metadata

language:
  - nl
license: apache-2.0
tags:
  - sentence-transformers
  - sparse-encoder
  - sparse
  - splade
  - generated_from_trainer
  - dataset_size:483497
  - loss:SpladeLoss
  - loss:SparseMarginMSELoss
  - loss:FlopsLoss
base_model: DTAI-KULeuven/robbert-2023-dutch-base
widget:
  - text: Welke van de buikspieren is het meest oppervlakkig?
  - text: Hebben kassasystemen internet nodig
  - text: >-
      Hagel is neerslag in de vorm van grote ballen of klompen ijs. Begin vorige
      week was er een storm die hagel produceerde. Hagel begint als kleine
      ijsdeeltjes die voornamelijk groeien door accretie; om groot te worden,
      hebben ze overvloedige waterdruppels nodig. Terwijl de hagelsteen naar
      boven en naar beneden beweegt door de storm, botst hij tegen
      waterdruppels, waardoor hij met elke botsing groter wordt. Hagelstenen
      kunnen zo groot worden als sinaasappels en grapefruits. Hagelstenen
      beginnen als kleine ijsdeeltjes die voornamelijk groeien door accretie; om
      groot te worden, hebben ze overvloedige waterdruppels nodig. Terwijl de
      hagelsteen naar boven en naar beneden beweegt door een storm, botst hij
      tegen waterdruppels, waardoor hij met elke botsing groter wordt.
      Hagelstenen kunnen zo groot worden als sinaasappels en grapefruits.
  - text: wat is WIST
  - text: >-
      Bij het bouwen met gietwanden wordt de vloeren van de kelder voorbereid
      alsof het een plaatvloer is, vaak met de betonnen vloer die wordt gestort
      nadat de bovenste verdiepingen zijn geplaatst en het dak, de ramen en de
      deuren zijn geïnstalleerd. De leidingen voor vloerdrainage en piping
      moeten worden aangelegd vóór het storten.
datasets:
  - tomaarsen/msmarco-Qwen3-Reranker-0.6B-dutch
pipeline_tag: feature-extraction
library_name: sentence-transformers
metrics:
  - dot_accuracy@1
  - dot_accuracy@3
  - dot_accuracy@5
  - dot_accuracy@10
  - dot_precision@1
  - dot_precision@3
  - dot_precision@5
  - dot_precision@10
  - dot_recall@1
  - dot_recall@3
  - dot_recall@5
  - dot_recall@10
  - dot_ndcg@10
  - dot_mrr@10
  - dot_map@100
  - query_active_dims
  - query_sparsity_ratio
  - corpus_active_dims
  - corpus_sparsity_ratio
co2_eq_emissions:
  emissions: 527.1889196785908
  energy_consumed: 1.4281761636263346
  source: codecarbon
  training_type: fine-tuning
  on_cloud: false
  cpu_model: AMD EPYC 7R13 Processor
  ram_total_size: 1999.9855346679688
  hours_used: 0.399
  hardware_used: 8 x NVIDIA H100 80GB HBM3
model-index:
  - name: Splade robbert-2023-dutch-base finetuned on MSMARCO
    results:
      - task:
          type: sparse-information-retrieval
          name: Sparse Information Retrieval
        dataset:
          name: msmarco eval 1k
          type: msmarco-eval-1k
        metrics:
          - type: dot_accuracy@1
            value: 0.796
            name: Dot Accuracy@1
          - type: dot_accuracy@3
            value: 0.907
            name: Dot Accuracy@3
          - type: dot_accuracy@5
            value: 0.932
            name: Dot Accuracy@5
          - type: dot_accuracy@10
            value: 0.958
            name: Dot Accuracy@10
          - type: dot_precision@1
            value: 0.796
            name: Dot Precision@1
          - type: dot_precision@3
            value: 0.3023333333333333
            name: Dot Precision@3
          - type: dot_precision@5
            value: 0.18640000000000004
            name: Dot Precision@5
          - type: dot_precision@10
            value: 0.09580000000000001
            name: Dot Precision@10
          - type: dot_recall@1
            value: 0.796
            name: Dot Recall@1
          - type: dot_recall@3
            value: 0.907
            name: Dot Recall@3
          - type: dot_recall@5
            value: 0.932
            name: Dot Recall@5
          - type: dot_recall@10
            value: 0.958
            name: Dot Recall@10
          - type: dot_ndcg@10
            value: 0.8808059179687359
            name: Dot Ndcg@10
          - type: dot_mrr@10
            value: 0.8556781746031749
            name: Dot Mrr@10
          - type: dot_map@100
            value: 0.8569044018336731
            name: Dot Map@100
          - type: query_active_dims
            value: 62.608001708984375
            name: Query Active Dims
          - type: query_sparsity_ratio
            value: 0.9987478399658203
            name: Query Sparsity Ratio
          - type: corpus_active_dims
            value: 255.89559936523438
            name: Corpus Active Dims
          - type: corpus_sparsity_ratio
            value: 0.9948820880126952
            name: Corpus Sparsity Ratio

Splade robbert-2023-dutch-base finetuned on MSMARCO

This is a SPLADE Sparse Encoder model finetuned from DTAI-KULeuven/robbert-2023-dutch-base on the msmarco-qwen3-reranker-0.6_b-dutch dataset using the sentence-transformers library. It maps sentences & paragraphs to a 50000-dimensional sparse vector space and can be used for semantic search and sparse retrieval.

