This is a Cross Encoder model finetuned from cross-encoder/ms-marco-MiniLM-L6-v2 using the sentence-transformers library. It computes scores for pairs of texts, which can be used for text reranking and semantic search.

Model Details

Model Description

Model Type: Cross Encoder
Base model: cross-encoder/ms-marco-MiniLM-L6-v2
Maximum Sequence Length: 512 tokens
Number of Output Labels: 1 label

Model Sources

Documentation: Sentence Transformers Documentation
Documentation: Cross Encoder Documentation
Repository: Sentence Transformers on GitHub
Hugging Face: Cross Encoders on Hugging Face

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 CrossEncoder

# Download from the 🤗 Hub
model = CrossEncoder("cross_encoder_model_id")
# Get scores for pairs of texts
pairs = [
    ['vì sao repository pattern đôi khi làm code khó hiểu hơn', 'Repository pattern có thể làm code khó hiểu khi nó che giấu quá nhiều đặc tính truy vấn thật sự của data store, khiến người đọc không biết đâu là thao tác đơn giản, đâu là query đắt tiền. Nếu thêm một lớp repository chỉ để bọc CRUD máy móc, bạn có thêm abstraction nhưng không thêm ý nghĩa domain. Nó hữu ích khi tạo ranh giới rõ và test tốt hơn, nhưng phản tác dụng nếu mọi logic query phức tạp lại bị nhồi vào interface quá chung chung.'],
    ['vì sao repository pattern đôi khi làm code khó hiểu hơn', 'Repository pattern làm code khó hiểu chủ yếu vì nó buộc mọi truy vấn phải chạy đồng bộ, kể cả khi database hỗ trợ async. Điều này khiến tầng data access luôn trở thành bottleneck và lập trình viên phải lần theo nhiều callback.'],
    ['vì sao repository pattern đôi khi làm code khó hiểu hơn', 'Nguyên nhân là repository luôn nhân đôi mô hình dữ liệu: một bản trong database và một bản trong bộ nhớ JVM hay Python. Vì dữ liệu bị copy hai lần, lập trình viên khó theo dõi object nào là bản chuẩn.'],
    ['vì sao repository pattern đôi khi làm code khó hiểu hơn', 'Repository thường đại diện cho tập hợp thao tác đọc ghi đối với entity hoặc aggregate. Nó giúp tách business logic khỏi chi tiết persistence như ORM hay SQL cụ thể.'],
    ['vì sao repository pattern đôi khi làm code khó hiểu hơn', 'Abstraction tốt cần cân bằng giữa che giấu chi tiết và để lộ các capability quan trọng. Nếu abstraction quá chung, người dùng khó tận dụng được đặc điểm hữu ích của công cụ bên dưới.'],
]
scores = model.predict(pairs)
print(scores.shape)
# (5,)

# Or rank different texts based on similarity to a single text
ranks = model.rank(
    'vì sao repository pattern đôi khi làm code khó hiểu hơn',
    [
        'Repository pattern có thể làm code khó hiểu khi nó che giấu quá nhiều đặc tính truy vấn thật sự của data store, khiến người đọc không biết đâu là thao tác đơn giản, đâu là query đắt tiền. Nếu thêm một lớp repository chỉ để bọc CRUD máy móc, bạn có thêm abstraction nhưng không thêm ý nghĩa domain. Nó hữu ích khi tạo ranh giới rõ và test tốt hơn, nhưng phản tác dụng nếu mọi logic query phức tạp lại bị nhồi vào interface quá chung chung.',
        'Repository pattern làm code khó hiểu chủ yếu vì nó buộc mọi truy vấn phải chạy đồng bộ, kể cả khi database hỗ trợ async. Điều này khiến tầng data access luôn trở thành bottleneck và lập trình viên phải lần theo nhiều callback.',
        'Nguyên nhân là repository luôn nhân đôi mô hình dữ liệu: một bản trong database và một bản trong bộ nhớ JVM hay Python. Vì dữ liệu bị copy hai lần, lập trình viên khó theo dõi object nào là bản chuẩn.',
        'Repository thường đại diện cho tập hợp thao tác đọc ghi đối với entity hoặc aggregate. Nó giúp tách business logic khỏi chi tiết persistence như ORM hay SQL cụ thể.',
        'Abstraction tốt cần cân bằng giữa che giấu chi tiết và để lộ các capability quan trọng. Nếu abstraction quá chung, người dùng khó tận dụng được đặc điểm hữu ích của công cụ bên dưới.',
    ]
)
# [{'corpus_id': ..., 'score': ...}, {'corpus_id': ..., 'score': ...}, ...]

