This is a sentence-transformers model finetuned from google/embeddinggemma-300m on the german-qna-full 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/embeddinggemma-300m
Maximum Sequence Length: 2048 tokens
Output Dimensionality: 768 dimensions
Similarity Function: Cosine Similarity
Training Dataset:
- german-qna-full

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': 2048, 'do_lower_case': False, 'architecture': 'Gemma3TextModel'})
  (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})
  (2): Dense({'in_features': 768, 'out_features': 3072, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (3): Dense({'in_features': 3072, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (4): 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("ktcapraz/embeddinggemma-german_qna-checkpoint-500")
# Run inference
queries = [
    "Was ist das R\u00fcckhaltebecken Siefenwang und wann wurde es geplant?",
]
documents = [
    'Das Rückhaltebecken Siefenwang ist ein Projekt zum Hochwasserschutz, benannt nach einem Ortsteil von Dinkelscherben. Die Pläne dafür stammen aus den Jahren 2000 und 2005. Es soll bis zu 1,25 Millionen Kubikmeter Wasser fassen und eine Überflutungsfläche von bis zu 136 Hektar haben. Die Gesamtkosten belaufen sich auf 9,5 Millionen Euro.',
    'Der parteilose Ex-Minister Volker Wissing warnt vor einem Scheitern der schwarz-roten Koalition aufgrund innerer Spannungen, die sich auch in der Gesellschaft widerspiegeln. Er verweist auf die gescheiterte Wahl von Frauke Brosius-Gersdorf zur Verfassungsrichterin und die verfehlte Mehrheit für Friedrich Merz als Zeichen mangelnder Disziplin.',
    'Der Kakaopreis hat sich innerhalb eines Jahres mehr als verdoppelt, von rund 4000 auf über 9200 Euro pro Tonne. Hauptursachen sind Missernten in Westafrika, insbesondere an der Elfenbeinküste, die für über ein Drittel der weltweiten Kakaoproduktion verantwortlich ist. Schlechte Wetterbedingungen und kranke Bäume haben dort im zweiten Jahr in Folge zu erheblichen Ernteausfällen geführt, was die weltweiten Kakaobestände auf ein 20-Jahres-Tief sinken ließ.',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 768] [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[ 0.6243,  0.0075, -0.1137]])

Evaluation

Metrics

Information Retrieval

Dataset: germanqna-eval
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.7827
cosine_accuracy@3	0.902
cosine_accuracy@5	0.9312
cosine_accuracy@10	0.9563
cosine_precision@1	0.7827
cosine_precision@3	0.3007
cosine_precision@5	0.1862
cosine_precision@10	0.0956
cosine_recall@1	0.7827
cosine_recall@3	0.902
cosine_recall@5	0.9312
cosine_recall@10	0.9563
cosine_ndcg@10	0.8741
cosine_mrr@10	0.8472
cosine_map@100	0.849

Training Details

Training Dataset

german-qna-full

Dataset: german-qna-full at 24161ff
Size: 74,864 training samples
Columns: frage and antwort
Approximate statistics based on the first 1000 samples:
frage antwort
type string string
details
min: 8 tokens
mean: 18.54 tokens
max: 42 tokens
min: 18 tokens
mean: 71.88 tokens
max: 165 tokens

Samples:

frage	antwort
`Welche konkreten Maßnahmen für E-Autos sind im Koalitionsvertrag von Union und SPD geplant?`	`Geplant sind eine steuerliche Begünstigung für Dienstwagen als E-Autos, eine Sonderabschreibung für E-Fahrzeuge und eine Verlängerung der Kfz-Steuerbefreiung für Elektroautos bis 2035. Zudem soll der Ausbau des Ladenetzes beschleunigt werden.`
`Welche Kritik übte Bundeskanzler Olaf Scholz an der CDU und Friedrich Merz?`	`Bundeskanzler Olaf Scholz warf der CDU unter ihrem Kanzlerkandidaten Friedrich Merz vor, sich sehr weit von der Linie der ehemaligen Bundeskanzlerin Angela Merkel entfernt zu haben. Er sagte, die CDU habe sich von ihren sozialen Werten abgewandt und warnte vor ihrer konservativen Politik, insbesondere in der Rentenpolitik.`
`Welche Koalitionspräferenz äußerte Aiwanger?`	`Aiwanger äußerte die Hoffnung auf eine "bürgerliche Koalition der Mitte" im Bundestag, idealerweise mit seiner Partei. Er zeigte sich besorgt über eine mögliche Koalition aus Schwarz-Rot-Grün, da diese die Probleme des Landes seiner Meinung nach nicht lösen würde. Sollte seine Partei nicht in Berlin vertreten sein, plane er, in Bayern zu bleiben.`

