metadata

tags:
  - sentence-transformers
  - sentence-similarity
  - feature-extraction
  - generated_from_trainer
  - dataset_size:13221
  - loss:TripletLoss
base_model: BAAI/bge-m3
widget:
  - source_sentence: Как распределяется прибыль между управляющими товарищами и товарищами?
    sentences:
      - >-
        6. При применении метода распределения прибыли между сторонами
        анализируемой сделки распределяется совокупная прибыль либо остаточная
        прибыль всех сторон такой сделки.
      - >-
        указанные лица не уплачивают налог на прибыль организаций в бюджеты
        других субъектов Российской Федерации;
      - >-
        3) доля прибыли (расходов, убытков), приходящаяся на каждого из
        управляющих товарищей и товарищей;
  - source_sentence: Каковы сроки уплаты ежемесячных авансовых платежей по налогу на прибыль?
    sentences:
      - >-
        НК РФ Статья 363. Порядок и сроки уплаты налога и авансовых платежей по
        налогу
      - >-
        Налогоплательщики, исчисляющие ежемесячные авансовые платежи по
        фактически полученной прибыли, уплачивают авансовые платежи не позднее
        28-го числа месяца, следующего за месяцем, по итогам которого
        производится исчисление налога.
      - >-
        1. Налогоплательщик имеет право уменьшить общую сумму налога,
        исчисленную в соответствии со статьей 166 настоящего Кодекса, на
        установленные настоящей статьей налоговые вычеты.
  - source_sentence: >-
      Кто имеет право уменьшить сумму налога на доходы, полученные из-за
      границы?
    sentences:
      - >-
        1. Налогоплательщик имеет право уменьшить общую сумму налога,
        исчисленную в соответствии со статьей 166 настоящего Кодекса, на
        установленные настоящей статьей налоговые вычеты.
      - >-
        При этом налогоплательщики, получающие дивиденды от источников за
        пределами Российской Федерации, или налоговые агенты вправе уменьшить
        сумму налога, исчисленную в соответствии с настоящей главой в отношении
        указанных доходов, на сумму налога, исчисленную и уплаченную по месту
        нахождения источника дохода, только в случае, если источник дохода
        находится в иностранном государстве, с которым заключен договор
        (соглашение) об избежании двойного налогообложения.
      - >-
        3. Не включаются в расходы банка суммы отрицательной переоценки средств
        в иностранной валюте, поступивших в оплату уставных капиталов кредитных
        организаций.
  - source_sentence: >-
      Какие критерии используются для определения отсутствия положительного
      результата в научно-исследовательских, опытно-конструкторских и
      технологических работах?
    sentences:
      - >-
        Форма расчета совокупного размера прибыли устанавливается Министерством
        финансов Российской Федерации.
      - >-
        16.1) выполнение организациями научно-исследовательских,
        опытно-конструкторских и технологических работ, относящихся к созданию
        новых продукции и технологий или к усовершенствованию производимой
        продукции и технологий, если в состав научно-исследовательских,
        опытно-конструкторских и технологических работ включаются следующие виды
        деятельности:
      - >-
        1) не давшие положительного результата научно-исследовательские,
        опытно-конструкторские и технологические работы;
  - source_sentence: >-
      Какие виды деятельности осуществляют организации, подпадающие под данное
      определение?
    sentences:
      - >-
        7) организации - участники проекта по осуществлению исследований,
        разработок и коммерциализации их результатов в соответствии с
        Федеральным законом "Об инновационном центре "Сколково" либо участники
        проекта в соответствии с Федеральным законом от 29 июля 2017 года N
        216-ФЗ "Об инновационных научно-технологических центрах и о внесении
        изменений в отдельные законодательные акты Российской Федерации";
      - >-
        2. В целях настоящей главы к торговой деятельности относятся следующие
        виды торговли:
      - >-
        3) организация осуществляет деятельность, связанную с добычей
        углеводородного сырья на новом морском месторождении углеводородного
        сырья, на основе договора, заключенного с владельцем лицензии в
        отношении нового морского месторождения углеводородного сырья и (или)
        участка недр, указанного в подпункте 1 настоящего пункта, и такой
        договор предусматривает выплату организации-оператору вознаграждения,
        размер которого зависит в том числе от объема добытого углеводородного
        сырья на соответствующем морском месторождении углеводородного сырья и
        (или) выручки от реализации этого сырья (далее в настоящем Кодексе -
        операторский договор).
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: SentenceTransformer based on BAAI/bge-m3
    results:
      - task:
          type: information-retrieval
          name: Information Retrieval
        dataset:
          name: Legal IR Evaluation Bench
          type: Legal_IR_Evaluation_Bench
        metrics:
          - type: cosine_accuracy@1
            value: 0.3158525222946892
            name: Cosine Accuracy@1
          - type: cosine_accuracy@3
            value: 0.4582723279648609
            name: Cosine Accuracy@3
          - type: cosine_accuracy@5
            value: 0.5188340210302143
            name: Cosine Accuracy@5
          - type: cosine_accuracy@10
            value: 0.587381871422867
            name: Cosine Accuracy@10
          - type: cosine_precision@1
            value: 0.3158525222946892
            name: Cosine Precision@1
          - type: cosine_precision@3
            value: 0.1527574426549536
            name: Cosine Precision@3
          - type: cosine_precision@5
            value: 0.10376680420604285
            name: Cosine Precision@5
          - type: cosine_precision@10
            value: 0.058738187142286694
            name: Cosine Precision@10
          - type: cosine_recall@1
            value: 0.3158525222946892
            name: Cosine Recall@1
          - type: cosine_recall@3
            value: 0.4582723279648609
            name: Cosine Recall@3
          - type: cosine_recall@5
            value: 0.5188340210302143
            name: Cosine Recall@5
          - type: cosine_recall@10
            value: 0.587381871422867
            name: Cosine Recall@10
          - type: cosine_ndcg@10
            value: 0.44675579037173485
            name: Cosine Ndcg@10
          - type: cosine_mrr@10
            value: 0.40233201603991975
            name: Cosine Mrr@10
          - type: cosine_map@100
            value: 0.40935732242081835
            name: Cosine Map@100