Training Details

Training Dataset

Unnamed Dataset

Size: 7,491 training samples
Columns: query, passage, and label
Approximate statistics based on the first 1000 samples:
query passage label
type string string float
details
min: 40 characters
mean: 61.15 characters
max: 100 characters
min: 44 characters
mean: 221.44 characters
max: 476 characters
min: 0.0
mean: 0.2
max: 1.0

Samples:

query	passage	label
`tại sao Python async chạy nhiều task nhưng chương trình vẫn chậm`	`Async trong Python chỉ giúp ẩn thời gian chờ I/O, không tự làm nhanh các đoạn CPU-bound. Nếu task của bạn vẫn chứa xử lý nặng như parse lớn, mã hóa hoặc vòng lặp tính toán, event loop sẽ bị chiếm và các coroutine khác không được xen kẽ hợp lý. Cách xử lý thường là tách phần CPU-bound sang process pool hoặc tối ưu thuật toán, còn async chỉ nên dùng để phối hợp I/O concurrency.`	`1.0`
`tại sao Python async chạy nhiều task nhưng chương trình vẫn chậm`	`Python async thường chậm khi tạo quá nhiều coroutine, vì mỗi coroutine tạo ra một thread riêng nên hệ điều hành phải chuyển ngữ cảnh liên tục. Khi giảm số coroutine, hiệu năng sẽ gần như luôn tăng vì chi phí thread scheduling biến mất.`	`0.0`
`tại sao Python async chạy nhiều task nhưng chương trình vẫn chậm`	`Nguyên nhân chính là await làm task chạy tuần tự hơn so với code đồng bộ, vì mỗi lần await sẽ chờ task trước hoàn thành rồi mới chuyển sang task sau. Do đó trong đa số trường hợp, bỏ await và gọi hàm trực tiếp sẽ giúp async nhanh hơn.`	`0.0`

Loss: BinaryCrossEntropyLoss with these parameters:
json
1{ 2 "activation_fn": "torch.nn.modules.linear.Identity", 3 "pos_weight": 4.186915874481201 4}

Evaluation Dataset

Unnamed Dataset

Size: 834 evaluation samples
Columns: query, passage, and label
Approximate statistics based on the first 834 samples:
query passage label
type string string float
details
min: 32 characters
mean: 66.03 characters
max: 110 characters
min: 18 characters
mean: 203.76 characters
max: 457 characters
min: 0.0
mean: 0.19
max: 1.0

Samples:

query	passage	label
`vì sao repository pattern đôi khi làm code khó hiểu hơn`	Repository pattern có thể làm code khó hiểu khi nó che giấu quá nhiều đặc tính truy vấn thật sự của data store, khiến người đọc không biết đâu là thao tác đơn giản, đâu là query đắt tiền. Nếu thêm một lớp repository chỉ để bọc CRUD máy móc, bạn có thêm abstraction nhưng không thêm ý nghĩa domain. Nó hữu ích khi tạo ranh giới rõ và test tốt hơn, nhưng phản tác dụng nếu mọi logic query phức tạp lại bị nhồi vào interface quá chung chung.	`1.0`
`vì sao repository pattern đôi khi làm code khó hiểu hơn`	`Repository pattern làm code khó hiểu chủ yếu vì nó buộc mọi truy vấn phải chạy đồng bộ, kể cả khi database hỗ trợ async. Điều này khiến tầng data access luôn trở thành bottleneck và lập trình viên phải lần theo nhiều callback.`	`0.0`
`vì sao repository pattern đôi khi làm code khó hiểu hơn`	`Nguyên nhân là repository luôn nhân đôi mô hình dữ liệu: một bản trong database và một bản trong bộ nhớ JVM hay Python. Vì dữ liệu bị copy hai lần, lập trình viên khó theo dõi object nào là bản chuẩn.`	`0.0`