Loss: CachedMultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "mini_batch_size": 8, 5 "gather_across_devices": false 6}

Evaluation Dataset

german-qna-full

Dataset: german-qna-full at 24161ff
Size: 24,955 evaluation samples
Columns: frage and antwort
Approximate statistics based on the first 1000 samples:
frage antwort
type string string
details
min: 8 tokens
mean: 18.44 tokens
max: 40 tokens
min: 18 tokens
mean: 71.59 tokens
max: 168 tokens

Samples:

frage	antwort
`Warum haben Griechenland und Italien viele Lobbyisten für fossile Brennstoffe zur COP29 entsandt?`	`Griechenland und Italien sind die größten Abnehmer von aserbaidschanischem Gas. Beide Länder sind auf die südeuropäische Erdgaspipeline angewiesen, die Aserbaidschan über die Türkei mit Europa verbindet und eine Kapazität von mindestens 10 Milliarden Kubikmetern Gas pro Jahr hat. Dies erklärt die hohe Präsenz von Lobbyisten für fossile Brennstoffe aus diesen Ländern.`
`Welche Strafe erhielt der Angeklagte und warum?`	`Der 29-jährige Angeklagte wurde zu fünfeinhalb Jahren Haft verurteilt. Die Strafkammer berücksichtigte sein Geständnis, kritisierte jedoch, dass er seinen Tatbeitrag herunterspielen wollte. Strafverschärfend wirkte, dass die Seniorin gefesselt zurückgelassen wurde und unter Todesangst litt.`
`Wann werden die neuen Direktverbindungen zwischen Deutschland und Italien voraussichtlich starten?`	`Die Direktverbindungen im Hochgeschwindigkeitszug von München nach Mailand und Rom sollen voraussichtlich ab Dezember 2026 starten. Zunächst wird es je eine Verbindung pro Tag geben, mit italienischen Frecciarossa-Zügen, die auch in Deutschland verkehren.`

Loss: CachedMultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim", 4 "mini_batch_size": 8, 5 "gather_across_devices": false 6}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 128
per_device_eval_batch_size: 128
learning_rate: 2e-05
num_train_epochs: 1
warmup_ratio: 0.1
fp16: True
prompts: {'frage': 'task: search result | query: ', 'antwort': 'title: none | text: '}
batch_sampler: no_duplicates

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: 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: 1
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}
parallelism_config: 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: None
hub_always_push: False
hub_revision: None
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
liger_kernel_config: None
eval_use_gather_object: False
average_tokens_across_devices: False
prompts: {'frage': 'task: search result | query: ', 'antwort': 'title: none | text: '}
batch_sampler: no_duplicates
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss	germanqna-eval_cosine_ndcg@10
-1	-1	-	-	0.6554
0.0342	20	0.4638	-	-
0.0684	40	0.125	-	-
0.1026	60	0.1045	-	-
0.1368	80	0.1135	-	-
0.1709	100	0.1174	0.1014	0.8230
0.2051	120	0.1047	-	-
0.2393	140	0.1092	-	-
0.2735	160	0.1067	-	-
0.3077	180	0.0822	-	-
0.3419	200	0.0809	0.0840	0.8315
0.3761	220	0.0767	-	-
0.4103	240	0.0841	-	-
0.4444	260	0.0654	-	-
0.4786	280	0.0771	-	-
0.5128	300	0.0843	0.0699	0.8462
0.5470	320	0.076	-	-
0.5812	340	0.0543	-	-
0.6154	360	0.0563	-	-
0.6496	380	0.0584	-	-
0.6838	400	0.053	0.0593	0.8596
0.7179	420	0.0525	-	-
0.7521	440	0.0625	-	-
0.7863	460	0.0544	-	-
0.8205	480	0.0537	-	-
0.8547	500	0.0651	0.0505	0.8741

Framework Versions

Python: 3.12.11
Sentence Transformers: 5.1.0
Transformers: 4.56.1
PyTorch: 2.8.0+cu126
Accelerate: 1.10.1
Datasets: 4.0.0
Tokenizers: 0.22.0

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",
}

CachedMultipleNegativesRankingLoss

bibtex

@misc{gao2021scaling,
    title={Scaling Deep Contrastive Learning Batch Size under Memory Limited Setup},
    author={Luyu Gao and Yunyi Zhang and Jiawei Han and Jamie Callan},
    year={2021},
    eprint={2101.06983},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

	frage	antwort
type	string	string
details	min: 8 tokens mean: 18.54 tokens max: 42 tokens	min: 18 tokens mean: 71.88 tokens max: 165 tokens