SentenceTransformer based on BAAI/bge-m3

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: XLMRobertaModel 
  (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.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
sentences = [
    'Какие виды деятельности осуществляют организации, подпадающие под данное определение?',
    '3) организация осуществляет деятельность, связанную с добычей углеводородного сырья на новом морском месторождении углеводородного сырья, на основе договора, заключенного с владельцем лицензии в отношении нового морского месторождения углеводородного сырья и (или) участка недр, указанного в подпункте 1 настоящего пункта, и такой договор предусматривает выплату организации-оператору вознаграждения, размер которого зависит в том числе от объема добытого углеводородного сырья на соответствующем морском месторождении углеводородного сырья и (или) выручки от реализации этого сырья (далее в настоящем Кодексе - операторский договор).',
    '2. В целях настоящей главы к торговой деятельности относятся следующие виды торговли:',
]
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

Information Retrieval

Dataset: Legal_IR_Evaluation_Bench
Evaluated with InformationRetrievalEvaluator

Metric	Value
cosine_accuracy@1	0.3159
cosine_accuracy@3	0.4583
cosine_accuracy@5	0.5188
cosine_accuracy@10	0.5874
cosine_precision@1	0.3159
cosine_precision@3	0.1528
cosine_precision@5	0.1038
cosine_precision@10	0.0587
cosine_recall@1	0.3159
cosine_recall@3	0.4583
cosine_recall@5	0.5188
cosine_recall@10	0.5874
cosine_ndcg@10	0.4468
cosine_mrr@10	0.4023
cosine_map@100	0.4094

Training Details

Training Dataset

Unnamed Dataset

Size: 13,221 training samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 1000 samples:

	anchor	positive	negative
type	string	string	string
details	min: 9 tokens mean: 21.87 tokens max: 46 tokens	min: 19 tokens mean: 76.22 tokens max: 512 tokens	min: 8 tokens mean: 56.53 tokens max: 338 tokens

Samples:

anchor	positive	negative
`В каких случаях ставка сбора за объекты водных биологических ресурсов устанавливается в размере 0 рублей?`	`6. Ставки сбора за каждый объект водных биологических ресурсов, указанный в пунктах 4 и 5 настоящей статьи, устанавливаются в размере 0 рублей в случаях, если пользование такими объектами водных биологических ресурсов осуществляется при:`	`Уплата сбора за пользование объектами водных биологических ресурсов производится:`
`Какие федеральные конституционные законы регулируют принятие Донецкой Народной Республики, Луганской Народной Республики, Запорожской области и Херсонской области в состав Российской Федерации?`	31.1) за государственную регистрацию прав на недвижимое имущество, возникших на территориях Донецкой Народной Республики, Луганской Народной Республики, Запорожской области, Херсонской области до дня вступления в силу Федерального конституционного закона от 4 октября 2022 года N 5-ФКЗ "О принятии в Российскую Федерацию Донецкой Народной Республики и образовании в составе Российской Федерации нового субъекта - Донецкой Народной Республики", Федерального конституционного закона от 4 октября 2022 года N 6-ФКЗ "О принятии в Российскую Федерацию Луганской Народной Республики и образовании в составе Российской Федерации нового субъекта - Луганской Народной Республики", Федерального конституционного закона от 4 октября 2022 года N 7-ФКЗ "О принятии в Российскую Федерацию Запорожской области и образовании в составе Российской Федерации нового субъекта - Запорожской области", Федерального конституционного закона от 4 октября 2022 года N 8-ФКЗ "О принятии в Российскую Федерацию Херсонской област...	20) на срок существования свободной экономической зоны на территориях Донецкой Народной Республики, Луганской Народной Республики, Запорожской области и Херсонской области в случае предоставления земельного участка управляющей компании, указанной в Федеральном законе "О свободной экономической зоне на территориях Донецкой Народной Республики, Луганской Народной Республики, Запорожской области и Херсонской области", для целей, предусмотренных указанным Федеральным законом;
`Какие сведения должны содержать формы регистров налогового учета для идентификации налогоплательщика?`	Формы регистров налогового учета и порядок отражения в них аналитических данных налогового учета, данных первичных учетных документов разрабатываются налоговым агентом самостоятельно и должны содержать сведения, позволяющие идентифицировать налогоплательщика, вид выплачиваемых налогоплательщику доходов и предоставленных налоговых вычетов, а также расходов и сумм, уменьшающих налоговую базу, в соответствии с кодами, утверждаемыми федеральным органом исполнительной власти, уполномоченным по контролю и надзору в области налогов и сборов, суммы дохода и даты их выплаты, статус налогоплательщика, даты удержания.	`2. Данные регистров налогового учета должны содержать информацию:`

