Add new SentenceTransformer model

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text

1_Pooling/config.json

@@ -0,0 +1,10 @@
+{
+  "word_embedding_dimension": 1024,
+  "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
+}

README.md

@@ -0,0 +1,769 @@
+---
+language:
+- en
+license: apache-2.0
+tags:
+- sentence-transformers
+- sentence-similarity
+- feature-extraction
+- generated_from_trainer
+- dataset_size:5779
+- loss:MatryoshkaLoss
+- loss:MultipleNegativesRankingLoss
+base_model: mixedbread-ai/deepset-mxbai-embed-de-large-v1
+widget:
+- source_sentence: der Zuordnung des Wertes zum In- oder Ausland imple- mentiert.
+    Zuordnung prüfen Die Implementierung dieser Zuordnung zum In- oder Ausland erfolgt
+    in den Klassen ZDP_CL_INTP_INT_INLAND und ZDP_CL_INTP_ INT_AUSLAND. Der zu prüfende
+    Wert wird aus der Klasse ZDP_CL_ INTP_KONTEXT mit der Methode GET_TEXT() abgefragt
+    und der Varia- blen LV_TEXT übergeben. In unserem Beispiel verwenden wir zur Prüfung
+    eine Zeichenfolge; dies kann eine PSP-Element-Nummer, eine ID oder Ähnliches sein.
+    Im Prinzip kann jede Art von Zeichen- lo_kontext ?= i_kontext. lv_text = lo_kontext->get_text(
+    ). IF lv_text+2(2) EQ uebersetze_wert( ). r_return = gebe_wert_zurueck( ). ENDIF.
+    ENDMETHOD. METHOD uebersetze_wert. ENDMETHOD. ENDCLASS. Listing 5.10 Interpreter
+    Pattern
+  sentences:
+  - What should the project team implement during the integration implementation phase?
+  - Hey Team, I'm trying to figure out how to get the value from ZDP_CL_INTP_KONTEXT
+    for our country-specific sorting feature. Can someone remind me how we're supposed
+    to do that?
+  - Hallo, ich bin gerade dabei, Dokument 327 zu überprüfen und möchte verstehen,
+    wie der Auftragsprozess funktioniert. Kannst du mir bitte erklären, warum der
+    Zustand des Auftragskopfes für die Testmethode nicht immer verfügbar ist?
+- source_sentence: "Inhalt 09876\x02887766. Unter sonst gleichen Bedingungen möchten\
+    \ Sie die führende Null durch die in- ternationale Vorwahl sowie eine eingeklammerte\
+    \ Null ersetzen, das heißt für Deutschland beispielsweise durch den String +49-(0),\
+    \ dann müsste die Anweisung lauten: REPLACE '0' IN telefon_international WITH\
+    \ '+49-(0)'. Nach der Operation hätte das Feld den Inhalt +49-(0)9876\x02887766.\
+    \ Soll das verbliebene Leerzeichen zwischen nationaler Vorwahl und örtli- cher\
+    \ Telefonnummer durch ein Minuszeichen ersetzt werden, würde die Anweisung wiederum\
+    \ lauten: REPLACE ` ` IN telefon_international WITH `-`. Diese Anweisung sucht\
+    \ ein Leerzeichen (als String-Literal), findet es erst- mals im Feld an Position\
+    \ 12 und tauscht es gegen ein Minuszeichen"
+  sentences:
+  - Soll das verbleibende Leerzeichen zwischen nationaler Vorwahl und örtlicher Telefonnummer
+    durch ein Minuszeichen ersetzt werden, unter der Voraussetzung dass die Anweisung
+    bereits eine führende Null durch die internationale Vorwahl und eine eingeklammerte
+    Null ersetzen wird?
+  - Welche programmierlinguistischen Elemente hat ABAP im Laufe der Zeit von sich
+    aufgenommen, insbesondere unter dem Einfluss moderner Sprachen wie Java?
+  - Was ist der Zweck davon?
+- source_sentence: Ergebnisliste, wobei Sie mittels einer Konfigurationseinstel- lung
+    für einen Prüflauf auch die unterdrückten Fehler ausgeben las- sen können. Beachten
+    Sie, dass Sie bei der Nutzung der erweiterten Sicherheitsprüfungen Fehler nicht
+    über Pseudokommentare oder Pragmas unterdrücken können (siehe Abschnitt 13.1,
+    »Sicherheits- analysen aus Sicht des Entwicklers«). Da es sich bei ATC-Befreiungen
+    stets um eine menschliche Risikobewertung handelt, empfehlen wir Ihnen, den Ausnahmeprozess
+    ernst zu nehmen. Gerade wenn Teile einer Entwicklung von einer dritten Partei
+    durchgeführt werden, können Sie mithilfe des ABAP Test Cockpits den Abnahmeprozess
+    unterstützen. Schrittweise Generell empfehlen wir, stets schrittweise vorzugehen,
+    also nicht Servicepacks) vor einer Projektphase einzuspielen, da
+  sentences:
+  - Was bedeutet 'Unternehmensführung' und wie kann man eine Verbindung zu diesem
+    Bereich erstellen?
+  - Wie kann ich das ABAP Test Cockpit nutzen, um den Abnahmeprozess zu unterstützen,
+    insbesondere bei der Überprüfung von Änderungen an bestehender Entwicklung durch
+    Dritte?
+  - Wird etwas regelmäßig aktualisiert?