Model Details

Model Description

Model Type: SPLADE Sparse Encoder
Base model: DTAI-KULeuven/robbert-2023-dutch-base
Maximum Sequence Length: 512 tokens
Output Dimensionality: 50000 dimensions
Similarity Function: Dot Product
Training Dataset:
- msmarco-qwen3-reranker-0.6_b-dutch
Language: nl
License: apache-2.0

Model Sources

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

Full Model Architecture

SparseEncoder(
  (0): MLMTransformer({'max_seq_length': 512, 'do_lower_case': False, 'architecture': 'RobertaForMaskedLM'})
  (1): SpladePooling({'pooling_strategy': 'max', 'activation_function': 'relu', 'word_embedding_dimension': 50000})
)

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 SparseEncoder

# Download from the 🤗 Hub
model = SparseEncoder("sparse-encoder/splade-robbert-dutch-base-v1")
# Run inference
queries = [
    "hoe maak je een keldervloer glad",
]
documents = [
    'V: Ik wil een keldervloer schilderen, maar het beton is te ruw. Is er een gemakkelijke manier om het glad te maken? A: Je kunt het voorafgaand aan het schilderen voorzien van een nieuwe laag. Een overlay compound - ook wel zelfnivellerende compound genoemd - is een op gips gebaseerd product dat zichzelf nivelleert wanneer het over de vloer wordt gegoten. Het kan tot een dikte van 1,25 cm of meer worden gegoten, afhankelijk van het product. Je verspreidt het product met een trekker. Zodra het is uitgehard, zal de vloer glad en gelijkmatig zijn.',
    'Deel 1: Vocht in de kelder elimineren. Een van de belangrijkste aspecten van het renoveren van een kelder is ervoor zorgen dat deze droog en warm is. Bob praat met Larry Janesky van Basement Systems over de stappen die zijn genomen om de kelder in Melrose droog te houden. Een vergrendelbare kunststof ondervloer fungeert als een ondervloer voor de keldervloer.',
    'Plaats een 1,2 meter lange waterpas op de vloer naast de muur om te controleren of de vloer vlak is. Zo niet, schuif de waterpas over de vloer om het laagste punt te vinden. Op dat punt, bevestig een reststukje plint met een spijker aan de muur.',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 50000] [3, 50000]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[16.1220, 10.5006,  8.6634]])

Evaluation

Metrics

MTEB

To evaluate this model, we've evaluated it on BelebeleRetrieval (nld-nld) and WikipediaRetrievalMultilingual (nld): the two Dutch Retrieval tasks recommended by MMTEB.

As shown in this figure, splade-robbert-dutch-base-v1 heavily outperforms the only other Dutch-capable Sparse embedding model, and outperforms all equally sized dense embedding models, despite only using an average of ~250 active (non-zero) dimensions for documents (during training).

Click to see the full table

Model	Number of Parameters	BelebeleRetrieval	WikipediaRetrievalMultilingual
multilingual-e5-large-instruct	560M	94.725	92.342
multilingual-e5-large	560M	94.607	-
Solon-embeddings-large-0.1	559M	93.651	91.239
snowflake-arctic-embed-l-v2.0	568M	93.318	90.902
bge-m3	568M	93.859	90.106
multilingual-e5-base	278M	93.731	89.905
jina-embeddings-v3	572M	93.105	90.296
splade-robbert-dutch-base-v1	124M	93.389	88.937
multilingual-e5-small	118M	92.859	88.662
KaLM-embedding-multilingual-mini-v1	494M	91.453	88.413
Qwen3-Embedding-0.6B	595M	91.686	88.121
snowflake-arctic-embed-m-v2.0	305M	88.358	88.898
granite-embedding-278m-multilingual	278M	87.039	86.324
gte-multilingual-base	305M	89.204	83.976
KaLM-embedding-multilingual-mini-instruct-v1	494M	85.648	85.877
granite-embedding-107m-multilingual	107M	85.068	85.097
robbert-2022-dutch-sentence-transformers	124M	86.146	82.553
opensearch-neural-sparse-encoding-multilingual-v1	167M	80.101	85.529
paraphrase-multilingual-mpnet-base-v2	278M	83.910	76.676
e5-large-v2	335M	76.433	79.711
STS-multilingual-mpnet-base-v2	278M	80.625	73.803
paraphrase-multilingual-MiniLM-L12-v2	118M	81.021	71.091
snowflake-arctic-embed-m	109M	65.511	74.801
potion-multilingual-128M	128M	72.454	65.559
static-similarity-mrl-multilingual-v1	108M	67.375	69.050
snowflake-arctic-embed-m-long	137M	67.947	65.988
snowflake-arctic-embed-m-v1.5	109M	65.511	67.920
bge-base-en-v1.5	109M	61.073	72.093
snowflake-arctic-embed-s	32M	58.683	70.887
potion-base-8M	7M	22.563	40.107