Loss: TripletLoss with these parameters:

{
    "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
    "triplet_margin": 5
}

Evaluation Dataset

Unnamed Dataset

Size: 1,470 evaluation samples
Columns: anchor, positive, and negative

Approximate statistics based on the first 1000 samples:

	anchor	positive	negative
type	string	string	string
details	min: 8 tokens mean: 22.08 tokens max: 54 tokens	min: 18 tokens mean: 79.07 tokens max: 512 tokens	min: 8 tokens mean: 59.19 tokens max: 400 tokens

Samples:

anchor	positive	negative
`Какие виды производственной деятельности относятся к производству напитков?`	`производство безалкогольных напитков, производство минеральных вод и прочих питьевых вод в бутылках;`	`2. В целях настоящей главы к торговой деятельности относятся следующие виды торговли:`
`Какие обязанности возложены на налоговые органы в отношении налогоплательщиков?`	`10. Налоговые органы на основе имеющихся данных и сведений о налогоплательщиках обязаны обеспечить постановку их на учет (снятие их с учета) и учет сведений о налогоплательщиках.`	`2.1. Права, предусмотренные настоящим Кодексом в отношении налогоплательщиков, налоговые органы также осуществляют в отношении плательщиков страховых взносов.`
`Какие действия предпринимаются до выдачи результатов экспертизы?`	`2) до выдачи результатов экспертизы - при предъявлении различных предметов, изделий, материалов и камней на экспертизу.`	`2. Не требуется специально сообщать заинтересованному гражданину о действиях в его интересе, если эти действия предпринимаются в его присутствии.`

Loss: TripletLoss with these parameters:

{
    "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
    "triplet_margin": 5
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: epoch
per_device_train_batch_size: 32
per_device_eval_batch_size: 32
gradient_accumulation_steps: 2
learning_rate: 2e-05
weight_decay: 0.01
num_train_epochs: 4
lr_scheduler_type: cosine
warmup_steps: 750
bf16: True
tf32: True
dataloader_num_workers: 4
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: 32
per_device_eval_batch_size: 32
per_gpu_train_batch_size: None
per_gpu_eval_batch_size: None
gradient_accumulation_steps: 2
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 2e-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: 4
max_steps: -1
lr_scheduler_type: cosine
lr_scheduler_kwargs: {}
warmup_ratio: 0.0
warmup_steps: 750
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: True
local_rank: 0
ddp_backend: None
tpu_num_cores: None
tpu_metrics_debug: False
debug: []
dataloader_drop_last: False
dataloader_num_workers: 4
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: 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
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

Training Logs

Epoch	Step	Training Loss	Validation Loss	Legal_IR_Evaluation_Bench_cosine_ndcg@10
0.0483	10	9.7628	-	-
0.0966	20	9.7395	-	-
0.1449	30	9.7537	-	-
0.1932	40	9.7429	-	-
0.2415	50	9.732	-	-
0.2899	60	9.6906	-	-
0.3382	70	9.6831	-	-
0.3865	80	9.6572	-	-
0.4348	90	9.6315	-	-
0.4831	100	9.6043	-	-
0.5314	110	9.5636	-	-
0.5797	120	9.5688	-	-
0.6280	130	9.5443	-	-
0.6763	140	9.5055	-	-
0.7246	150	9.4979	-	-
0.7729	160	9.4396	-	-
0.8213	170	9.4772	-	-
0.8696	180	9.4261	-	-
0.9179	190	9.4023	-	-
0.9662	200	9.3668	-	-
1.0	207	-	4.6068	0.4468

Framework Versions

Python: 3.10.12
Sentence Transformers: 3.4.1
Transformers: 4.48.3
PyTorch: 2.1.0+cu118
Accelerate: 1.3.0
Datasets: 3.2.0
Tokenizers: 0.21.0

Citation

BibTeX

Sentence Transformers

@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",
}

TripletLoss

@misc{hermans2017defense,
    title={In Defense of the Triplet Loss for Person Re-Identification},
    author={Alexander Hermans and Lucas Beyer and Bastian Leibe},
    year={2017},
    eprint={1703.07737},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}