+- source_sentence: In der Folge haben Sie einen sehr undurchsichtigen Programmcode,
+    der sich nur schwer warten lässt. Auch können bei diesem Ansatz viele Bedingungen
+    gar nicht betrachtet werden, was ein großes Fehlerpotenzial birgt. Umsetzung mit
+    Entwurfsmustern Plausibilitätsprüfungen lassen sich einfacher und übersichtlicher
+    über zwei Entwurfsmuster implementieren. Das Entwurfsmuster Façade Pattern stellt
+    dabei einen zentralen Zugriffspunkt für diese Prüfungen bereit (siehe auch Abschnitt
+    4.4). Als weiteres Entwurfs- muster implementieren wir ein Composite Pattern das
+    die Prüfun g g den einzelnen Prüfungen oder bereits im Vorfeld auch Spezialfälle
+    definiert werden. Die einzelnen Prüfungen werden jeweils mit einem Standard-Interface
+    erstellt, in dem die entsprechenden Prü-
+  sentences:
+  - Was hat sie?
+  - Wie erfolgt die Nummernvergabe und was ist der Grundgedanke des SQL Monitors?
+  - Welche zwei Entwurfsmuster sollen zur Umsetzung von Plausibilitätsprüfungen verwendet
+    werden?
+- source_sentence: 'Kurs Netzwerktechnik gefunden''. 61 WHEN 4. 62 * Fehlerfall 63
+    WRITE: / ''keine Teilnehmer für den Kurs Netzwerktechnik gefunden''. 64 WHEN OTHERS.
+    65 * Kann nicht sein, anderer sy-subrc von der Anweisung nicht geliefert 66 ENDCASE.
+    Listing 10.2 Report Z_TEILNEHMERLISTE10_case Anmerkungen zum Quellcode Zeile 32
+    bis 41 Alle Sätze der Teilnehmertabelle werden gelesen. Je nach Feldinhalt des
+    Kurstitels werden die Zähler für die verschiedenen Kurse »Netz- werktechnik«,
+    »PC-Grundlagen« und für sonstige Kurse hochgezählt. Zeile 43 bis 46 Nach der SELECT-Schleife
+    werden die Gruppensummen ausgegeben. Dabei gilt wieder das Prinzip, in der Schleife
+    die Summen hochzuzäh- len und nach der Schleife'
+  sentences:
+  - Wie können Sie in SAP S/4HANA geeignete Anwendungsrollen identifizieren, die für
+    spezifische Geschäftsprozesse wie den Verkauf von Kartenkontingenten oder die
+    Lieferung von Produkten mit einer bestimmten Priorität erforderlich sind?
+  - Was sind die Vorteile der Version 1 der Testklasse?
+  - Wie werden die Teilnehmer für einen bestimmten Kurs gezählt und was wird ausgegeben,
+    nachdem alle Sätze der Teilnehmertabelle gelesen wurden?
+pipeline_tag: sentence-similarity
+library_name: sentence-transformers
+metrics:
+- cosine_accuracy@1
+- cosine_accuracy@3
+- cosine_accuracy@5
+- cosine_accuracy@10
+- cosine_precision@1
+- cosine_precision@3
+- cosine_precision@5
+- cosine_precision@10
+- cosine_recall@1
+- cosine_recall@3
+- cosine_recall@5
+- cosine_recall@10
+- cosine_ndcg@10
+- cosine_mrr@10
+- cosine_map@100
+model-index:
+- name: mixedbread-ai/deepset-mxbai-embed-de-large-v1
+  results:
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 768
+      type: dim_768
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.19440124416796267
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.5116640746500778
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.5956454121306376
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.6578538102643857
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.19440124416796267
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.1705546915500259
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.11912908242612752
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.06578538102643856
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.19440124416796267
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.5116640746500778
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.5956454121306376
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.6578538102643857
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.435518072261628
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.3630026660742058
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.3667171724544
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 512
+      type: dim_512
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.17573872472783825
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.49922239502332816
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.578538102643857
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.6469673405909798
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.17573872472783825
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.16640746500777603
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.11570762052877137