Sparse Information Retrieval

Dataset: msmarco-eval-1k
Evaluated with SparseInformationRetrievalEvaluator

Metric	Value
dot_accuracy@1	0.796
dot_accuracy@3	0.907
dot_accuracy@5	0.932
dot_accuracy@10	0.958
dot_precision@1	0.796
dot_precision@3	0.3023
dot_precision@5	0.1864
dot_precision@10	0.0958
dot_recall@1	0.796
dot_recall@3	0.907
dot_recall@5	0.932
dot_recall@10	0.958
dot_ndcg@10	0.8808
dot_mrr@10	0.8557
dot_map@100	0.8569
query_active_dims	62.608
query_sparsity_ratio	0.9987
corpus_active_dims	255.8956
corpus_sparsity_ratio	0.9949

Training Details

Training Dataset

msmarco-qwen3-reranker-0.6_b-dutch

Dataset: msmarco-qwen3-reranker-0.6_b-dutch at 134d739
Size: 483,497 training samples
Columns: query, positive, negative_1, negative_2, negative_3, negative_4, negative_5, negative_6, negative_7, negative_8, and score

Approximate statistics based on the first 1000 samples:

	query	positive	negative_1	negative_2	negative_3	negative_4	negative_5	negative_6	negative_7	negative_8	score
type	string	string	string	string	string	string	string	string	string	string	list
details	min: 4 tokens mean: 10.0 tokens max: 42 tokens	min: 19 tokens mean: 92.8 tokens max: 512 tokens	min: 18 tokens mean: 79.04 tokens max: 251 tokens	min: 15 tokens mean: 81.89 tokens max: 267 tokens	min: 13 tokens mean: 80.76 tokens max: 260 tokens	min: 20 tokens mean: 82.41 tokens max: 303 tokens	min: 13 tokens mean: 82.67 tokens max: 244 tokens	min: 13 tokens mean: 82.92 tokens max: 221 tokens	min: 13 tokens mean: 84.15 tokens max: 255 tokens	min: 16 tokens mean: 82.19 tokens max: 237 tokens	size: 9 elements

Samples:

