	-	-
0.6078	1550	0.4133	-	-	-
0.6118	1560	0.1782	-	-	-
0.6157	1570	0.44	-	-	-
0.6196	1580	0.0214	-	-	-
0.6235	1590	0.1552	-	-	-
0.6275	1600	0.076	-	-	-
0.6314	1610	0.0551	-	-	-
0.6353	1620	0.1267	-	-	-
0.6392	1630	0.2712	-	-	-
0.6431	1640	0.178	-	-	-
0.6471	1650	0.084	-	-	-
0.6510	1660	0.0944	-	-	-
0.6549	1670	0.1268	-	-	-
0.6588	1680	0.7754	-	-	-
0.6627	1690	0.1708	-	-	-
0.6667	1700	0.514	-	-	-
0.6706	1710	0.318	-	-	-
0.6745	1720	0.0324	-	-	-
0.6784	1730	0.1885	-	-	-
0.6824	1740	0.1905	-	-	-
0.6863	1750	0.2485	-	-	-
0.6902	1760	0.2327	-	-	-
0.6941	1770	0.4131	-	-	-
0.6980	1780	0.11	-	-	-
0.7020	1790	0.091	-	-	-
0.7059	1800	0.1213	-	-	-
0.7098	1810	0.1598	-	-	-
0.7137	1820	0.0126	-	-	-
0.7176	1830	0.3891	-	-	-
0.7216	1840	0.1847	-	-	-
0.7255	1850	0.4691	-	-	-
0.7294	1860	0.0932	-	-	-
0.7333	1870	0.0232	-	-	-
0.7373	1880	0.2296	-	-	-
0.7412	1890	0.2369	-	-	-
0.7451	1900	0.104	-	-	-
0.7490	1910	0.0108	-	-	-
0.7529	1920	0.0468	-	-	-
0.7569	1930	0.0441	-	-	-
0.7608	1940	0.0117	-	-	-
0.7647	1950	0.056	-	-	-
0.7686	1960	0.0027	-	-	-
0.7725	1970	0.0267	-	-	-
0.7765	1980	0.2566	-	-	-
0.7804	1990	0.0119	-	-	-
0.7843	2000	0.0212	-	-	-
0.7882	2010	0.0766	-	-	-
0.7922	2020	0.2285	-	-	-
0.7961	2030	0.069	-	-	-
0.8	2040	0.2587	-	-	-
0.8039	2050	0.0104	-	-	-
0.8078	2060	0.0279	-	-	-
0.8118	2070	0.0051	-	-	-
0.8157	2080	0.064	-	-	-
0.8196	2090	0.1107	-	-	-
0.8235	2100	0.0129	-	-	-
0.8275	2110	0.0117	-	-	-
0.8314	2120	0.1524	-	-	-
0.8353	2130	0.0201	-	-	-
0.8392	2140	0.0608	-	-	-
0.8431	2150	0.253	-	-	-
0.8471	2160	0.2347	-	-	-
0.8510	2170	0.025	-	-	-
0.8549	2180	0.0988	-	-	-
0.8588	2190	0.2284	-	-	-
0.8627	2200	0.0012	-	-	-
0.8667	2210	0.1169	-	-	-
0.8706	2220	0.0184	-	-	-
0.8745	2230	0.3646	-	-	-
0.8784	2240	0.0758	-	-	-
0.8824	2250	0.0887	-	-	-
0.8863	2260	0.2657	-	-	-
0.8902	2270	0.0017	-	-	-
0.8941	2280	0.0279	-	-	-
0.8980	2290	0.1681	-	-	-
0.9020	2300	0.2946	-	-	-
0.9059	2310	0.1676	-	-	-
0.9098	2320	0.0668	-	-	-
0.9137	2330	0.3439	-	-	-
0.9176	2340	0.0413	-	-	-
0.9216	2350	0.1239	-	-	-
0.9255	2360	0.4785	-	-	-
0.9294	2370	0.2243	-	-	-
0.9333	2380	0.1223	-	-	-
0.9373	2390	0.0622	-	-	-
0.9412	2400	0.0227	-	-	-
0.9451	2410	0.1471	-	-	-
0.9490	2420	0.3606	-	-	-
0.9529	2430	0.0403	-	-	-
0.9569	2440	0.1076	-	-	-
0.9608	2450	0.0769	-	-	-
0.9647	2460	0.1672	-	-	-
0.9686	2470	0.0218	-	-	-
0.9725	2480	0.0946	-	-	-
0.9765	2490	0.3794	-	-	-
0.9804	2500	0.5366	-	-	-
0.9843	2510	0.2246	-	-	-
0.9882	2520	0.15	-	-	-
0.9922	2530	0.3144	-	-	-
0.9961	2540	0.2857	-	-	-
1.0	2550	0.0037	0.0854	0.4697	0.4652
1.0039	2560	0.025	-	-	-
1.0078	2570	0.3911	-	-	-
1.0118	2580	0.4082	-	-	-
1.0157	2590	0.119	-	-	-
1.0196	2600	0.1977	-	-	-
1.0235	2610	0.0649	-	-	-
1.0275	2620	0.0508	-	-	-
1.0314	2630	0.2132	-	-	-
1.0353	2640	0.0072	-	-	-
1.0392	2650	0.0073	-	-	-
1.0431	2660	0.1286	-	-	-
1.0471	2670	0.1423	-	-	-
1.0510	2680	0.0667	-	-	-
1.0549	2690	0.1332	-	-	-
1.0588	2700	0.0001	-	-	-
1.0627	2710	0.8159	-	-	-
1.0667	2720	0.4064	-	-	-
1.0706	2730	0.0488	-	-	-
1.0745	2740	0.0642	-	-	-
1.0784	2750	0.1307	-	-	-
1.0824	2760	0.2666	-	-	-
1.0863	2770	0.1654	-	-	-
1.0902	2780	0.0145	-	-	-
1.0941	2790	0.0316	-	-	-
1.0980	2800	0.0992	-	-	-
1.1020	2810	0.028	-	-	-
1.1059	2820	0.2833	-	-	-
1.1098	2830	0.3848	-	-	-
1.1137	2840	0.3008	-	-	-
1.1176	2850	0.3119	-	-	-
1.1216	2860	0.0042	-	-	-
1.1255	2870	0.1943	-	-	-
1.1294	2880	0.0267	-	-	-
1.1333	2890	0.01	-	-	-
1.1373	2900	0.0461	-	-	-
1.1412	2910	0.0511	-	-	-
1.1451	2920	0.3615	-	-	-
1.1490	2930	0.0248	-	-	-
1.1529	2940	0.8469	-	-	-
1.1569	2950	0.132	-	-	-
1.1608	2960	0.0038	-	-	-
1.1647	2970	0.0151	-	-	-