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.06469673405909797
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.17573872472783825
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.49922239502332816
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.578538102643857
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.6469673405909798
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.42150418838308457
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.347895529388531
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.35213583443960883
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 256
+      type: dim_256
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.17107309486780714
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.4867807153965785
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.5738724727838258
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.6345256609642301
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.17107309486780714
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.16226023846552615
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.11477449455676515
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.06345256609642301
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.17107309486780714
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.4867807153965785
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.5738724727838258
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.6345256609642301
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.41329965063004476
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.3410427312449087
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.34534909747047904
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 128
+      type: dim_128
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.13841368584758942
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.463452566096423
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.5396578538102644
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.6065318818040435
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.13841368584758942
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.15448418869880767
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.10793157076205287
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.060653188180404355
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.13841368584758942
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.463452566096423
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.5396578538102644
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.6065318818040435
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.383450249177046
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.3106235651336741
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.31570059517455157
+      name: Cosine Map@100
+  - task:
+      type: information-retrieval
+      name: Information Retrieval
+    dataset:
+      name: dim 64
+      type: dim_64
+    metrics:
+    - type: cosine_accuracy@1
+      value: 0.11975116640746501
+      name: Cosine Accuracy@1
+    - type: cosine_accuracy@3
+      value: 0.37636080870917576
+      name: Cosine Accuracy@3
+    - type: cosine_accuracy@5
+      value: 0.45412130637636083
+      name: Cosine Accuracy@5
+    - type: cosine_accuracy@10
+      value: 0.536547433903577
+      name: Cosine Accuracy@10
+    - type: cosine_precision@1
+      value: 0.11975116640746501
+      name: Cosine Precision@1
+    - type: cosine_precision@3
+      value: 0.12545360290305857
+      name: Cosine Precision@3
+    - type: cosine_precision@5
+      value: 0.09082426127527217
+      name: Cosine Precision@5
+    - type: cosine_precision@10
+      value: 0.053654743390357695
+      name: Cosine Precision@10
+    - type: cosine_recall@1
+      value: 0.11975116640746501
+      name: Cosine Recall@1
+    - type: cosine_recall@3
+      value: 0.37636080870917576
+      name: Cosine Recall@3
+    - type: cosine_recall@5
+      value: 0.45412130637636083
+      name: Cosine Recall@5
+    - type: cosine_recall@10
+      value: 0.536547433903577
+      name: Cosine Recall@10
+    - type: cosine_ndcg@10
+      value: 0.3302350089756295
+      name: Cosine Ndcg@10
+    - type: cosine_mrr@10
+      value: 0.2638284085018143
+      name: Cosine Mrr@10
+    - type: cosine_map@100
+      value: 0.2699002519586214
+      name: Cosine Map@100
+---
+
+# mixedbread-ai/deepset-mxbai-embed-de-large-v1
