This is a sentence-transformers model finetuned from BAAI/bge-m3. It maps sentences & paragraphs to a 1024-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: BAAI/bge-m3
Maximum Sequence Length: 512 tokens
Output Dimensionality: 1024 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': 512, 'do_lower_case': False}) with Transformer model: PeftModel 
  (1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, '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): 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("trunghieu1206/2026_04_27_embed")
# Run inference
sentences = [
    'Ngày 20/01/2020, Trần Th H gom rác thành một đống cao khoảng 0,5 mét, rộng khoảng 01 mét để dưới sàn nhà của bà Nguyễn Thị B L rồi bật lửa đốt nhưng không quan sát lửa đang cháy. Ngọn lửa sau đó bùng phát làm cháy nhà của bà L, bà Trương T N và bà Nguyễn Thị Q, gây thiệt hại về tài sản với tổng số tiền là 691.202.000 đồng.',
    'Điều 180 - BLHS 2015 (sửa đổi 2017)',
    'Điều 47 - BLHS 2015 (sửa đổi 2017)',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 1024]

# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]

Evaluation

Metrics

Semantic Similarity

Dataset: legal-val
Evaluated with EmbeddingSimilarityEvaluator

Metric	Value
pearson_cosine	0.5994
spearman_cosine	0.5978

Training Details

Training Dataset

Unnamed Dataset

Size: 5,003 training samples
Columns: anchor and positive
Approximate statistics based on the first 1000 samples:
anchor positive
type string string
details
min: 13 tokens
mean: 67.33 tokens
max: 199 tokens
min: 8 tokens
mean: 13.68 tokens
max: 16 tokens

Samples:

anchor	positive
`Khoảng 01 giờ ngày 16/10/2025, tại thôn 8, xã Ea Drăng, tỉnh Đắk Lắk, Nguyễn Thanh H và Phạm Trường V dùng vũ lực bắt chị Ngân Thị D đưa lên xe taxi về phòng trọ của Nguyễn Thanh H. Tại đây, Nguyễn Thanh H chỉ đạo Phạm Trường V và Y Bi M dùng xích và ổ khóa xích chân chị D vào khung cửa sổ phòng khách, sau đó tiếp tục quản lý chị D cho đến 17 giờ ngày 17/10/2025 mới cho về.`	`Điều 157 - BLHS 2015 (sửa đổi 2017)`
`Bị cáo Đỗ Đức C gây tai nạn giao thông khiến ông Uông Sỹ H2 chết và cháu Ngô Trọng H1 bị thương 27%, nhưng bị cáo không có tiền án tiền sự, thành khẩn khai báo và tự nguyện bồi thường thiệt hại cho gia đình bị hại.`	`Điều 50 - BLHS 2015 (sửa đổi 2017)`
`Vũ Việt H, Nguyễn Văn T, Đoàn Văn T và Vi Văn Phong cùng chuẩn bị ma túy (Ketamine, MDMA), địa điểm, dụng cụ sử dụng ma túy và tìm Bùi Thu Hà, Bùi Thanh Yên để cùng sử dụng trái phép chất ma túy.`	`Điều 255 - BLHS 2015 (sửa đổi 2017)`

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim" 4}

Evaluation Dataset

Unnamed Dataset

Size: 883 evaluation samples
Columns: anchor and positive
Approximate statistics based on the first 883 samples:
anchor positive
type string string
details
min: 14 tokens
mean: 67.72 tokens
max: 189 tokens
min: 8 tokens
mean: 13.74 tokens
max: 18 tokens

