rahul-sbert-finetuned/README.md

---
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:200
- loss:TripletLoss
base_model: sentence-transformers/all-MiniLM-L6-v2
widget:
- source_sentence: '[ELISTA] Apa saja kegiatan utama yang dikelola oleh ELISTA? (Tugas
    Akhir/Skripsi/Tesis/Disertasi)?'
  sentences:
  - Pengajuan judul tugas akhir.Pembuatan alur waktu (timeline) tugas akhir.Pembimbingan
    secara online dan offline.Pembuatan undangan dan jadwal seminar/sidang tugas akhir.Manajemen
    tugas akhir untuk pengelola tugas akhir.Informasi terkait mahasiswa bimbingan,
    serta rekap dosen pembimbing, dosen penguji, dan mahasiswa bimbingan.Berbagai
    informasi bagi dosen seperti jadwal konsultasi, jadwal seminar/sidang dan lainnya.Berbagai
    informasi bagi mahasiswa seperti penerimaan/penolakan ajuan judul tugas akhir,
    respon bimbingan oleh dosen, dan lainnya. Pengajuan judul tugas akhir. Pembuatan
    alur waktu (timeline) tugas akhir. Pembimbingan secara online dan offline. Pembuatan
    undangan dan jadwal seminar/sidang tugas akhir. Manajemen tugas akhir untuk pengelola
    tugas akhir. Informasi terkait mahasiswa bimbingan, serta rekap dosen pembimbing,
    dosen penguji, dan mahasiswa bimbingan. Berbagai informasi bagi dosen seperti
    jadwal konsultasi, jadwal seminar/sidang dan lainnya. Berbagai informasi bagi
    mahasiswa seperti penerimaan/penolakan ajuan judul tugas akhir, respon bimbingan
    oleh dosen, dan lainnya.
  - 'Jumlah Poin maksimal kelebihan kinerja yang dapat dibayarkan:Untuk Dosen biasa
    = 56 poin (150%)Untuk Dosen dengan tugas tambahan = 42 poin (150%) Jumlah Poin
    maksimal kelebihan kinerja yang dapat dibayarkan: Untuk Dosen biasa = 56 poin
    (150%) Untuk Dosen dengan tugas tambahan = 42 poin (150%)'
  - FOTOCOPY KONVERSI NIPFOTOCOPY SK CPNSFOTOCOPY SK PNSFOTOCOPY SK PANGKAT TERAKHIRDAFTAR
    KELUARGA PNS (DIKETAHUI ATASAN LANGSUNG)LAPORAN PERKAWINAN PERTAMA (DIKETAHUI
    ATASAN LANGSUNG)FOTOCOPY SURAT NIKAH YANG DI LEGALISIR OLEH ATASAN LANGSUNGPAS
    FOTO UKURAN 3X4 (HITAM PUTIH) 3 LEMBAR (SUAMI+ISTRI)LAPORAN PERKAWINAN KEDUA (DIKETAHUI
    ATASAN LANGSUNG)*
- source_sentence: Bagaimana cara mendapatkan Surat Keterangan Sedang Tidak Menerima
    Beasiswa?
  sentences:
  - Anda dapat mengakses atau login ke dalam aplikasi SIREMUN (Remunerasi) dengan
    menggunakan akun yang sama dengan akun akses ke SIAKAD. Anda dapat mengakses atau
    login ke dalam aplikasi SIREMUN (Remunerasi) dengan menggunakan akun yang sama
    dengan akun akses ke SIAKAD.
  - 1. Menemui Wakil Dekan III Bidang Kemahasiswaan dan Alumni Keguruan dan Ilmu Pendidikanguna
    mendapatkan Memomengenai hal terkait2. Membawa memo tersebut pada bagian Kemahasiswaan
    FKIP 1. Menemui Wakil Dekan III Bidang Kemahasiswaan dan Alumni Keguruan dan Ilmu
    Pendidikanguna mendapatkan Memomengenai hal terkait 2. Membawa memo tersebut pada
    bagian Kemahasiswaan FKIP
  - Tidak boleh dihapus, tapi ajukan permohonan perbaikan/penyesuaian MK pada kurikulum
    melalui Dekan/Wakil Dekan Akademik kemudian disampaikan kepada Wakil Rektor Bidang
    Akademik. Tidak boleh dihapus, tapi ajukan permohonan perbaikan/penyesuaian MK