1.1686	2980	0.0114	-	-	-
1.1725	2990	0.0123	-	-	-
1.1765	3000	0.2312	-	-	-
1.1804	3010	0.2057	-	-	-
1.1843	3020	0.0018	-	-	-
1.1882	3030	0.2412	-	-	-
1.1922	3040	0.2298	-	-	-
1.1961	3050	0.002	-	-	-
1.2	3060	0.0147	-	-	-
1.2039	3070	0.0014	-	-	-
1.2078	3080	0.0091	-	-	-
1.2118	3090	0.0011	-	-	-
1.2157	3100	0.0444	-	-	-
1.2196	3110	0.0049	-	-	-
1.2235	3120	0.0826	-	-	-
1.2275	3130	0.0109	-	-	-
1.2314	3140	0.0548	-	-	-
1.2353	3150	0.0889	-	-	-
1.2392	3160	0.2116	-	-	-
1.2431	3170	0.003	-	-	-
1.2471	3180	0.0356	-	-	-
1.2510	3190	0.0755	-	-	-
1.2549	3200	0.0101	-	-	-
1.2588	3210	0.0353	-	-	-
1.2627	3220	0.0411	-	-	-
1.2667	3230	0.2835	-	-	-
1.2706	3240	0.1382	-	-	-
1.2745	3250	0.0087	-	-	-
1.2784	3260	0.3077	-	-	-
1.2824	3270	0.0014	-	-	-
1.2863	3280	0.0079	-	-	-
1.2902	3290	0.0311	-	-	-
1.2941	3300	0.0324	-	-	-
1.2980	3310	0.0098	-	-	-
1.3020	3320	0.0982	-	-	-
1.3059	3330	0.0483	-	-	-
1.3098	3340	0.106	-	-	-
1.3137	3350	0.1076	-	-	-
1.3176	3360	0.0854	-	-	-
1.3216	3370	0.0016	-	-	-
1.3255	3380	0.0187	-	-	-
1.3294	3390	0.2283	-	-	-
1.3333	3400	0.0125	-	-	-
1.3373	3410	0.0154	-	-	-
1.3412	3420	0.0141	-	-	-
1.3451	3430	0.118	-	-	-
1.3490	3440	0.0031	-	-	-
1.3529	3450	0.075	-	-	-
1.3569	3460	0.0766	-	-	-
1.3608	3470	0.0531	-	-	-
1.3647	3480	0.0014	-	-	-
1.3686	3490	0.0541	-	-	-
1.3725	3500	0.0426	-	-	-
1.3765	3510	0.0263	-	-	-
1.3804	3520	0.0512	-	-	-
1.3843	3530	0.0012	-	-	-
1.3882	3540	0.2371	-	-	-
1.3922	3550	0.0235	-	-	-
1.3961	3560	0.0038	-	-	-
1.4	3570	0.0214	-	-	-
1.4039	3580	0.0031	-	-	-
1.4078	3590	0.039	-	-	-
1.4118	3600	0.0087	-	-	-
1.4157	3610	0.033	-	-	-
1.4196	3620	0.0003	-	-	-
1.4235	3630	0.0058	-	-	-
1.4275	3640	0.0077	-	-	-
1.4314	3650	0.0006	-	-	-
1.4353	3660	0.0037	-	-	-
1.4392	3670	0.0123	-	-	-
1.4431	3680	0.0001	-	-	-
1.4471	3690	0.1326	-	-	-
1.4510	3700	0.0055	-	-	-
1.4549	3710	0.0269	-	-	-
1.4588	3720	0.0146	-	-	-
1.4627	3730	0.0853	-	-	-
1.4667	3740	0.0044	-	-	-
1.4706	3750	0.0493	-	-	-
1.4745	3760	0.0583	-	-	-
1.4784	3770	0.0011	-	-	-
1.4824	3780	0.0531	-	-	-
1.4863	3790	0.0323	-	-	-
1.4902	3800	0.0445	-	-	-
1.4941	3810	0.007	-	-	-
1.4980	3820	0.0487	-	-	-
1.5020	3830	0.0015	-	-	-
1.5059	3840	0.0414	-	-	-
1.5098	3850	0.0966	-	-	-
1.5137	3860	0.0099	-	-	-
1.5176	3870	0.0079	-	-	-
1.5216	3880	0.0332	-	-	-
1.5255	3890	0.0033	-	-	-
1.5294	3900	0.1201	-	-	-
1.5333	3910	0.0193	-	-	-
1.5373	3920	0.0028	-	-	-
1.5412	3930	0.0071	-	-	-
1.5451	3940	0.0241	-	-	-
1.5490	3950	0.0977	-	-	-
1.5529	3960	0.0125	-	-	-
1.5569	3970	0.1114	-	-	-
1.5608	3980	0.048	-	-	-
1.5647	3990	0.0007	-	-	-
1.5686	4000	0.0012	-	-	-
1.5725	4010	0.235	-	-	-
1.5765	4020	0.0022	-	-	-
1.5804	4030	0.011	-	-	-
1.5843	4040	0.0055	-	-	-
1.5882	4050	0.0027	-	-	-
1.5922	4060	0.0888	-	-	-
1.5961	4070	0.0028	-	-	-
1.6	4080	0.0387	-	-	-
1.6039	4090	0.161	-	-	-
1.6078	4100	0.4346	-	-	-
1.6118	4110	0.0364	-	-	-
1.6157	4120	0.0481	-	-	-
1.6196	4130	0.0025	-	-	-
1.6235	4140	0.0039	-	-	-
1.6275	4150	0.0001	-	-	-
1.6314	4160	0.0022	-	-	-
1.6353	4170	0.0068	-	-	-
1.6392	4180	0.1178	-	-	-
1.6431	4190	0.1127	-	-	-
1.6471	4200	0.0153	-	-	-
1.6510	4210	0.0376	-	-	-
1.6549	4220	0.0365	-	-	-
1.6588	4230	0.0315	-	-	-
1.6627	4240	0.0136	-	-	-
1.6667	4250	0.2561	-	-	-
1.6706	4260	0.0937	-	-	-
1.6745	4270	0.0002	-	-	-
1.6784	4280	0.0131	-	-	-
1.6824	4290	0.0022	-	-	-
1.6863	4300	0.0007	-	-	-
1.6902	4310	0.0516	-	-	-
1.6941	4320	0.0133	-	-	-
1.6980	4330	0.0255	-	-	-
1.7020	4340	0.1381	-	-	-
1.7059	4350	0.0009	-	-	-
1.7098	4360	0.0401	-	-	-
1.7137	4370	0.0001	-	-	-
1.7176	4380	0.0073	-	-	-
1.7216	4390	0.0038	-	-	-
1.7255	4400	0.0011	-	-	-