Samples:

anchor	positive
`Phạm Ngọc H và Nguyễn Hoàng N cùng góp tiền mua ma túy Methamphetamine, chia ra tàng trữ để sử dụng và bị cơ quan chức năng bắt quả tang vào ngày 20-7-2021.`	`Điều 17 - BLHS 2015 (sửa đổi 2017)`
`Cơ quan chức năng thu giữ 03 gói tinh thể màu trắng là chất ma túy, 01 đôi dép quai kẹp màu nâu-đen, 01 điện thoại di động hiệu Nokia và 01 chiếc xe mô tô biển số 83P3-265.91.`	`Điều 47 - BLHS 2015 (sửa đổi 2017)`
`Nguyễn Thanh L được bà Nguyễn Thị Bé T1 và ông Nguyễn Văn H tin tưởng nhờ thu tiền của 11 hộ nông dân với tổng số tiền là 443.000.000 đồng. Tuy nhiên, sau khi thu được tiền, L đã nói dối là chưa thu được và lấy toàn bộ số tiền này để tiêu xài và trả nợ cá nhân.`	`Điều 175 - BLHS 2015 (sửa đổi 2017)`

Loss: MultipleNegativesRankingLoss with these parameters:
json
1{ 2 "scale": 20.0, 3 "similarity_fct": "cos_sim" 4}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
learning_rate: 0.0002
warmup_ratio: 0.1
fp16: True
dataloader_num_workers: 2
load_best_model_at_end: True

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: epoch
prediction_loss_only: True
per_device_train_batch_size: 16
per_device_eval_batch_size: 16
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: 0.0002
weight_decay: 0.0
adam_beta1: 0.9
adam_beta2: 0.999
adam_epsilon: 1e-08
max_grad_norm: 1.0
num_train_epochs: 3
max_steps: -1
lr_scheduler_type: linear
lr_scheduler_kwargs: None
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
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: 2
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}
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
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
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: 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
prompts: None
batch_sampler: batch_sampler
multi_dataset_batch_sampler: proportional

Training Logs

Epoch	Step	Training Loss	Validation Loss	legal-val_spearman_cosine
0.0637	10	3.5013	-	-
0.1274	20	3.4368	-	-
0.1911	30	3.2505	-	-
0.2548	40	2.9093	-	-
0.3185	50	2.8246	-	-
0.3822	60	2.686	-	-
0.4459	70	2.6094	-	-
0.5096	80	2.5076	-	-
0.5732	90	2.2877	-	-
0.6369	100	2.3017	-	-
0.7006	110	2.1231	-	-
0.7643	120	2.1033	-	-
0.8280	130	1.9611	-	-
0.8917	140	1.9276	-	-
0.9554	150	1.9975	-	-
1.0	157	-	1.7991	0.5097
1.0191	160	1.8427	-	-
1.0828	170	1.7367	-	-
1.1465	180	1.7569	-	-
1.2102	190	1.7362	-	-
1.2739	200	1.7676	-	-
1.3376	210	1.6147	-	-
1.4013	220	1.6692	-	-
1.4650	230	1.7377	-	-
1.5287	240	1.543	-	-
1.5924	250	1.5071	-	-
1.6561	260	1.5427	-	-
1.7197	270	1.6629	-	-
1.7834	280	1.559	-	-
1.8471	290	1.5447	-	-
1.9108	300	1.4666	-	-
1.9745	310	1.5717	-	-
2.0	314	-	1.5295	0.5852
2.0382	320	1.5082	-	-
2.1019	330	1.4965	-	-
2.1656	340	1.3942	-	-
2.2293	350	1.4891	-	-
2.2930	360	1.3653	-	-
2.3567	370	1.3084	-	-
2.4204	380	1.3594	-	-
2.4841	390	1.3322	-	-
2.5478	400	1.3797	-	-
2.6115	410	1.3486	-	-
2.6752	420	1.406	-	-
2.7389	430	1.4229	-	-
2.8025	440	1.3646	-	-
2.8662	450	1.2449	-	-
2.9299	460	1.3559	-	-
2.9936	470	1.397	-	-
3.0	471	-	1.4348	0.5978

The bold row denotes the saved checkpoint.

Framework Versions

Python: 3.12.12
Sentence Transformers: 3.3.1
Transformers: 4.57.6
PyTorch: 2.10.0+cu128
Accelerate: 1.12.0
Datasets: 4.8.3
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",
}

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}
}

	anchor	positive
type	string	string
details	min: 13 tokens mean: 67.33 tokens max: 199 tokens	min: 8 tokens mean: 13.68 tokens max: 16 tokens