query	positive	negative_1	negative_2	negative_3	negative_4	negative_5	negative_6	negative_7	negative_8	score
`wat is clomifeen`	`Indicaties van dit medicijn. Clomifeen wordt gebruikt als vruchtbaarheidsmedicijn bij sommige vrouwen die niet in staat zijn om zwanger te raken. Clomifeen werkt waarschijnlijk door de hormonale balans in het lichaam te veranderen. Bij vrouwen zorgt dit ervoor dat ovulatie plaatsvindt en bereidt het lichaam voor op een zwangerschap.`	`Clomifeen-citraat, een synthetisch hormoon dat vaak wordt gebruikt om ovulatie op te wekken of te reguleren, is de meest voorgeschreven vruchtbaarheidspil. Merknamen voor clomifeen-citraat zijn Clomid en Serophene. Clomifeen werkt indirect om de ovulatie te stimuleren.`	`Af en toe kan clomifeen de eierstokken te veel stimuleren, waardoor er meerdere eieren worden vrijgegeven, wat kan leiden tot meerlingen, zoals tweelingen of drieling (zie Clomid en Tweelingen). Clomifeen is een van de goedkoopste en makkelijkste vruchtbaarheidsmedicijnen. Het werkt echter niet voor alle soorten onvruchtbaarheid. Uw zorgverlener moet eerst de oorzaak van uw onvruchtbaarheid proberen te achterhalen voordat u clomifeen gaat gebruiken.`	`Clomifeencitraat biedt twee voordelen voor de prestatieverhogende atleet, waarvan er één primair is. Meest voorkomende is dat deze SERM wordt gebruikt voor herstel na een cyclus; specifiek om de natuurlijke testosteronproductie te stimuleren die onderdrukt is door het gebruik van anabole steroïden.`	`PCOS en ovulatieproblemen en Clomid-behandeling. Clomid (clomifeencitraat of Serophene) is een orale medicatie die vaak wordt gebruikt voor de behandeling van onvruchtbaarheid. Het wordt vaak gegeven om de ovulatie te stimuleren bij vrouwen die zelf geen eicel ontwikkelen en loslaten (ovuleren).`	`Indicatie: Clomid (clomifeencitraat) is vaak de eerste keuze voor het behandelen van onvruchtbaarheid, omdat het effectief is en al meer dan 40 jaar gebruikt wordt.`	`Clomid Beschrijving. Clomid (clomifeen citrate tabletten USP) is een oraal toegediend, niet-steroïdaal ovulatie-stimulerend middel, chemisch aangeduid als 2-[p-(2-chloore-1,2-dfenylvinyl)fenoxy] triëthylamine citrate (1:1). Het heeft de moleculaire formule C26H28ClNO • C6H8O7 en een moleculair gewicht van 598,09.`	PCOS en ovulatieproblemen en Clomid-behandeling. Clomid (clomifeencitraat of Serophene) is een orale medicatie die veelvuldig wordt gebruikt voor de behandeling van onvruchtbaarheid. Het wordt vaak gegeven om de ovulatie te stimuleren bij vrouwen die geen eicel ontwikkelen en vrijgeven (ovuleren) op eigen kracht. Clomid wordt vroeg in de menstruatiecyclus gestart en gedurende vijf dagen ingenomen, ofwel van cyclusdag 3 tot en met 7, of van dag 5 tot en met 9. Clomid wordt meestal gestart met een dosis van één tablet (50 mg) dagelijks, op een moment van de dag naar keuze.	Clomid wordt in de vorm van een pil ingenomen. Dit is anders dan de sterkere vruchtbaarheidsmedicatie, die geïnjecteerd moet worden. Clomid is ook zeer effectief en stimuleert de ovulatie in 80 procent van de gevallen. Clomid kan ook op de markt worden gebracht onder de naam Serophene, of je kunt het onder de generieke naam clomifeencitraat tegenkomen. Opmerking: Clomid kan ook worden gebruikt als behandeling voor mannelijke onvruchtbaarheid. Dit artikel richt zich op de behandeling met Clomid bij vrouwen.	`[4.75390625, 6.9375, 3.92578125, 1.0400390625, 5.61328125, ...]`
`typische accountant kosten voor IT aannemer`	`In de huidige markt hebben we tarieven gezien van zo laag als €60 +BTW, en zo hoog als €216 +BTW voor gespecialiseerde accountants voor aannemers. Interessant is dat de gemiddelde kosten voor aannemeraccounting de afgelopen tien jaar niet in lijn zijn gestegen met de inflatie.`	`Dus, hoeveel kost een aannemer? Dit ligt tussen de 5% en 25% van de totale projectkosten, met een gemiddelde van 10-15%. Typisch bestaat de ploeg van de aannemer uit algemene timmerlieden, sommigen met meer gespecialiseerde vaardigheden. Hoe een aannemer precies in rekening brengt voor een project hangt af van het type contract waarop je je akkoord hebt gegeven. Er zijn drie veelvoorkomende soorten kostencorrespondenties: vaste prijs, tijd & materialen en kosten plus een vergoeding.`	1 Accountants vragen tussen de €140 en €360 of meer per uur, afhankelijk van de soort werkzaamheden, de grootte van het kantoor en de locatie. 2 Voor routinematige werkzaamheden door een minder ervaren medewerker of minder goed opgeleide werknemer betaal je lager tarief, bijvoorbeeld tussen de €25 en €45 voor boekhoudkundige diensten. 3 Het totale honorarium van een accountant hangt af van het project. Voor een simpele oprichting, reken op minimaal 0,5-1,5 uur consult (€70-€520) om je bedrijfsstructuur en basis belastingvraagstukken door te nemen.	`Dus, hoeveel kost een aannemer? Dit varieert van 5% tot 25% van de totale projectkosten, met gemiddeld tussen de 10-15%. Hoe een aannemer precies rekent voor een project hangt af van het type contract waar je mee akkoord gaat. Er zijn drie veelvoorkomende types kostencontracten: vaste prijs, tijd en materialen, en kostprijs plus een vergoeding. Elk type contract heeft voor- en nadelen voor zowel de consument als de aannemer.`	`1 Accountants vragen €140 - €370 of meer per uur, afhankelijk van het type werk, de grootte van het bureau en de locatie. 2 Je betaalt lagere tarieven voor routinematig werk dat wordt gedaan door een minder ervaren medewerker of minder goed opgeleide werknemer, zoals €28 - €46 voor boekhoudkundige diensten. 3 De totale kosten van een accountant hangen af van het project.`	`gemiddelde toetsaanslagen per uur salarissen het gemiddelde salaris voor toetsaanslagen per uur in dataverwerking is € 18.500`	`Boekhoudkundige diensten kosten doorgaans tussen de €225 en €360 per maand, of tussen de €315 en €450 per kwartaal. Inclusief btw en bankafschriften. Wij verzorgen alle verwerking, indiening en belastingdeposities. 5 werknemers, tweewekelijks salaris, automatische incasso, €125 per maand.`	`Hoe minder uitbesteed wordt, hoe goedkoper het voor je zal zijn. Een boekhouder zou tussen de €13 en €16 per uur betaald moeten worden. Een accountant met een bachelor (4 jaar) zou ergens rond de €18 per uur betaald moeten worden, maar dat hangt nog steeds af van wat je ze laat doen. Een accountant met een mastergraad zou tussen de €23 en €27 per uur betaald moeten worden.`	`Salaris op basis van ervaringsniveau voor Inlichtingenanalisten. Mediaan van alle compensatie (inclusief fooi, bonus en overuren) op basis van jaren ervaring. Inlichtingenanalisten met veel ervaring hebben doorgaans hogere inkomsten.`	`[7.44921875, 3.271484375, 5.859375, 3.234375, 5.421875, ...]`