1.7294	4410	0.0026	-	-	-
1.7333	4420	0.0028	-	-	-
1.7373	4430	0.0075	-	-	-
1.7412	4440	0.021	-	-	-
1.7451	4450	0.0007	-	-	-
1.7490	4460	0.0025	-	-	-
1.7529	4470	0.0171	-	-	-
1.7569	4480	0.0079	-	-	-
1.7608	4490	0.0001	-	-	-
1.7647	4500	0.0074	-	-	-
1.7686	4510	0.0024	-	-	-
1.7725	4520	0.0002	-	-	-
1.7765	4530	0.0181	-	-	-
1.7804	4540	0.0004	-	-	-
1.7843	4550	0.0003	-	-	-
1.7882	4560	0.0071	-	-	-
1.7922	4570	0.0133	-	-	-
1.7961	4580	0.0292	-	-	-
1.8	4590	0.0186	-	-	-
1.8039	4600	0.0005	-	-	-
1.8078	4610	0.0077	-	-	-
1.8118	4620	0.0028	-	-	-
1.8157	4630	0.0044	-	-	-
1.8196	4640	0.114	-	-	-
1.8235	4650	0.0045	-	-	-
1.8275	4660	0.0003	-	-	-
1.8314	4670	0.0084	-	-	-
1.8353	4680	0.0031	-	-	-
1.8392	4690	0.1035	-	-	-
1.8431	4700	0.0013	-	-	-
1.8471	4710	0.0015	-	-	-
1.8510	4720	0.0029	-	-	-
1.8549	4730	0.0006	-	-	-
1.8588	4740	0.0536	-	-	-
1.8627	4750	0.0001	-	-	-
1.8667	4760	0.0003	-	-	-
1.8706	4770	0.0015	-	-	-
1.8745	4780	0.0012	-	-	-
1.8784	4790	0.0013	-	-	-
1.8824	4800	0.0068	-	-	-
1.8863	4810	0.0458	-	-	-
1.8902	4820	0.0002	-	-	-
1.8941	4830	0.0345	-	-	-
1.8980	4840	0.0046	-	-	-
1.9020	4850	0.0254	-	-	-
1.9059	4860	0.0064	-	-	-
1.9098	4870	0.0042	-	-	-
1.9137	4880	0.0836	-	-	-
1.9176	4890	0.0111	-	-	-
1.9216	4900	0.1384	-	-	-
1.9255	4910	0.1505	-	-	-
1.9294	4920	0.0114	-	-	-
1.9333	4930	0.115	-	-	-
1.9373	4940	0.0743	-	-	-
1.9412	4950	0.0208	-	-	-
1.9451	4960	0.0034	-	-	-
1.9490	4970	0.0036	-	-	-
1.9529	4980	0.0038	-	-	-
1.9569	4990	0.0007	-	-	-
1.9608	5000	0.0011	-	-	-
1.9647	5010	0.0007	-	-	-
1.9686	5020	0.0006	-	-	-
1.9725	5030	0.0541	-	-	-
1.9765	5040	0.0061	-	-	-
1.9804	5050	0.2321	-	-	-
1.9843	5060	0.0086	-	-	-
1.9882	5070	0.0087	-	-	-
1.9922	5080	0.0055	-	-	-
1.9961	5090	0.0737	-	-	-
2.0	5100	0.0414	0.0658	0.4976	0.4920
2.0039	5110	0.0019	-	-	-
2.0078	5120	0.058	-	-	-
2.0118	5130	0.0186	-	-	-
2.0157	5140	0.0004	-	-	-
2.0196	5150	0.0002	-	-	-
2.0235	5160	0.0213	-	-	-
2.0275	5170	0.0012	-	-	-
2.0314	5180	0.0107	-	-	-
2.0353	5190	0.0005	-	-	-
2.0392	5200	0.0056	-	-	-
2.0431	5210	0.0003	-	-	-
2.0471	5220	0.0248	-	-	-
2.0510	5230	0.0004	-	-	-
2.0549	5240	0.0021	-	-	-
2.0588	5250	0.0002	-	-	-
2.0627	5260	0.0181	-	-	-
2.0667	5270	0.2054	-	-	-
2.0706	5280	0.0005	-	-	-
2.0745	5290	0.003	-	-	-
2.0784	5300	0.4988	-	-	-
2.0824	5310	0.0217	-	-	-
2.0863	5320	0.1533	-	-	-
2.0902	5330	0.0006	-	-	-
2.0941	5340	0.001	-	-	-
2.0980	5350	0.0304	-	-	-
2.1020	5360	0.0014	-	-	-
2.1059	5370	0.0366	-	-	-
2.1098	5380	0.1096	-	-	-
2.1137	5390	0.0016	-	-	-
2.1176	5400	0.151	-	-	-
2.1216	5410	0.0049	-	-	-
2.1255	5420	0.102	-	-	-
2.1294	5430	0.0042	-	-	-
2.1333	5440	0.2302	-	-	-
2.1373	5450	0.1974	-	-	-
2.1412	5460	0.0003	-	-	-
2.1451	5470	0.2766	-	-	-
2.1490	5480	0.0002	-	-	-
2.1529	5490	0.0238	-	-	-
2.1569	5500	0.0023	-	-	-
2.1608	5510	0.0086	-	-	-
2.1647	5520	0.0068	-	-	-
2.1686	5530	0.0041	-	-	-
2.1725	5540	0.0005	-	-	-
2.1765	5550	0.0133	-	-	-
2.1804	5560	0.0034	-	-	-
2.1843	5570	0.0023	-	-	-
2.1882	5580	0.022	-	-	-
2.1922	5590	0.0024	-	-	-
2.1961	5600	0.0003	-	-	-
2.2	5610	0.0005	-	-	-
2.2039	5620	0.0022	-	-	-
2.2078	5630	0.0007	-	-	-
2.2118	5640	0.0077	-	-	-
2.2157	5650	0.0086	-	-	-
2.2196	5660	0.0362	-	-	-
2.2235	5670	0.0009	-	-	-
2.2275	5680	0.0035	-	-	-
2.2314	5690	0.0015	-	-	-
2.2353	5700	0.0027	-	-	-
2.2392	5710	0.0013	-	-	-
2.2431	5720	0.0003	-	-	-
2.2471	5730	0.0016	-	-	-
2.2510	5740	0.1577	-	-	-
2.2549	5750	0.0081	-	-	-
2.2588	5760	0.0057	-	-	-
2.2627	5770	0.0006	-	-	-
2.2667	5780	0.0005	-	-	-
2.2706	5790	0.0003	-	-	-
2.2745	5800	0.0028	-	-	-
2.2784	5810	0.0557	-	-	-
2.2824	5820	0.0003	-	-	-