    pada kurikulum melalui Dekan/Wakil Dekan Akademik kemudian disampaikan kepada
    Wakil Rektor Bidang Akademik.
- source_sentence: bagaimana prosedur pembuatan surat keterangan lulus (SKL)?
  sentences:
  - Kelebihan kinerja dapat dibayarkan jika BKD terpenuhi dan kinerja lebih dari 16
    sks. Kelebihan kinerja dapat dibayarkan jika BKD terpenuhi dan kinerja lebih dari
    16 sks.
  - Surat Keterangan Lulus (SKL) dapat diajukan apabila mahasiswa telah mendaftar
    yudisium fakultas.1. Mahasiswa mengajukan surat permohonan yang ditujukan ke Dekan
    Fakultas Sains dan Teknologi2. Melampirkan berita acara ujian skripsi dan transkrip
    nilai sementara Surat Keterangan Lulus (SKL) dapat diajukan apabila mahasiswa
    telah mendaftar yudisium fakultas. 1. Mahasiswa mengajukan surat permohonan yang
    ditujukan ke Dekan Fakultas Sains dan Teknologi 2. Melampirkan berita acara ujian
    skripsi dan transkrip nilai sementara
  - Password simpeg sama dengan password siakad,bila password siakad pun lupa silahkan
    datang ke helpdesk LPTIK atau kirim email ke [email protected] Password
    simpeg sama dengan password siakad, bila password siakad pun lupa silahkan datang
    ke helpdesk LPTIK atau kirim email ke [email protected]
- source_sentence: Jika asesor pertama menyatakan valid, tapi asesor kedua menyatakan
    tidak valid terhadap BKD saya, apa yang harus saya lakukan (Remunerasi)?
  sentences:
  - Perhatikan saran/komentar dari asesor kedua dan kemudian tindaklanjuti sesuai
    saran/komentar dari asesor kedua. Perhatikan saran/komentar dari asesor kedua
    dan kemudian tindaklanjuti sesuai saran/komentar dari asesor kedua.
  - 'Untuk pelayanan mahasiswa yang berkaitan dengan akademik dapat menghubungi staf
    kependidikan masing-masing jurusan pada program studi, atau bisa menghubungi kontak
    person sebagai berikut:# Jurusan Pendidikan Dokter1.  Program Studi Pendidikan
    Dokter : Ibu Melly Priyana, SE (085208500620) Ruang Kerja : Ruang Akademik FKIK
    Unja2. Program Studi Profesi Dokter : Ibu Yuricho,S.Kep (085269962998) Ruang Kerja
    :Ruang Dekan FKIK Unja# Jurusan Ilmu Keperawatan1. Program Studi  Ilmu Keperawatan
    : Ibu Nursamsiah (082178444274) Ruang kerja : Ruang Akademik FKIK Unja2. Program
    Studi Profesi Ners : Ibu Nurlaila,S.Pd (082177180778)Ruang kerja : Ruang Akademik
    FKIK Unja# Jurusan Ilmu Kesehatan Masyarakat1. Program Studi Ilmu Kesehatan Masyarakat
    : Bapak Yudhi Desfratama Putra Alda, S.H. (085839603772) Ruang kerja : Ruang Program
    Studi Ilmu Kesehatan Masyarakat# Jurusan Ilmu Psikolgi1. Program Studi Psikologi
    : Ibu Lina (085383337698) Ruang kerja : Ruang Dekan FKIK Unja# Jurusan Farmasi1.
    Program Studi Farmasi : Bapak Ides Nawinata, S.E (085269826454) Ruang kerja :
    Ruang Perlengkapan FKIK Unja# Kemahasiswaan (Aktif Kuliah)1. Kemahasiswaan : Bapak
    Irwansyah, S.K.M (0895620070754) Ruang kerja : Ruang Perlengkapan FKIK Unja# Laboratorium1.
    Lab Keterampilan Klinik (SKillab) : Ibu Dyna Afriyanti,Am.Far (082177434105)2.
    Lab Biomedik : Ibu Peggy Dwi Pratiwi, Am.Ak (082281159219)3. Lab Anatomi : Bapak
    Yusiro (085269413988)# Perpustakaan1. Lab Perpustakaan : Ibu Fristi (082182211964)#
    Lab ICT-CBT1. Pendaftaran UKMPPD (Profesi Dokter), Pendaftaran UKNI (Profesi Ners),