+
+This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [mixedbread-ai/deepset-mxbai-embed-de-large-v1](https://huggingface.co/mixedbread-ai/deepset-mxbai-embed-de-large-v1) on the json dataset. 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:** [mixedbread-ai/deepset-mxbai-embed-de-large-v1](https://huggingface.co/mixedbread-ai/deepset-mxbai-embed-de-large-v1) <!-- at revision fe450620a047ac704e100d84aebe7cd3fc137021 -->
+- **Maximum Sequence Length:** 512 tokens
+- **Output Dimensionality:** 1024 dimensions
+- **Similarity Function:** Cosine Similarity
+- **Training Dataset:**
+    - json
+- **Language:** en
+- **License:** apache-2.0
+
+### Model Sources
+
+- **Documentation:** [Sentence Transformers Documentation](https://sbert.net)
+- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers)
+- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers)
+
+### Full Model Architecture
+
+```
+SentenceTransformer(
+  (0): Transformer({'max_seq_length': 512, 'do_lower_case': False}) with Transformer model: XLMRobertaModel 
+  (1): Pooling({'word_embedding_dimension': 1024, '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): Normalize()
+)
+```
+
+## Usage
+
+### Direct Usage (Sentence Transformers)
+
+First install the Sentence Transformers library:
+
+```bash
+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("kenoc/mxbai-de-abat-matryoshka")
+# Run inference
+sentences = [
+    "Kurs Netzwerktechnik gefunden'. 61 WHEN 4. 62 * Fehlerfall 63 WRITE: / 'keine Teilnehmer für den Kurs Netzwerktechnik gefunden'. 64 WHEN OTHERS. 65 * Kann nicht sein, anderer sy-subrc von der Anweisung nicht geliefert 66 ENDCASE. Listing 10.2 Report Z_TEILNEHMERLISTE10_case Anmerkungen zum Quellcode Zeile 32 bis 41 Alle Sätze der Teilnehmertabelle werden gelesen. Je nach Feldinhalt des Kurstitels werden die Zähler für die verschiedenen Kurse »Netz- werktechnik«, »PC-Grundlagen« und für sonstige Kurse hochgezählt. Zeile 43 bis 46 Nach der SELECT-Schleife werden die Gruppensummen ausgegeben. Dabei gilt wieder das Prinzip, in der Schleife die Summen hochzuzäh- len und nach der Schleife",
+    'Wie werden die Teilnehmer für einen bestimmten Kurs gezählt und was wird ausgegeben, nachdem alle Sätze der Teilnehmertabelle gelesen wurden?',
+    'Wie können Sie in SAP S/4HANA geeignete Anwendungsrollen identifizieren, die für spezifische Geschäftsprozesse wie den Verkauf von Kartenkontingenten oder die Lieferung von Produkten mit einer bestimmten Priorität erforderlich sind?',
+]
+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]
+```
+
+<!--
+### Direct Usage (Transformers)
+
+<details><summary>Click to see the direct usage in Transformers</summary>
+
+</details>
+-->
+
+<!--
+### Downstream Usage (Sentence Transformers)
+
+You can finetune this model on your own dataset.
+
+<details><summary>Click to expand</summary>
+
+</details>
+-->
+
+<!--
+### Out-of-Scope Use
+
+*List how the model may foreseeably be misused and address what users ought not to do with the model.*
+-->
+
+## Evaluation
+
+### Metrics
+
+#### Information Retrieval
+
+* Datasets: `dim_768`, `dim_512`, `dim_256`, `dim_128` and `dim_64`
+* Evaluated with [<code>InformationRetrievalEvaluator</code>](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
+
+| Metric              | dim_768    | dim_512    | dim_256    | dim_128    | dim_64     |
+|:--------------------|:-----------|:-----------|:-----------|:-----------|:-----------|
+| cosine_accuracy@1   | 0.1944     | 0.1757     | 0.1711     | 0.1384     | 0.1198     |
+| cosine_accuracy@3   | 0.5117     | 0.4992     | 0.4868     | 0.4635     | 0.3764     |
+| cosine_accuracy@5   | 0.5956     | 0.5785     | 0.5739     | 0.5397     | 0.4541     |
+| cosine_accuracy@10  | 0.6579     | 0.647      | 0.6345     | 0.6065     | 0.5365     |
+| cosine_precision@1  | 0.1944     | 0.1757     | 0.1711     | 0.1384     | 0.1198     |
+| cosine_precision@3  | 0.1706     | 0.1664     | 0.1623     | 0.1545     | 0.1255     |
+| cosine_precision@5  | 0.1191     | 0.1157     | 0.1148     | 0.1079     | 0.0908     |
+| cosine_precision@10 | 0.0658     | 0.0647     | 0.0635     | 0.0607     | 0.0537     |
+| cosine_recall@1     | 0.1944     | 0.1757     | 0.1711     | 0.1384     | 0.1198     |
+| cosine_recall@3     | 0.5117     | 0.4992     | 0.4868     | 0.4635     | 0.3764     |
+| cosine_recall@5     | 0.5956     | 0.5785     | 0.5739     | 0.5397     | 0.4541     |