2.2863	5830	0.0002	-	-	-
2.2902	5840	0.0015	-	-	-
2.2941	5850	0.0003	-	-	-
2.2980	5860	0.0003	-	-	-
2.3020	5870	0.0602	-	-	-
2.3059	5880	0.0049	-	-	-
2.3098	5890	0.0003	-	-	-
2.3137	5900	0.0083	-	-	-
2.3176	5910	0.017	-	-	-
2.3216	5920	0.0002	-	-	-
2.3255	5930	0.0436	-	-	-
2.3294	5940	0.005	-	-	-
2.3333	5950	0.0001	-	-	-
2.3373	5960	0.0005	-	-	-
2.3412	5970	0.0051	-	-	-
2.3451	5980	0.0266	-	-	-
2.3490	5990	0.0001	-	-	-
2.3529	6000	0.0069	-	-	-
2.3569	6010	0.0382	-	-	-
2.3608	6020	0.0005	-	-	-
2.3647	6030	0.0014	-	-	-
2.3686	6040	0.0102	-	-	-
2.3725	6050	0.0044	-	-	-
2.3765	6060	0.0003	-	-	-
2.3804	6070	0.0013	-	-	-
2.3843	6080	0.0002	-	-	-
2.3882	6090	0.0001	-	-	-
2.3922	6100	0.0001	-	-	-
2.3961	6110	0.0002	-	-	-
2.4	6120	0.0003	-	-	-
2.4039	6130	0.004	-	-	-
2.4078	6140	0.0017	-	-	-
2.4118	6150	0.0048	-	-	-
2.4157	6160	0.0157	-	-	-
2.4196	6170	0.194	-	-	-
2.4235	6180	0.002	-	-	-
2.4275	6190	0.0015	-	-	-
2.4314	6200	0.0045	-	-	-
2.4353	6210	0.0002	-	-	-
2.4392	6220	0.0001	-	-	-
2.4431	6230	0.0248	-	-	-
2.4471	6240	0.0416	-	-	-
2.4510	6250	0.0152	-	-	-
2.4549	6260	0.0221	-	-	-
2.4588	6270	0.0036	-	-	-
2.4627	6280	0.0061	-	-	-
2.4667	6290	0.0114	-	-	-
2.4706	6300	0.0004	-	-	-
2.4745	6310	0.1051	-	-	-
2.4784	6320	0.0	-	-	-
2.4824	6330	0.0357	-	-	-
2.4863	6340	0.0011	-	-	-
2.4902	6350	0.0001	-	-	-
2.4941	6360	0.0026	-	-	-
2.4980	6370	0.1184	-	-	-
2.5020	6380	0.0009	-	-	-
2.5059	6390	0.0001	-	-	-
2.5098	6400	0.0002	-	-	-
2.5137	6410	0.0007	-	-	-
2.5176	6420	0.0006	-	-	-
2.5216	6430	0.0002	-	-	-
2.5255	6440	0.0001	-	-	-
2.5294	6450	0.0002	-	-	-
2.5333	6460	0.0001	-	-	-
2.5373	6470	0.0002	-	-	-
2.5412	6480	0.0001	-	-	-
2.5451	6490	0.0013	-	-	-
2.5490	6500	0.0116	-	-	-
2.5529	6510	0.0019	-	-	-
2.5569	6520	0.0045	-	-	-
2.5608	6530	0.002	-	-	-
2.5647	6540	0.0001	-	-	-
2.5686	6550	0.0086	-	-	-
2.5725	6560	0.0006	-	-	-
2.5765	6570	0.0009	-	-	-
2.5804	6580	0.0038	-	-	-
2.5843	6590	0.0389	-	-	-
2.5882	6600	0.0001	-	-	-
2.5922	6610	0.0006	-	-	-
2.5961	6620	0.0032	-	-	-
2.6	6630	0.0005	-	-	-
2.6039	6640	0.0003	-	-	-
2.6078	6650	0.1299	-	-	-
2.6118	6660	0.0035	-	-	-
2.6157	6670	0.0018	-	-	-
2.6196	6680	0.0001	-	-	-
2.6235	6690	0.0093	-	-	-
2.6275	6700	0.0004	-	-	-
2.6314	6710	0.0479	-	-	-
2.6353	6720	0.0353	-	-	-
2.6392	6730	0.0038	-	-	-
2.6431	6740	0.002	-	-	-
2.6471	6750	0.0007	-	-	-
2.6510	6760	0.0001	-	-	-
2.6549	6770	0.001	-	-	-
2.6588	6780	0.0003	-	-	-
2.6627	6790	0.0004	-	-	-
2.6667	6800	0.0078	-	-	-
2.6706	6810	0.0015	-	-	-
2.6745	6820	0.0002	-	-	-
2.6784	6830	0.0022	-	-	-
2.6824	6840	0.0015	-	-	-
2.6863	6850	0.0003	-	-	-
2.6902	6860	0.0043	-	-	-
2.6941	6870	0.0007	-	-	-
2.6980	6880	0.2414	-	-	-
2.7020	6890	0.0002	-	-	-
2.7059	6900	0.009	-	-	-
2.7098	6910	0.0002	-	-	-
2.7137	6920	0.0001	-	-	-
2.7176	6930	0.0002	-	-	-
2.7216	6940	0.0002	-	-	-
2.7255	6950	0.0005	-	-	-
2.7294	6960	0.0019	-	-	-
2.7333	6970	0.0001	-	-	-
2.7373	6980	0.0001	-	-	-
2.7412	6990	0.005	-	-	-
2.7451	7000	0.0001	-	-	-
2.7490	7010	0.0017	-	-	-
2.7529	7020	0.0008	-	-	-
2.7569	7030	0.0002	-	-	-
2.7608	7040	0.0001	-	-	-
2.7647	7050	0.0001	-	-	-
2.7686	7060	0.0024	-	-	-
2.7725	7070	0.0038	-	-	-
2.7765	7080	0.031	-	-	-
2.7804	7090	0.0	-	-	-
2.7843	7100	0.0012	-	-	-
2.7882	7110	0.0003	-	-	-
2.7922	7120	0.0002	-	-	-
2.7961	7130	0.0016	-	-	-
2.8	7140	0.0024	-	-	-
2.8039	7150	0.0	-	-	-
2.8078	7160	0.0005	-	-	-
2.8118	7170	0.0001	-	-	-
2.8157	7180	0.0004	-	-	-
2.8196	7190	0.0581	-	-	-
2.8235	7200	0.0007	-	-	-
2.8275	7210	0.0018	-	-	-
2.8314	7220	0.0007	-	-	-
2.8353	7230	0.0004	-	-	-
2.8392	7240	0.1577	-	-	-
2.8431	7250	0.0423	-	-	-