    Pendaftaran Yudisium, Penurunan UKT : Bapak Martinsyah, S.E (085266892842)2. Operator
    Teknis ICT-CBT : Bapak Mory Setiawan, S.Pd (085268330478) Untuk pelayanan mahasiswa
    yang berkaitan dengan akademik dapat menghubungi staf kependidikan masing-masing
    jurusan pada program studi, atau bisa menghubungi kontak person sebagai berikut:
    # Jurusan Pendidikan Dokter 1.  Program Studi Pendidikan Dokter : Ibu Melly Priyana,
    SE (085208500620) Ruang Kerja : Ruang Akademik FKIK Unja 2. Program Studi Profesi
    Dokter : Ibu Yuricho,S.Kep (085269962998) Ruang Kerja :Ruang Dekan FKIK Unja #
    Jurusan Ilmu Keperawatan 1. Program Studi  Ilmu Keperawatan : Ibu Nursamsiah (082178444274)
    Ruang kerja : Ruang Akademik FKIK Unja 2. Program Studi Profesi Ners : Ibu Nurlaila,S.Pd
    (082177180778)Ruang kerja : Ruang Akademik FKIK Unja # Jurusan Ilmu Kesehatan
    Masyarakat 1. Program Studi Ilmu Kesehatan Masyarakat : Bapak Yudhi Desfratama
    Putra Alda, S.H. (085839603772) Ruang kerja : Ruang Program Studi Ilmu Kesehatan
    Masyarakat # Jurusan Ilmu Psikolgi 1. Program Studi Psikologi : Ibu Lina (085383337698)
    Ruang kerja : Ruang Dekan FKIK Unja # Jurusan Farmasi 1. Program Studi Farmasi
    : Bapak Ides Nawinata, S.E (085269826454) Ruang kerja : Ruang Perlengkapan FKIK
    Unja # Kemahasiswaan (Aktif Kuliah) 1. Kemahasiswaan : Bapak Irwansyah, S.K.M
    (0895620070754) Ruang kerja : Ruang Perlengkapan FKIK Unja # Laboratorium 1. Lab
    Keterampilan Klinik (SKillab) : Ibu Dyna Afriyanti,Am.Far (082177434105) 2. Lab
    Biomedik : Ibu Peggy Dwi Pratiwi, Am.Ak (082281159219) 3. Lab Anatomi : Bapak
    Yusiro (085269413988) # Perpustakaan 1. Lab Perpustakaan : Ibu Fristi (082182211964)
    # Lab ICT-CBT 1. Pendaftaran UKMPPD (Profesi Dokter), Pendaftaran UKNI (Profesi
    Ners), Pendaftaran Yudisium, Penurunan UKT : Bapak Martinsyah, S.E (085266892842)
    2. Operator Teknis ICT-CBT : Bapak Mory Setiawan, S.Pd (085268330478)'
  - silakan reset passwordnya melalui link https://siharka.menpan.go.id/ pilih bagian
    lupa password silakan reset passwordnya melalui link https://siharka.menpan.go.id/
    pilih bagian lupa password
- source_sentence: 5. Saya Cek Ijazah Saya di Sivil Dikti, Ternyata Data Ijazah Saya
    Tidak Terdaftar. Bagaimana Prosedur Selanjutnya?
  sentences:
  - Cari data anda pada linkhttps://pddikti.kemdikbud.go.id/dengan menginputkan NIM
    pada kolom pencarian.Bila data tetap tidak ditemukan silahkan hubungi Helpdesk
    BAK UNJA melalaui WhatsApp di 0821 8147 6636 Cari data anda pada linkhttps://pddikti.kemdikbud.go.id/dengan
    menginputkan NIM pada kolom pencarian.Bila data tetap tidak ditemukan silahkan
    hubungi Helpdesk BAK UNJA melalaui WhatsApp di 0821 8147 6636
  - Kelebihan kinerja dapat dibayarkan jika BKD terpenuhi dan kinerja lebih dari 16
    sks. Kelebihan kinerja dapat dibayarkan jika BKD terpenuhi dan kinerja lebih dari
    16 sks.
  - Kelebihan kinerja dapat dibayarkan jika BKD terpenuhi dan kinerja lebih dari 16
    sks. Kelebihan kinerja dapat dibayarkan jika BKD terpenuhi dan kinerja lebih dari
    16 sks.
pipeline_tag: sentence-similarity
library_name: sentence-transformers
---