`wat is mch op een bloedtest`	Wat hoge niveaus betekenen. MCH-niveaus in bloedtesten worden als hoog beschouwd als ze 35 of hoger zijn. Een normaal hemoglobine-niveau wordt als zijnde in het bereik van 26 tot 33 picogram per rode bloedcel beschouwd. Hoge MCH-niveaus kunnen wijzen op macrocytaire anemie, wat kan worden veroorzaakt door een tekort aan vitamine B12. Macrocytaire RBC's zijn groot, waardoor ze doorgaans een hoger MCH hebben, terwijl microcytaire rode cellen een lagere waarde zouden hebben. MCH is een van de drie indices van rode bloedcellen (MCHC en MCV zijn de andere twee). De metingen worden uitgevoerd door een machine en kunnen helpen bij de diagnose van medische problemen.	MCH staat voor gemiddelde corpusculaire hemoglobine. Het schat de gemiddelde hoeveelheid hemoglobine in elk rode bloedcel, gemeten in picogrammen (een biljoenste van een gram). Geautomatiseerde cel telmachines berekenen de MCH, die gerapporteerd wordt als onderdeel van een volledig bloedonderzoek (CBC). MCH kan laag zijn bij ijzertekortanemie en kan hoog zijn bij anemie door een tekort aan vitamine B12 of foliumzuur. Andere vormen van anemie kunnen ook leiden tot een abnormale MCH. Dokters gebruiken de MCH alleen als ondersteunende informatie, niet om een diagnose te stellen.	`A. MCH staat voor gemiddelde corpusculaire hemoglobine. Het schat de gemiddelde hoeveelheid hemoglobine in elke rode bloedcel, gemeten in picogram (een biljoenste van een gram). Geautomatiseerde cel telmachines berekenen de MCH, die wordt gerapporteerd als onderdeel van een compleet bloedbeeld (CBC) test. MCH kan laag zijn bij ijzertekortanemie en kan hoog zijn bij anemie door vitamine B12- of foliumzuurtekort. Andere vormen van anemie kunnen ook leiden tot een abnormale MCH.`	`De test die wordt gebruikt om de hoeveelheid hemoglobine in het bloed te bepalen, staat bekend als de MCH-bloedtest. De volle betekenis van MCH is Gemiddelde Corpusculaire Hemoglobine. Deze test wordt daarom gebruikt om de gemiddelde hoeveelheid hemoglobine per rode bloedcel in het lichaam te bepalen. De resultaten van de MCH-bloedtest worden gerapporteerd in picogram, een erg kleine maat voor gewicht.`	`Een hoge MCH-bloedtest geeft aan dat er een slechte zuurstoftoevoer naar het bloed is, terwijl een lage MCH-bloedtest betekent dat er te weinig hemoglobine in de cellen is, wat wijst op een tekort aan ijzer. Het is belangrijk dat het ijzer op een bepaald niveau wordt gehouden, aangezien te veel of te weinig ijzer gevaarlijk kan zijn voor je lichaam.`	dia 1 van 7. Wat is MCH? MCH is de afkorting voor Gemiddelde Corpusculaire Hemoglobine. Afkomstig uit het Latijn verwijst de term naar de gemiddelde hoeveelheid hemoglobine die in rode bloedcellen wordt aangetroffen. Een CBC (volledig bloedbeeld) bloedtest kan worden gebruikt om de MCH-niveaus in het bloed te volgen. Lab Tests Online legt uit dat het MCH-aspect van een CBC-test een maat is voor de gemiddelde hoeveelheid zuurstofdragende hemoglobine in een rode bloedcel. Macrocytische RBC's zijn groot en hebben dus een hogere MCH, terwijl microcytische rode cellen een lagere waarde zouden hebben.	`De test die gebruikt wordt om de hoeveelheid hemoglobine in het bloed te bepalen, staat bekend als de MCH bloedtest. De volledige naam van MCH is Gemiddelde Corpusculaire Hemoglobine. Deze test wordt dus gebruikt om de gemiddelde hoeveelheid hemoglobine per rode bloedcel in het lichaam te bepalen. De resultaten van de MCH bloedtest worden gerapporteerd in picogrammen, een kleine maat voor gewicht. De normale waarde van de MCH bloedtest ligt tussen 26 en 33 pg per cel.`	Een MCHC-test is een test die wordt uitgevoerd om een persoon op bloedarmoede te testen. MCHC in een MCHC-test staat voor Gemiddelde Corpusculaire Hemoglobine Concentratie. MCHC is de berekening van de gemiddelde hemoglobine binnen een rode bloedcel. Een MCHC-test kan worden uitgevoerd samen met een MCV-test (Gemiddeld Corpusculair Volume). Beide niveaus worden gebruikt om mensen op bloedarmoede te testen. De MCHC-test staat ook bekend als de MCH-bloedtest, die de niveaus van hemoglobine in het bloed test. De MCHC-test kan worden aangevraagd als onderdeel van een compleet bloedbeeld (CBC) test. CHC wordt gemeten in grammen per deciliter. Normale waarden voor MCHC liggen tussen de 31 gram per deciliter en 35 gram per deciliter. Een MCHC-bloedtest kan worden aangevraagd wanneer een persoon tekenen van vermoeidheid of zwakte vertoont, wanneer er een infectie is, wanneer iemand gemakkelijk bloed of blauwe plekken krijgt, of wanneer er een ontsteking is.	`De test kijkt naar de gemiddelde hoeveelheid hemoglobine per rode bloedcel. MCHC = de hoeveelheid hemoglobine die aanwezig is in elke rode bloedcel. Een MCHC-bloedtest kan worden aangevraagd voor iemand die tekenen vertoont van vermoeidheid of zwakte, wanneer er een infectie is, wanneer iemand gemakkelijk bloedt of blauwe plekken krijgt, of wanneer er duidelijke ontstekingen zichtbaar zijn.`	`[6.44921875, 7.05078125, 7.2109375, 8.40625, 6.53515625, ...]`