2.8471	7260	0.0003	-	-	-
2.8510	7270	0.0033	-	-	-
2.8549	7280	0.0002	-	-	-
2.8588	7290	0.0002	-	-	-
2.8627	7300	0.0002	-	-	-
2.8667	7310	0.0002	-	-	-
2.8706	7320	0.0	-	-	-
2.8745	7330	0.0008	-	-	-
2.8784	7340	0.0187	-	-	-
2.8824	7350	0.0002	-	-	-
2.8863	7360	0.0005	-	-	-
2.8902	7370	0.0002	-	-	-
2.8941	7380	0.0001	-	-	-
2.8980	7390	0.0001	-	-	-
2.9020	7400	0.0118	-	-	-
2.9059	7410	0.0009	-	-	-
2.9098	7420	0.0001	-	-	-
2.9137	7430	0.0524	-	-	-
2.9176	7440	0.0	-	-	-
2.9216	7450	0.0286	-	-	-
2.9255	7460	0.0504	-	-	-
2.9294	7470	0.0001	-	-	-
2.9333	7480	0.0107	-	-	-
2.9373	7490	0.0127	-	-	-
2.9412	7500	0.0002	-	-	-
2.9451	7510	0.0012	-	-	-
2.9490	7520	0.0026	-	-	-
2.9529	7530	0.0001	-	-	-
2.9569	7540	0.0003	-	-	-
2.9608	7550	0.0001	-	-	-
2.9647	7560	0.0001	-	-	-
2.9686	7570	0.0002	-	-	-
2.9725	7580	0.0001	-	-	-
2.9765	7590	0.0012	-	-	-
2.9804	7600	0.0004	-	-	-
2.9843	7610	0.0011	-	-	-
2.9882	7620	0.0003	-	-	-
2.9922	7630	0.0001	-	-	-
2.9961	7640	0.0096	-	-	-
3.0	7650	0.0006	0.0873	0.5038	0.4966
3.0039	7660	0.0001	-	-	-
3.0078	7670	0.0029	-	-	-
3.0118	7680	0.0004	-	-	-
3.0157	7690	0.004	-	-	-
3.0196	7700	0.0001	-	-	-
3.0235	7710	0.013	-	-	-
3.0275	7720	0.0008	-	-	-
3.0314	7730	0.0016	-	-	-
3.0353	7740	0.0011	-	-	-
3.0392	7750	0.0001	-	-	-
3.0431	7760	0.0139	-	-	-
3.0471	7770	0.0045	-	-	-
3.0510	7780	0.0056	-	-	-
3.0549	7790	0.0011	-	-	-
3.0588	7800	0.0078	-	-	-
3.0627	7810	0.0028	-	-	-
3.0667	7820	0.0004	-	-	-
3.0706	7830	0.0009	-	-	-
3.0745	7840	0.0001	-	-	-
3.0784	7850	0.0478	-	-	-
3.0824	7860	0.0001	-	-	-
3.0863	7870	0.0347	-	-	-
3.0902	7880	0.0001	-	-	-
3.0941	7890	0.0067	-	-	-
3.0980	7900	0.0003	-	-	-
3.1020	7910	0.0001	-	-	-
3.1059	7920	0.0009	-	-	-
3.1098	7930	0.0068	-	-	-
3.1137	7940	0.0003	-	-	-
3.1176	7950	0.0021	-	-	-
3.1216	7960	0.0001	-	-	-
3.1255	7970	0.078	-	-	-
3.1294	7980	0.0009	-	-	-
3.1333	7990	0.0005	-	-	-
3.1373	8000	0.0021	-	-	-
3.1412	8010	0.0	-	-	-
3.1451	8020	0.0004	-	-	-
3.1490	8030	0.0001	-	-	-
3.1529	8040	0.0004	-	-	-
3.1569	8050	0.0001	-	-	-
3.1608	8060	0.0002	-	-	-
3.1647	8070	0.0008	-	-	-
3.1686	8080	0.0001	-	-	-
3.1725	8090	0.0002	-	-	-
3.1765	8100	0.0002	-	-	-
3.1804	8110	0.0074	-	-	-
3.1843	8120	0.0	-	-	-
3.1882	8130	0.0001	-	-	-
3.1922	8140	0.0001	-	-	-
3.1961	8150	0.0	-	-	-
3.2	8160	0.0007	-	-	-
3.2039	8170	0.0001	-	-	-
3.2078	8180	0.0008	-	-	-
3.2118	8190	0.0	-	-	-
3.2157	8200	0.0	-	-	-
3.2196	8210	0.0011	-	-	-
3.2235	8220	0.0	-	-	-
3.2275	8230	0.0	-	-	-
3.2314	8240	0.0002	-	-	-
3.2353	8250	0.0022	-	-	-
3.2392	8260	0.0153	-	-	-
3.2431	8270	0.0001	-	-	-
3.2471	8280	0.0007	-	-	-
3.2510	8290	0.001	-	-	-
3.2549	8300	0.0001	-	-	-
3.2588	8310	0.0	-	-	-
3.2627	8320	0.0001	-	-	-
3.2667	8330	0.0	-	-	-
3.2706	8340	0.0015	-	-	-
3.2745	8350	0.0252	-	-	-
3.2784	8360	0.0011	-	-	-
3.2824	8370	0.0001	-	-	-
3.2863	8380	0.0	-	-	-
3.2902	8390	0.0003	-	-	-
3.2941	8400	0.0005	-	-	-
3.2980	8410	0.0	-	-	-
3.3020	8420	0.0002	-	-	-
3.3059	8430	0.0	-	-	-
3.3098	8440	0.0068	-	-	-
3.3137	8450	0.0001	-	-	-
3.3176	8460	0.0001	-	-	-
3.3216	8470	0.0	-	-	-
3.3255	8480	0.0001	-	-	-
3.3294	8490	0.0006	-	-	-
3.3333	8500	0.0	-	-	-
3.3373	8510	0.0	-	-	-
3.3412	8520	0.0001	-	-	-
3.3451	8530	0.0021	-	-	-
3.3490	8540	0.0001	-	-	-
3.3529	8550	0.0001	-	-	-
3.3569	8560	0.0	-	-	-
3.3608	8570	0.0	-	-	-
3.3647	8580	0.0	-	-	-
3.3686	8590	0.0013	-	-	-
3.3725	8600	0.0007	-	-	-
3.3765	8610	0.0004	-	-	-
3.3804	8620	0.0001	-	-	-
3.3843	8630	0.0001	-	-	-
3.3882	8640	0.0002	-	-	-
3.3922	8650	0.0008	-	-	-
3.3961	8660	0.0001	-	-	-
3.4	8670	0.0002	-	-	-
3.4039	8680	0.0003	-	-	-
3.4078	8690	0.0014	-	-	-
3.4118	8700	0.0345	-	-	-