# SentenceTransformer based on sentence-transformers/all-MiniLM-L6-v2

This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [sentence-transformers/all-MiniLM-L6-v2](https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2). It maps sentences & paragraphs to a 384-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:** [sentence-transformers/all-MiniLM-L6-v2](https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2) <!-- at revision c9745ed1d9f207416be6d2e6f8de32d1f16199bf -->
- **Maximum Sequence Length:** 256 tokens
- **Output Dimensionality:** 384 dimensions
- **Similarity Function:** Cosine Similarity
<!-- - **Training Dataset:** Unknown -->
<!-- - **Language:** Unknown -->
<!-- - **License:** Unknown -->

### 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': 256, 'do_lower_case': False}) with Transformer model: BertModel 
  (1): Pooling({'word_embedding_dimension': 384, '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("sentence_transformers_model_id")
# Run inference
sentences = [
    '5. Saya Cek Ijazah Saya di Sivil Dikti, Ternyata Data Ijazah Saya Tidak Terdaftar. Bagaimana Prosedur Selanjutnya?',
    'Cari\xa0data anda pada linkhttps://pddikti.kemdikbud.go.id/dengan menginputkan NIM pada kolom pencarian.Bila data tetap tidak ditemukan silahkan hubungi Helpdesk BAK UNJA melalaui WhatsApp di 0821 8147 6636 Cari\xa0data anda pada linkhttps://pddikti.kemdikbud.go.id/dengan menginputkan NIM pada kolom pencarian.Bila data tetap tidak ditemukan silahkan hubungi Helpdesk BAK UNJA melalaui WhatsApp di 0821 8147 6636',
    'Kelebihan kinerja dapat dibayarkan jika BKD terpenuhi dan kinerja lebih dari 16 sks. Kelebihan kinerja dapat dibayarkan jika BKD terpenuhi dan kinerja lebih dari 16 sks.',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# 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.*
-->