+| cosine_recall@10    | 0.6579     | 0.647      | 0.6345     | 0.6065     | 0.5365     |
+| **cosine_ndcg@10**  | **0.4355** | **0.4215** | **0.4133** | **0.3835** | **0.3302** |
+| cosine_mrr@10       | 0.363      | 0.3479     | 0.341      | 0.3106     | 0.2638     |
+| cosine_map@100      | 0.3667     | 0.3521     | 0.3453     | 0.3157     | 0.2699     |
+
+<!--
+## Bias, Risks and Limitations
+
+*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.*
+-->
+
+<!--
+### Recommendations
+
+*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.*
+-->
+
+## Training Details
+
+### Training Dataset
+
+#### json
+
+* Dataset: json
+* Size: 5,779 training samples
+* Columns: <code>positive</code> and <code>anchor</code>
+* Approximate statistics based on the first 1000 samples:
+  |         | positive                                                                            | anchor                                                                             |
+  |:--------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|
+  | type    | string                                                                              | string                                                                             |
+  | details | <ul><li>min: 17 tokens</li><li>mean: 181.9 tokens</li><li>max: 460 tokens</li></ul> | <ul><li>min: 6 tokens</li><li>mean: 33.97 tokens</li><li>max: 112 tokens</li></ul> |
+* Samples:
+  | positive                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                           | anchor                                                                                                                                                                                                                                                                                      |
+  |:-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
+  | <code>weiter aufgefächert und dienen zur Abbildung komplexerer Prozesse. Informationen zum Kunden, die sonst nur Vertriebsmitarbeitern mit direk­ ten Kundenkontakten zur Verfügung stehen, werden im System gespeichert. Diese Daten sind auch für Mitarbeiter aus den Bereichen Marketing oder Pro­ duktentwicklung relevant. So kann auf der Basis dieser Daten eine Marke­ tingaktion durchgeführt werden, oder die Produktentwicklung kann gezielt auf Kundenwünsche eingehen. Ohne ein IT-System gehen für das Unterneh­ In den letzten Jahren ist zu beobachten, dass CRM Anwendungen ver mehrt auf mobilen Endgeräten wie Tablet-Computern oder Smart­ phones (Blackberry, iPhone etc.) eingesetzt werden. Dieser Trend beschränkt sich natürlich nicht auf das</code>                                     | <code>Was wird im System gespeichert und warum werden CRM-Anwendungen auf mobilen Endgeräten eingesetzt?</code>                                                                                                                                                                             |
+  | <code>16 17 18 19 In der Personalzeitwirtschaft, kurz Zeitwirtschaft, werden zum einen die Anwesenheitszeiten erfasst; dazu gehören die Dauer und Lage der Anwesen­ heits- und Pausenzeiten, Informationen zu Arbeitszeiten, die nicht am übli­ chen Arbeitsplatz stattfinden (wie Dienstreisen) sowie die Tätigkeit während der erfassten Zeit. Zum anderen werden aber auch Abweichungen zum ursprünglichen Arbeitsplan gepflegt, wie zum Beispiel Überstunden, Kurzar­ beit oder Wiedereingliederung. Des Weiteren werden Fehlzeiten wie Krank­ heitstage und Urlaubstage im System dokumentiert. Diese Informationen können nur dann ausgewertet werden, wenn die vorge­ sehenen Arbeitszeiten eines Mitarbeiters im sogenannten Arbeitszeitplan festgehalten werden. Hierbei wird zum einen die Anzahl</code> | <code>Welche Arten von Abweichungen vom ursprünglichen Arbeitsplan, wie Überstunden, Kurzarbeit oder Wiedereingliederung, werden in der Personalzeitwirtschaft genau dokumentiert?</code>                                                                                                   |