3.4157	8710	0.0004	-	-	-
3.4196	8720	0.0057	-	-	-
3.4235	8730	0.0	-	-	-
3.4275	8740	0.0001	-	-	-
3.4314	8750	0.0009	-	-	-
3.4353	8760	0.0027	-	-	-
3.4392	8770	0.0002	-	-	-
3.4431	8780	0.0001	-	-	-
3.4471	8790	0.0486	-	-	-
3.4510	8800	0.0001	-	-	-
3.4549	8810	0.0012	-	-	-
3.4588	8820	0.0013	-	-	-
3.4627	8830	0.0065	-	-	-
3.4667	8840	0.0001	-	-	-
3.4706	8850	0.0001	-	-	-
3.4745	8860	0.0004	-	-	-
3.4784	8870	0.0	-	-	-
3.4824	8880	0.0001	-	-	-
3.4863	8890	0.0	-	-	-
3.4902	8900	0.0	-	-	-
3.4941	8910	0.0002	-	-	-
3.4980	8920	0.0001	-	-	-
3.5020	8930	0.0001	-	-	-
3.5059	8940	0.0003	-	-	-
3.5098	8950	0.0036	-	-	-
3.5137	8960	0.0027	-	-	-
3.5176	8970	0.0003	-	-	-
3.5216	8980	0.0002	-	-	-
3.5255	8990	0.0003	-	-	-
3.5294	9000	0.0003	-	-	-
3.5333	9010	0.0	-	-	-
3.5373	9020	0.0	-	-	-
3.5412	9030	0.0	-	-	-
3.5451	9040	0.0011	-	-	-
3.5490	9050	0.0006	-	-	-
3.5529	9060	0.0002	-	-	-
3.5569	9070	0.0065	-	-	-
3.5608	9080	0.0002	-	-	-
3.5647	9090	0.0	-	-	-
3.5686	9100	0.0004	-	-	-
3.5725	9110	0.0001	-	-	-
3.5765	9120	0.0004	-	-	-
3.5804	9130	0.0002	-	-	-
3.5843	9140	0.0015	-	-	-
3.5882	9150	0.0	-	-	-
3.5922	9160	0.0001	-	-	-
3.5961	9170	0.0002	-	-	-
3.6	9180	0.0	-	-	-
3.6039	9190	0.0002	-	-	-
3.6078	9200	0.0271	-	-	-
3.6118	9210	0.0	-	-	-
3.6157	9220	0.0	-	-	-
3.6196	9230	0.0001	-	-	-
3.6235	9240	0.0	-	-	-
3.6275	9250	0.0	-	-	-
3.6314	9260	0.0002	-	-	-
3.6353	9270	0.0004	-	-	-
3.6392	9280	0.0	-	-	-
3.6431	9290	0.0	-	-	-
3.6471	9300	0.0	-	-	-
3.6510	9310	0.0001	-	-	-
3.6549	9320	0.0001	-	-	-
3.6588	9330	0.0002	-	-	-
3.6627	9340	0.0001	-	-	-
3.6667	9350	0.0028	-	-	-
3.6706	9360	0.0001	-	-	-
3.6745	9370	0.0	-	-	-
3.6784	9380	0.0002	-	-	-
3.6824	9390	0.0001	-	-	-
3.6863	9400	0.0	-	-	-
3.6902	9410	0.0001	-	-	-
3.6941	9420	0.003	-	-	-
3.6980	9430	0.0027	-	-	-
3.7020	9440	0.0016	-	-	-
3.7059	9450	0.0001	-	-	-
3.7098	9460	0.0	-	-	-
3.7137	9470	0.0	-	-	-
3.7176	9480	0.0001	-	-	-
3.7216	9490	0.0001	-	-	-
3.7255	9500	0.0	-	-	-
3.7294	9510	0.0002	-	-	-
3.7333	9520	0.0	-	-	-
3.7373	9530	0.0002	-	-	-
3.7412	9540	0.0	-	-	-
3.7451	9550	0.0	-	-	-
3.7490	9560	0.0001	-	-	-
3.7529	9570	0.0	-	-	-
3.7569	9580	0.0	-	-	-
3.7608	9590	0.0001	-	-	-
3.7647	9600	0.0	-	-	-
3.7686	9610	0.0	-	-	-
3.7725	9620	0.0001	-	-	-
3.7765	9630	0.0004	-	-	-
3.7804	9640	0.0002	-	-	-
3.7843	9650	0.0	-	-	-
3.7882	9660	0.0001	-	-	-
3.7922	9670	0.0001	-	-	-
3.7961	9680	0.0001	-	-	-
3.8	9690	0.0007	-	-	-
3.8039	9700	0.0	-	-	-
3.8078	9710	0.0	-	-	-
3.8118	9720	0.0	-	-	-
3.8157	9730	0.0	-	-	-
3.8196	9740	0.0003	-	-	-
3.8235	9750	0.0001	-	-	-
3.8275	9760	0.0	-	-	-
3.8314	9770	0.0003	-	-	-
3.8353	9780	0.0001	-	-	-
3.8392	9790	0.0	-	-	-
3.8431	9800	0.0001	-	-	-
3.8471	9810	0.0	-	-	-
3.8510	9820	0.0	-	-	-
3.8549	9830	0.0018	-	-	-
3.8588	9840	0.0003	-	-	-
3.8627	9850	0.0	-	-	-
3.8667	9860	0.0003	-	-	-
3.8706	9870	0.0	-	-	-
3.8745	9880	0.0001	-	-	-
3.8784	9890	0.0001	-	-	-
3.8824	9900	0.0003	-	-	-
3.8863	9910	0.0	-	-	-
3.8902	9920	0.0001	-	-	-
3.8941	9930	0.0	-	-	-
3.8980	9940	0.0003	-	-	-
3.9020	9950	0.0043	-	-	-
3.9059	9960	0.0	-	-	-
3.9098	9970	0.0009	-	-	-
3.9137	9980	0.0003	-	-	-
3.9176	9990	0.0	-	-	-
3.9216	10000	0.1185	-	-	-
3.9255	10010	0.0016	-	-	-
3.9294	10020	0.0005	-	-	-
3.9333	10030	0.0102	-	-	-
3.9373	10040	0.0247	-	-	-
3.9412	10050	0.0001	-	-	-
3.9451	10060	0.0	-	-	-
3.9490	10070	0.0001	-	-	-
3.9529	10080	0.0	-	-	-
3.9569	10090	0.0001	-	-	-
3.9608	10100	0.0002	-	-	-
3.9647	10110	0.0002	-	-	-
3.9686	10120	0.0001	-	-	-
3.9725	10130	0.0001	-	-	-
3.9765	10140	0.0	-	-	-
3.9804	10150	0.0002	-	-	-
3.9843	10160	0.0003	-	-	-
3.9882	10170	0.0	-	-	-