Loss: SpladeLoss with these parameters:

{
    "loss": "SparseMarginMSELoss",
    "document_regularizer_weight": 0.08,
    "query_regularizer_weight": 0.1
}

Evaluation Dataset

msmarco-qwen3-reranker-0.6_b-dutch

Dataset: msmarco-qwen3-reranker-0.6_b-dutch at 134d739
Size: 10,000 evaluation samples
Columns: query, positive, negative_1, negative_2, negative_3, negative_4, negative_5, negative_6, negative_7, negative_8, and score

Approximate statistics based on the first 1000 samples:

	query	positive	negative_1	negative_2	negative_3	negative_4	negative_5	negative_6	negative_7	negative_8	score
type	string	string	string	string	string	string	string	string	string	string	list
details	min: 4 tokens mean: 9.93 tokens max: 30 tokens	min: 7 tokens mean: 92.85 tokens max: 257 tokens	min: 15 tokens mean: 80.39 tokens max: 215 tokens	min: 15 tokens mean: 79.84 tokens max: 222 tokens	min: 16 tokens mean: 81.66 tokens max: 272 tokens	min: 16 tokens mean: 81.78 tokens max: 319 tokens	min: 16 tokens mean: 83.81 tokens max: 340 tokens	min: 12 tokens mean: 79.79 tokens max: 255 tokens	min: 13 tokens mean: 82.62 tokens max: 264 tokens	min: 15 tokens mean: 80.73 tokens max: 262 tokens	size: 9 elements

Samples:

query	positive	negative_1	negative_2	negative_3	negative_4	negative_5	negative_6	negative_7	negative_8	score
`hoeveel mensen zijn er in dienst bij Shell`	`Shell wereldwijd. Koninklijke Dutch Shell werd opgericht in 1907, hoewel onze geschiedenis teruggaat tot het begin van de 19e eeuw, naar een kleine winkel in Londen waar de familie Samuel schelpen verkocht. Tegenwoordig is Shell een van de grootste energiebedrijven ter wereld, met gemiddeld 93.000 medewerkers en actief in meer dan 70 landen. Ons hoofdkantoor bevindt zich in Den Haag, Nederland, en onze Chief Executive Officer is Ben van Beurden.`	`Toon informatie uit bronnen. Deze statistiek toont het aantal medewerkers bij SeaWorld Entertainment, Inc. in de Verenigde Staten, verdeeld naar type. In december 2016 had SeaWorld 5.000 fulltime medewerkers in dienst en telde ongeveer 13.000 seizoensmedewerkers tijdens hun drukste operationele seizoen.`	`Banen, bedrijven, mensen en artikelen voor leden van LinkedIn's Payroll Specialist - Addus Thuiszorg, Inc. Inzichten over Payroll Specialist - Addus Thuiszorg, Inc. leden op LinkedIn. Mediaan salaris €28.000.`	`Vanaf juli 2014 zijn er 139 miljoen mensen aan het werk in Nederland. Dit aantal is gestegen met 209.000 werknemers ten opzichte van juni en met 1,47 miljoen ten opzichte van het begin van 2014.`	`gemiddelde toetsaanslagen per uur salarissen het gemiddelde salaris voor toetsaanslagen per uur in dataverwerking is € 18.500`	`Onderzoek en bekijk banen bij Plano Synergy. Leer meer over een carrière bij Plano Synergy, inclusief alle recente vacatures, wervingstrends, salarissen, werkomgeving en meer. Vind vacatures Bedrijfsreviews Vind salarissen Vind cv's Werkgevers / Plaats vacature Upload je cv Inloggen`	`Van miljoenen echte salarisgegevens. 13 salarisgegevens van klantenservice specialisten. Het gemiddelde salaris van een klantenservice specialist is €59.032. Gedetailleerd salarisrapport van klantenservice specialisten, starters salaris, mediaansalaris, loonstructuur, bonusgegevens. Meld je aan en ontdek hoeveel € je kunt verdienen Inloggen`	`Op basis van miljoenen echte salarisgegevens. 1 salarisgegeven van een CEO van Ally. Gemiddeld salaris van een CEO van Ally is €50.000 Gedetailleerd salaris van een startende CEO van Ally, median salaris, loonstructuur, bonusgegevens rapport`	`De voordelen en extraatjes van HelpSystems, waaronder verzekeringen, pensioenregelingen en vakantietijd. Anoniem gerapporteerd door medewerkers van HelpSystems. Glassdoor gebruikt cookies om je gebruikerservaring op de site te verbeteren.`	`[6.265625, -1.3671875, -6.91796875, 1.111328125, -7.96875, ...]`
`wat is een lcsw`	`LCSW is een afkorting voor geregistreerd klinisch sociaal werker, en mensen met deze titel zijn geschoolde professionals die aan bepaalde vereisten voldoen en in verschillende gebieden werken. De term sociaal werker is niet altijd synoniem met geregistreerd klinisch sociaal werker.`	`LISW betekent dat de persoon een Geregistreerd Onafhankelijk Maatschappelijk Werker is. LCSW betekent dat de persoon een Geregistreerd Klinisch Maatschappelijk Werker is. Bron(nen): Inleiding tot Maatschappelijk Werk 101 aan de Universiteit van Nevada, Las Vegas (UNLV) Dorothy K. · 10 jaar geleden.`	`Een LCSW is een geregistreerde klinische sociaal werker. Een LMHC is de nieuwste toevoeging aan het veld van geestelijke gezondheidszorg. Ze zijn sterk vergelijkbaar en kunnen de meeste van dezelfde taken uitvoeren met enkele uitzonderingen. Een belangrijk punt om rekening mee te houden is dat, omdat de LMHC-licentie zo nieuw is, er minder van zijn in het vakgebied.`	`De Licensed Clinical Social Worker of LCSW is een subsectie binnen het vakgebied van de Maatschappelijk Werk. Zij werken met cliënten om hen te helpen omgaan met problemen die verband houden met hun mentale en emotionele gezondheid. Dit kan gerelateerd zijn aan middelenmisbruik, traumatische ervaringen uit het verleden of psychische aandoeningen.`	`Gecertificeerd Klinisch Maatschappelijk Werker LCSW. De Gecertificeerd Klinisch Maatschappelijk Werker of LCSW is een subsectie binnen het vakgebied van Maatschappelijk Werk. LCSW's werken met cliënten om hen te helpen omgaan met kwesties die verband houden met mentale en emotionele gezondheid. Er zijn veel verschillende specialisaties waarop de Gecertificeerd Klinisch Maatschappelijk Werker zich kan richten.`	`Het LMSW-examen is een computergebaseerde test met 170 meerkeuzevragen die zijn ontworpen om minimale competenties te meten in vier categorieën van sociaal werkpraktijk: Menselijke ontwikkeling, diversiteit en gedrag in de omgeving. Beoordeling en interventieplanning.`	`De Geregistreerde Gezondheidspsycholoog, ook wel GZ-psycholoog genoemd, is een tak van de sociale wetenschappen die zich specialiseert in geestelijke gezondheidszorg in een counselingformaat. Het worden van een GZ-psycholoog vereist een aanzienlijke mate van opleiding, waaronder het hebben behaald van een Master Sociale Wetenschappen (MSW) diploma van een geaccrediteerd programma.