Loss: BinaryCrossEntropyLoss with these parameters:
json
1{ 2 "activation_fn": "torch.nn.modules.linear.Identity", 3 "pos_weight": 4.186915874481201 4}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_eval_batch_size: 32
learning_rate: 1e-05
weight_decay: 0.01
num_train_epochs: 1
warmup_steps: 0.1
bf16: True
dataloader_num_workers: 2
remove_unused_columns: False
load_best_model_at_end: True

All Hyperparameters

Click to expand

do_predict: False
eval_strategy: steps
prediction_loss_only: True
per_device_train_batch_size: 8
per_device_eval_batch_size: 32
gradient_accumulation_steps: 1
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 1e-05
weight_decay: 0.01
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: None
warmup_ratio: None
warmup_steps: 0.1
log_level: passive
log_level_replica: warning
log_on_each_node: True
logging_nan_inf_filter: True
enable_jit_checkpoint: False
save_on_each_node: False
save_only_model: False
restore_callback_states_from_checkpoint: False
use_cpu: False
seed: 42
data_seed: None
bf16: True
fp16: False
bf16_full_eval: False
fp16_full_eval: False
tf32: None
local_rank: -1
ddp_backend: None
debug: []
dataloader_drop_last: False
dataloader_num_workers: 2
dataloader_prefetch_factor: None
disable_tqdm: False
remove_unused_columns: False
label_names: None
load_best_model_at_end: True
ignore_data_skip: False
fsdp: []
fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
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
group_by_length: False
length_column_name: length
project: huggingface
trackio_space_id: trackio
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
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_for_metrics: []
eval_do_concat_batches: True
auto_find_batch_size: False
full_determinism: False
ddp_timeout: 1800
torch_compile: False
torch_compile_backend: None
torch_compile_mode: None
include_num_input_tokens_seen: no
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: True
use_cache: False
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss
0.0011	1	1.9171	-
0.0534	50	1.5105	-
0.1067	100	1.2100	-
0.1601	150	0.7601	-
0.2134	200	0.4333	0.3964
0.2668	250	0.4411	-
0.3202	300	0.3237	-
0.3735	350	0.3547	-
0.4269	400	0.4869	0.2572
0.4803	450	0.4513	-
0.5336	500	0.6128	-
0.5870	550	0.6998	-
0.6403	600	0.2516	0.1479
0.6937	650	0.6151	-
0.7471	700	0.1841	-
0.8004	750	0.0197	-
0.8538	800	0.2113	0.1038
0.9072	850	0.2645	-
0.9605	900	0.2026	-
1.0	937	-	0.1042

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.12.13
Sentence Transformers: 5.3.0
Transformers: 5.0.0
PyTorch: 2.10.0+cu128
Accelerate: 1.13.0
Datasets: 4.8.4
Tokenizers: 0.22.2

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",
}

	query	passage	label
type	string	string	float
details	min: 40 characters mean: 61.15 characters max: 100 characters	min: 44 characters mean: 221.44 characters max: 476 characters	min: 0.0 mean: 0.2 max: 1.0

rabit223/vi_MiniLM_v1

CrossEncoder based on cross-encoder/ms-marco-MiniLM-L6-v2

Model Details

Model Description

Model Sources

Usage

Direct Usage (Sentence Transformers)

Training Details

Training Dataset

Unnamed Dataset

Evaluation Dataset

Unnamed Dataset

Training Hyperparameters

Non-Default Hyperparameters

All Hyperparameters

Training Logs

Framework Versions

Citation

BibTeX

Sentence Transformers

rabit223/
vi_MiniLM_v1