3.9922	10180	0.0	-	-	-
3.9961	10190	0.0003	-	-	-
4.0	10200	0.0	0.0763	0.5321	0.5258
4.0039	10210	0.0	-	-	-
4.0078	10220	0.0007	-	-	-
4.0118	10230	0.0002	-	-	-
4.0157	10240	0.0	-	-	-
4.0196	10250	0.0001	-	-	-
4.0235	10260	0.0001	-	-	-
4.0275	10270	0.0	-	-	-
4.0314	10280	0.0001	-	-	-
4.0353	10290	0.0	-	-	-
4.0392	10300	0.0001	-	-	-
4.0431	10310	0.0	-	-	-
4.0471	10320	0.0	-	-	-
4.0510	10330	0.0	-	-	-
4.0549	10340	0.0001	-	-	-
4.0588	10350	0.0	-	-	-
4.0627	10360	0.0004	-	-	-
4.0667	10370	0.0001	-	-	-
4.0706	10380	0.0	-	-	-
4.0745	10390	0.0	-	-	-
4.0784	10400	0.0003	-	-	-
4.0824	10410	0.0003	-	-	-
4.0863	10420	0.0008	-	-	-
4.0902	10430	0.0002	-	-	-
4.0941	10440	0.0	-	-	-
4.0980	10450	0.0	-	-	-
4.1020	10460	0.0	-	-	-
4.1059	10470	0.0002	-	-	-
4.1098	10480	0.0004	-	-	-
4.1137	10490	0.0	-	-	-
4.1176	10500	0.0034	-	-	-
4.1216	10510	0.0	-	-	-
4.1255	10520	0.0689	-	-	-
4.1294	10530	0.0	-	-	-
4.1333	10540	0.0001	-	-	-
4.1373	10550	0.0001	-	-	-
4.1412	10560	0.0001	-	-	-
4.1451	10570	0.0001	-	-	-
4.1490	10580	0.0	-	-	-
4.1529	10590	0.0001	-	-	-
4.1569	10600	0.0001	-	-	-
4.1608	10610	0.0	-	-	-
4.1647	10620	0.0002	-	-	-
4.1686	10630	0.0003	-	-	-
4.1725	10640	0.0	-	-	-
4.1765	10650	0.0	-	-	-
4.1804	10660	0.0001	-	-	-
4.1843	10670	0.0	-	-	-
4.1882	10680	0.001	-	-	-
4.1922	10690	0.0	-	-	-
4.1961	10700	0.0	-	-	-
4.2	10710	0.0	-	-	-
4.2039	10720	0.0	-	-	-
4.2078	10730	0.0	-	-	-
4.2118	10740	0.0	-	-	-
4.2157	10750	0.0001	-	-	-
4.2196	10760	0.0001	-	-	-
4.2235	10770	0.0	-	-	-
4.2275	10780	0.0	-	-	-
4.2314	10790	0.0001	-	-	-
4.2353	10800	0.0003	-	-	-
4.2392	10810	0.0001	-	-	-
4.2431	10820	0.0	-	-	-
4.2471	10830	0.0	-	-	-
4.2510	10840	0.0004	-	-	-
4.2549	10850	0.0	-	-	-
4.2588	10860	0.0	-	-	-
4.2627	10870	0.0001	-	-	-
4.2667	10880	0.0	-	-	-
4.2706	10890	0.0	-	-	-
4.2745	10900	0.0	-	-	-
4.2784	10910	0.0	-	-	-
4.2824	10920	0.0011	-	-	-
4.2863	10930	0.0	-	-	-
4.2902	10940	0.0	-	-	-
4.2941	10950	0.0	-	-	-
4.2980	10960	0.0001	-	-	-
4.3020	10970	0.0001	-	-	-
4.3059	10980	0.0002	-	-	-
4.3098	10990	0.0	-	-	-
4.3137	11000	0.0	-	-	-
4.3176	11010	0.0002	-	-	-
4.3216	11020	0.0	-	-	-
4.3255	11030	0.0	-	-	-
4.3294	11040	0.0001	-	-	-
4.3333	11050	0.0	-	-	-
4.3373	11060	0.0	-	-	-
4.3412	11070	0.0	-	-	-
4.3451	11080	0.0007	-	-	-
4.3490	11090	0.0	-	-	-
4.3529	11100	0.0	-	-	-
4.3569	11110	0.0	-	-	-
4.3608	11120	0.0	-	-	-
4.3647	11130	0.0	-	-	-
4.3686	11140	0.0	-	-	-
4.3725	11150	0.0001	-	-	-
4.3765	11160	0.0	-	-	-
4.3804	11170	0.0001	-	-	-
4.3843	11180	0.0001	-	-	-
4.3882	11190	0.0	-	-	-
4.3922	11200	0.0	-	-	-
4.3961	11210	0.0	-	-	-
4.4	11220	0.0	-	-	-
4.4039	11230	0.0	-	-	-
4.4078	11240	0.0	-	-	-
4.4118	11250	0.0001	-	-	-
4.4157	11260	0.0	-	-	-
4.4196	11270	0.0	-	-	-
4.4235	11280	0.0	-	-	-
4.4275	11290	0.0001	-	-	-
4.4314	11300	0.0	-	-	-
4.4353	11310	0.0	-	-	-
4.4392	11320	0.0	-	-	-
4.4431	11330	0.0	-	-	-
4.4471	11340	0.0008	-	-	-
4.4510	11350	0.0002	-	-	-
4.4549	11360	0.0	-	-	-
4.4588	11370	0.0	-	-	-
4.4627	11380	0.0	-	-	-
4.4667	11390	0.0	-	-	-
4.4706	11400	0.0	-	-	-
4.4745	11410	0.0003	-	-	-
4.4784	11420	0.0	-	-	-
4.4824	11430	0.001	-	-	-
4.4863	11440	0.0	-	-	-
4.4902	11450	0.0	-	-	-
4.4941	11460	0.0	-	-	-
4.4980	11470	0.0	-	-	-
4.5020	11480	0.0006	-	-	-
4.5059	11490	0.0002	-	-	-
4.5098	11500	0.0	-	-	-
4.5137	11510	0.0	-	-	-
4.5176	11520	0.0	-	-	-
4.5216	11530	0.0001	-	-	-
4.5255	11540	0.0002	-	-	-
4.5294	11550	0.0008	-	-	-
4.5333	11560	0.0	-	-	-
4.5373	11570	0.0	-	-	-
4.5412	11580	0.0	-	-	-
4.5451	11590	0.0001	-	-	-
4.5490	11600	0.0	-	-	-
4.5529	11610	0.0	-	-	-
4.5569	11620	0.0	-	-	-
4.5608	11630	0.0001	-	-	-
4.5647	11640	0.0	-	-	-