<!--
## 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

#### Unnamed Dataset

* Size: 200 training samples
* Columns: <code>sentence_0</code>, <code>sentence_1</code>, and <code>sentence_2</code>
* Approximate statistics based on the first 200 samples:
  |         | sentence_0                                                                          | sentence_1                                                                          | sentence_2                                                                          |
  |:--------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|
  | type    | string                                                                              | string                                                                              | string                                                                              |
  | details | <ul><li>min: 10 tokens</li><li>mean: 32.59 tokens</li><li>max: 116 tokens</li></ul> | <ul><li>min: 4 tokens</li><li>mean: 137.68 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 4 tokens</li><li>mean: 130.25 tokens</li><li>max: 256 tokens</li></ul> |
* Samples:
  | sentence_0                                                                                                                                                        | sentence_1                                                                                                                                                                                                                                                                               | sentence_2                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    |
  |:------------------------------------------------------------------------------------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
  | <code>Saya sudah mengajukan BKD kepada asesor, dan karena satu alasan saya ingin membatalkan ajuan BKD tersebut. Apa yang harus saya lakukan (Remunerasi)?</code> | <code>Klik tombol merahBuat Permohonan Pembatalan Ajuandi menuBKD dan Kinerja. Klik tombol merahBuat Permohonan Pembatalan Ajuandi menuBKD dan Kinerja.</code>                                                                                                                           | <code>Membuat surat permohonan yang ditujukan ke Dekan Fakultas PertanianSurat Keterangan Bebas Pustaka Fakultas PertanianSurat Keterangan Bebas Pustaka Universitas JambiBukti Registrasi Terakhir</code>                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    |
  | <code>Bagaimana cara mengakses atau login ke aplikasi SIREMUN (Remunerasi)?</code>                                                                                | <code>Anda dapat mengakses atau login ke dalam aplikasi SIREMUN (Remunerasi) dengan menggunakan akun yang sama dengan akun akses ke SIAKAD. Anda dapat mengakses atau login ke dalam aplikasi SIREMUN (Remunerasi) dengan menggunakan akun yang sama dengan akun akses ke SIAKAD.</code> | <code>DATA IPK ALUMNI UNJA TELAH KAMI LAPORKAN KE PANGKALAN DATA DIKTI (PDDIKTI) SESUSAI DENGAN NILAI IPK YANG TERTERA PADA TRANSKRIP NILAI ANDA.JIKA SETELAH PELAPORAN DATA INI MASIH DITEMUKAN KETIDAKSESUAIAN IPK ANTARA TRANSKRIP NILAI UNJA DENGAN APLIKASI PPG SILAHKAN ANDA MENGKONFIRMASI KE ADMIN APILIKASI PPG (CEK DI WEBSITE PPG) DATA IPK ALUMNI UNJA TELAH KAMI LAPORKAN KE PANGKALAN DATA DIKTI (PDDIKTI) SESUSAI DENGAN NILAI IPK YANG TERTERA PADA TRANSKRIP NILAI ANDA. JIKA SETELAH PELAPORAN DATA INI MASIH DITEMUKAN KETIDAKSESUAIAN IPK ANTARA TRANSKRIP NILAI UNJA DENGAN APLIKASI PPG SILAHKAN ANDA MENGKONFIRMASI KE ADMIN APILIKASI PPG (CEK DI WEBSITE PPG)</code> |
  | <code>Untuk menambahkan lokasi presensi Dosen (karena tugas tambahan), Siapa yang bisa dihubungi?</code>                                                          | <code>Silakan hubungi bagian kepegawaian BUPK Universitas Jambi Silakan hubungi bagian kepegawaian BUPK Universitas Jambi</code>                                                                                                                                                         | <code>DATA IPK ALUMNI UNJA TELAH KAMI LAPORKAN KE PANGKALAN DATA DIKTI (PDDIKTI) SESUSAI DENGAN NILAI IPK YANG TERTERA PADA TRANSKRIP NILAI ANDA.JIKA SETELAH PELAPORAN DATA INI MASIH DITEMUKAN KETIDAKSESUAIAN IPK ANTARA TRANSKRIP NILAI UNJA DENGAN APLIKASI PPG SILAHKAN ANDA MENGKONFIRMASI KE ADMIN APILIKASI PPG (CEK DI WEBSITE PPG) DATA IPK ALUMNI UNJA TELAH KAMI LAPORKAN KE PANGKALAN DATA DIKTI (PDDIKTI) SESUSAI DENGAN NILAI IPK YANG TERTERA PADA TRANSKRIP NILAI ANDA. JIKA SETELAH PELAPORAN DATA INI MASIH DITEMUKAN KETIDAKSESUAIAN IPK ANTARA TRANSKRIP NILAI UNJA DENGAN APLIKASI PPG SILAHKAN ANDA MENGKONFIRMASI KE ADMIN APILIKASI PPG (CEK DI WEBSITE PPG)</code> |
* Loss: [<code>TripletLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#tripletloss) with these parameters:
  ```json
  {
      "distance_metric": "TripletDistanceMetric.EUCLIDEAN",
      "triplet_margin": 5
  }
  ```

### Training Hyperparameters
#### Non-Default Hyperparameters

- `per_device_train_batch_size`: 16
- `per_device_eval_batch_size`: 16
- `multi_dataset_batch_sampler`: round_robin

#### All Hyperparameters
<details><summary>Click to expand</summary>

- `overwrite_output_dir`: False
- `do_predict`: False
- `eval_strategy`: no
- `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`: 5e-05
- `weight_decay`: 0.0
- `adam_beta1`: 0.9
- `adam_beta2`: 0.999
- `adam_epsilon`: 1e-08
- `max_grad_norm`: 1
- `num_train_epochs`: 3
- `max_steps`: -1
- `lr_scheduler_type`: linear
- `lr_scheduler_kwargs`: {}
- `warmup_ratio`: 0.0
- `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`: 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`: 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}
- `deepspeed`: None
- `label_smoothing_factor`: 0.0
- `optim`: adamw_torch
- `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
- `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`: batch_sampler
- `multi_dataset_batch_sampler`: round_robin

</details>

### Framework Versions
- Python: 3.11.13
- Sentence Transformers: 4.1.0
- Transformers: 4.52.4
- PyTorch: 2.6.0+cu124
- Accelerate: 1.7.0
- Datasets: 2.14.4
- Tokenizers: 0.21.1

## 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",
}
```

#### TripletLoss
```bibtex
@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}
}
```

<!--
## 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.*
-->