+  | <code>einer String-Operation beseitigt werden. Zeichenketten verschieben Eine Möglichkeit wäre, die Zeichenkette nach links zu verschieben, bis die führenden Nullen verschwunden sind. Dies erreichen Sie mit fol- gender Anweisung: SHIFT SHIFT telefon LEFT DELETING LEADING '0'. Durch die SHIFT-Anweisung wird der Feldinhalt, das heißt die Zei- chenkette 00887766, so lange nach links verschoben, bis alle führen- den Nullen gelöscht sind. Der Feldinhalt lautet nach der Operation 887766; das Feld wird demnach rechts mit zwei Leerzeichen aufge- füllt. Natürlich können Sie eine Zeichenkette in einem Feld auch in eine bestimmte Richtung um eine bestimmte Anzahl Positionen verschie- ben. Möchten Sie die Telefonnummer</code>                                                              | <code>Hey, ich habe eine Telefonnummer in einem String und führende Nullen, die ich entfernen muss. Kannst du mir bitte genau sagen, wie ich das machen kann? Die IT-Untstützung hat mich nur mit 'SHIFT LEFT DELETING LEADING' belädtet, aber ich verstehe nicht, was das bedeutet.</code> |
+* Loss: [<code>MatryoshkaLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#matryoshkaloss) with these parameters:
+  ```json
+  {
+      "loss": "MultipleNegativesRankingLoss",
+      "matryoshka_dims": [
+          768,
+          512,
+          256,
+          128,
+          64
+      ],
+      "matryoshka_weights": [
+          1,
+          1,
+          1,
+          1,
+          1
+      ],
+      "n_dims_per_step": -1
+  }
+  ```
+
+### Training Hyperparameters
+#### Non-Default Hyperparameters
+
+- `eval_strategy`: epoch
+- `per_device_train_batch_size`: 16
+- `per_device_eval_batch_size`: 16
+- `gradient_accumulation_steps`: 8
+- `learning_rate`: 2e-05
+- `num_train_epochs`: 4
+- `lr_scheduler_type`: cosine
+- `warmup_ratio`: 0.1
+- `bf16`: True
+- `load_best_model_at_end`: True
+- `optim`: adamw_torch_fused
+- `gradient_checkpointing`: True
+- `batch_sampler`: no_duplicates
+
+#### All Hyperparameters
+<details><summary>Click to expand</summary>
+
+- `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`: 8
+- `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`: 4
+- `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`: True
+- `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`: 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`: None
+- `hub_always_push`: False
+- `gradient_checkpointing`: True
+- `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
+- `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
+- `eval_on_start`: False
+- `use_liger_kernel`: False
+- `eval_use_gather_object`: False
+- `average_tokens_across_devices`: False
+- `prompts`: None
+- `batch_sampler`: no_duplicates
+- `multi_dataset_batch_sampler`: proportional
+
+</details>
+
+### Training Logs
+| Epoch   | Step    | Training Loss | dim_768_cosine_ndcg@10 | dim_512_cosine_ndcg@10 | dim_256_cosine_ndcg@10 | dim_128_cosine_ndcg@10 | dim_64_cosine_ndcg@10 |
+|:-------:|:-------:|:-------------:|:----------------------:|:----------------------:|:----------------------:|:----------------------:|:---------------------:|
+| 1.0     | 46      | -             | 0.4144                 | 0.4153                 | 0.3957                 | 0.3746                 | 0.3258                |
+| 1.0884  | 50      | 4.709         | -                      | -                      | -                      | -                      | -                     |
+| 2.0     | 92      | -             | 0.4353                 | 0.4223                 | 0.4205                 | 0.3787                 | 0.3343                |
+| 2.1768  | 100     | 2.4455        | -                      | -                      | -                      | -                      | -                     |
+| **3.0** | **138** | **-**         | **0.4278**             | **0.419**              | **0.4156**             | **0.3866**             | **0.3398**            |
+| 3.2652  | 150     | 1.5083        | -                      | -                      | -                      | -                      | -                     |
+| 3.9282  | 180     | -             | 0.4355                 | 0.4215                 | 0.4133                 | 0.3835                 | 0.3302                |
+
+* The bold row denotes the saved checkpoint.
+
+### Framework Versions
+- Python: 3.12.8
+- Sentence Transformers: 3.3.1
+- Transformers: 4.47.1
+- PyTorch: 2.5.1+cu124
+- Accelerate: 1.2.1
+- Datasets: 2.19.2
+- Tokenizers: 0.21.0
+
+## 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",
+}
+```
+
+#### 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}
+}
+```
+
+<!--
+## Glossary
+
+*Clearly define terms in order to be accessible across audiences.*
+-->
+
+<!--
+## Model Card Authors
+
+*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.*
+-->
+
+<!--
+## Model Card Contact
+
+*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.*
+-->