4.5686	11650	0.0	-	-	-
4.5725	11660	0.0	-	-	-
4.5765	11670	0.0002	-	-	-
4.5804	11680	0.0	-	-	-
4.5843	11690	0.0006	-	-	-
4.5882	11700	0.0	-	-	-
4.5922	11710	0.0025	-	-	-
4.5961	11720	0.0	-	-	-
4.6	11730	0.0	-	-	-
4.6039	11740	0.0001	-	-	-
4.6078	11750	0.0119	-	-	-
4.6118	11760	0.0	-	-	-
4.6157	11770	0.0	-	-	-
4.6196	11780	0.0	-	-	-
4.6235	11790	0.0	-	-	-
4.6275	11800	0.0	-	-	-
4.6314	11810	0.0	-	-	-
4.6353	11820	0.0001	-	-	-
4.6392	11830	0.0001	-	-	-
4.6431	11840	0.0	-	-	-
4.6471	11850	0.0	-	-	-
4.6510	11860	0.0	-	-	-
4.6549	11870	0.0	-	-	-
4.6588	11880	0.0	-	-	-
4.6627	11890	0.0	-	-	-
4.6667	11900	0.0001	-	-	-
4.6706	11910	0.0	-	-	-
4.6745	11920	0.0	-	-	-
4.6784	11930	0.0002	-	-	-
4.6824	11940	0.0	-	-	-
4.6863	11950	0.0	-	-	-
4.6902	11960	0.0001	-	-	-
4.6941	11970	0.0	-	-	-
4.6980	11980	0.0009	-	-	-
4.7020	11990	0.0	-	-	-
4.7059	12000	0.0	-	-	-
4.7098	12010	0.0002	-	-	-
4.7137	12020	0.0	-	-	-
4.7176	12030	0.0	-	-	-
4.7216	12040	0.0	-	-	-
4.7255	12050	0.0001	-	-	-
4.7294	12060	0.0002	-	-	-
4.7333	12070	0.0	-	-	-
4.7373	12080	0.0	-	-	-
4.7412	12090	0.0	-	-	-
4.7451	12100	0.0	-	-	-
4.7490	12110	0.0	-	-	-
4.7529	12120	0.0	-	-	-
4.7569	12130	0.0	-	-	-
4.7608	12140	0.0	-	-	-
4.7647	12150	0.0	-	-	-
4.7686	12160	0.0001	-	-	-
4.7725	12170	0.0002	-	-	-
4.7765	12180	0.0	-	-	-
4.7804	12190	0.0	-	-	-
4.7843	12200	0.0	-	-	-
4.7882	12210	0.0	-	-	-
4.7922	12220	0.0	-	-	-
4.7961	12230	0.0	-	-	-
4.8	12240	0.0007	-	-	-
4.8039	12250	0.0	-	-	-
4.8078	12260	0.0	-	-	-
4.8118	12270	0.0	-	-	-
4.8157	12280	0.0	-	-	-
4.8196	12290	0.0	-	-	-
4.8235	12300	0.0	-	-	-
4.8275	12310	0.0	-	-	-
4.8314	12320	0.0001	-	-	-
4.8353	12330	0.0	-	-	-
4.8392	12340	0.0	-	-	-
4.8431	12350	0.0	-	-	-
4.8471	12360	0.0	-	-	-
4.8510	12370	0.0001	-	-	-
4.8549	12380	0.0	-	-	-
4.8588	12390	0.0	-	-	-
4.8627	12400	0.0001	-	-	-
4.8667	12410	0.0	-	-	-
4.8706	12420	0.0	-	-	-
4.8745	12430	0.0	-	-	-
4.8784	12440	0.0	-	-	-
4.8824	12450	0.0	-	-	-
4.8863	12460	0.0	-	-	-
4.8902	12470	0.0	-	-	-
4.8941	12480	0.0	-	-	-
4.8980	12490	0.0	-	-	-
4.9020	12500	0.0	-	-	-
4.9059	12510	0.0001	-	-	-
4.9098	12520	0.0004	-	-	-
4.9137	12530	0.0001	-	-	-
4.9176	12540	0.0	-	-	-
4.9216	12550	0.0036	-	-	-
4.9255	12560	0.0002	-	-	-
4.9294	12570	0.0001	-	-	-
4.9333	12580	0.001	-	-	-
4.9373	12590	0.0018	-	-	-
4.9412	12600	0.0	-	-	-
4.9451	12610	0.0	-	-	-
4.9490	12620	0.0	-	-	-
4.9529	12630	0.0	-	-	-
4.9569	12640	0.0	-	-	-
4.9608	12650	0.0001	-	-	-
4.9647	12660	0.0	-	-	-
4.9686	12670	0.0001	-	-	-
4.9725	12680	0.0	-	-	-
4.9765	12690	0.0	-	-	-
4.9804	12700	0.0002	-	-	-
4.9843	12710	0.0001	-	-	-
4.9882	12720	0.0001	-	-	-
4.9922	12730	0.0	-	-	-
4.9961	12740	0.0	-	-	-
5.0	12750	0.0	0.0673	0.537	0.5328

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.10.14
Sentence Transformers: 3.3.1
Transformers: 4.41.2
PyTorch: 2.1.2+cu121
Accelerate: 0.29.3
Datasets: 2.19.1
Tokenizers: 0.19.1

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",
}

MatryoshkaLoss

bibtex

@misc{kusupati2024matryoshka,
    title={Matryoshka Representation Learning},
    author={Aditya Kusupati and Gantavya Bhatt and Aniket Rege and Matthew Wallingford and Aditya Sinha and Vivek Ramanujan and William Howard-Snyder and Kaifeng Chen and Sham Kakade and Prateek Jain and Ali Farhadi},
    year={2024},
    eprint={2205.13147},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

MultipleNegativesRankingLoss

bibtex

@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}
}

	positive	anchor
type	string	string
details	min: 4 tokens mean: 222.47 tokens max: 512 tokens	min: 8 tokens mean: 46.3 tokens max: 328 tokens