config.json

@@ -0,0 +1,28 @@
+{
+  "_name_or_path": "mixedbread-ai/deepset-mxbai-embed-de-large-v1",
+  "architectures": [
+    "XLMRobertaModel"
+  ],
+  "attention_probs_dropout_prob": 0.1,
+  "bos_token_id": 0,
+  "classifier_dropout": null,
+  "eos_token_id": 2,
+  "hidden_act": "gelu",
+  "hidden_dropout_prob": 0.1,
+  "hidden_size": 1024,
+  "initializer_range": 0.02,
+  "intermediate_size": 4096,
+  "layer_norm_eps": 1e-05,
+  "max_position_embeddings": 514,
+  "model_type": "xlm-roberta",
+  "num_attention_heads": 16,
+  "num_hidden_layers": 24,
+  "output_past": true,
+  "pad_token_id": 1,
+  "position_embedding_type": "absolute",
+  "torch_dtype": "float32",
+  "transformers_version": "4.47.1",
+  "type_vocab_size": 1,
+  "use_cache": false,
+  "vocab_size": 178885
+}

config_sentence_transformers.json

@@ -0,0 +1,10 @@
+{
+  "__version__": {
+    "sentence_transformers": "3.3.1",
+    "transformers": "4.47.1",
+    "pytorch": "2.5.1+cu124"
+  },
+  "prompts": {},
+  "default_prompt_name": null,
+  "similarity_fn_name": "cosine"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:2f03ca6539ef3d741485ea7d744af8a5fe5fff8917684f4ebc9aad653bfb82dd
+size 1948311760

modules.json

@@ -0,0 +1,20 @@
+[
+  {
+    "idx": 0,
+    "name": "0",
+    "path": "",
+    "type": "sentence_transformers.models.Transformer"
+  },
+  {
+    "idx": 1,
+    "name": "1",
+    "path": "1_Pooling",
+    "type": "sentence_transformers.models.Pooling"
+  },
+  {
+    "idx": 2,
+    "name": "2",
+    "path": "2_Normalize",
+    "type": "sentence_transformers.models.Normalize"
+  }
+]

sentence_bert_config.json

@@ -0,0 +1,4 @@
+{
+  "max_seq_length": 512,
+  "do_lower_case": false
+}

special_tokens_map.json

@@ -0,0 +1,55 @@
+{
+  "additional_special_tokens": [
+    "[MXBAI_Q]",
+    "[MXBAI_P]"
+  ],
+  "bos_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "cls_token": {
+    "content": "<s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eos_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "mask_token": {
+    "content": "<mask>",
+    "lstrip": true,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "sep_token": {
+    "content": "</s>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "<unk>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:b319c37e4f1e5f8f1c8dba7e1bc7b1a424184365d7f982ada0f18ab60c514c07
+size 12283980

tokenizer_config.json

@@ -0,0 +1,75 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "<s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "<pad>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "</s>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "<unk>",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "178882": {
+      "content": "<mask>",
+      "lstrip": true,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "178883": {
+      "content": "[MXBAI_Q]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "178884": {
+      "content": "[MXBAI_P]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "additional_special_tokens": [
+    "[MXBAI_Q]",
+    "[MXBAI_P]"
+  ],
+  "bos_token": "<s>",
+  "clean_up_tokenization_spaces": true,
+  "cls_token": "<s>",
+  "eos_token": "</s>",
+  "extra_special_tokens": {},
+  "mask_token": "<mask>",
+  "model_max_length": 512,
+  "pad_token": "<pad>",
+  "sep_token": "</s>",
+  "tokenizer_class": "XLMRobertaTokenizer",
+  "unk_token": "<unk>"
+}