`	a. De examenvereisten voor licentiëring als een LCSW omvatten het slagen voor het Klinisch Examen van de ASWB of het Klinisch Sociaal Werkers Examen van de Staat Californië. Toepassingsgebied - Beperkingen. a. Voor zover zij zijn voorbereid door opleiding en training, kan een LCSW zich bezighouden met alle handelingen en praktijken die zijn gedefinieerd als de praktijk van klinisch sociaal werk. G gecertificeerd Sociaal Werk (CSW): CSW betekent een gecertificeerde sociaal werker met vergunning. Een CSW moet een masterdiploma hebben.	`De LTCM-client is een manier voor bedrijven om in contact te blijven met u, hun klanten, op een manier die niet opdringerig is en volledig onder controle van de gebruiker staat. Het is een applicatie die stilletjes op de computer draait. Gebruikers kunnen en moeten de client aanpassen aan hun gewenste voorkeuren.`	`[7.34375, 6.046875, 7.09765625, 6.46484375, 7.28515625, ...]`
`bevat oolong thee veel cafeïne?`	Bij een bepaald gewicht bevat thee meer cafeïne dan koffie, maar dit betekent niet dat een gebruikelijke portie thee meer cafeïne bevat dan koffie, omdat thee meestal zwak wordt gezet. Sommige soorten thee, zoals oolong en zwarte thee, bevatten een hoger niveau van cafeïne dan de meeste andere theeën. Onder de zes basis theeën (groen, zwart, geel, wit, oolong, donker), bevat groene thee minder cafeïne dan zwarte thee en witte thee bevat minder dan groene thee. Maar veel studies hebben aangetoond dat het cafeïnegehalte meer varieert tussen individuele theeën dan tussen brede categorieën.	`Eigenlijk heeft oolongthee minder cafeïne dan koffie en zwakte thee. Een kopje oolongthee heeft slechts ongeveer 1/3 van de cafeïne van een kopje koffie. Volgens een onderzoek uitgevoerd door HICKS M.B, neemt de cafeïne af telkens wanneer de theebladeren het brouwproces ondergaan.`	`Oolongthee bevat cafeïne. Cafeïne werkt door het centrale zenuwstelsel (CZS), het hart en de spieren te stimuleren. Oolongthee bevat ook theofylline en theobromine, die chemische stoffen zijn die lijken op cafeïne. Te veel oolongthee, meer dan vijf kopjes per dag, kan bijwerkingen veroorzaken vanwege de cafeïne.`	`Oolongthee, gemaakt van rijpere bladeren, bevat meestal minder cafeïne dan groene thee. Aan de andere kant bevatten rijpere bladeren minder theanine, een natuurlijke, zoetige ontspanner die een thee veel minder cafeïnehoudend maakt dan het eigenlijk is. Dat is in ieder geval de theorie.`	Oolong thee is een product dat gemaakt is van de bladeren, knoppen en stelen van de Camellia sinensis plant. Dit is dezelfde plant die ook gebruikt wordt om zwarte thee en groene thee te maken. Het verschil zit in de verwerking. Oolong thee is gedeeltelijk gefermenteerd, zwarte thee is volledig gefermenteerd en groene thee is ongefermenteerd. Oolong thee wordt gebruikt om het denkvermogen te verbeteren en de mentale alertheid te verhogen. Het wordt ook gebruikt ter preventie van kanker, tandbederf, osteoporose en hartziekten. Drink echter niet meer dan 2 kopjes oolong thee per dag. Die hoeveelheid thee bevat ongeveer 200 mg cafeïne. Te veel cafeïne tijdens de zwangerschap kan vroeggeboorte, een laag geboortegewicht en schade aan de baby veroorzaken.	`Een rapport van de Afdeling Voedingsdiensten biedt de volgende hoeveelheden cafeïne voor een kopje thee gemaakt van losse bladeren: 1 Zwarte Thee: 23 - 110 mg. 2 Oolong Thee: 12 - 55 mg. Groene Thee: 8 - 36 mg.`	Oolongthee is een product gemaakt van de bladeren, knoppen en stelen van de Camellia sinensis plant. Dit is dezelfde plant die ook gebruikt wordt om zwarte thee en groene thee te maken. Het verschil zit in de verwerking. Oolongthee is gedeeltelijk gefermenteerd, zwarte thee is volledig gefermenteerd, en groene thee is ongefermenteerd. Oolongthee wordt gebruikt om het denkvermogen te verbeteren en de mentale alertheid te verhogen. Het wordt ook gebruikt ter preventie van kanker, tandbederf, osteoporose en hartaandoeningen.	Gezondheidseffecten van Thee – Cafeïne. In droge vorm bevat een kilogram zwarte thee twee keer zoveel cafeïne als een kilogram koffie... Maar een kilogram zwarte thee levert ongeveer 450 kopjes thee, terwijl een kilogram koffie ongeveer 100 kopjes koffie oplevert, dus... Er zit minder cafeïne in een kop thee dan in een kop koffie. Groene thee bevat minder cafeïne dan zwarte thee, en witte thee bevat nog minder cafeïne dan groene thee. Oolong thee zit tussen zwarte en groene thee in. Kruidenthee is, omdat het niet van dezelfde theeplant is gemaakt, van nature cafeïnevrij. Hier is een grafische weergave van hun respectievelijke cafeïne-inhoud.	`Een gemiddelde portie van 240 milliliter (één kopje) zwarte thee bevat 14 tot 70 mg cafeïne. Ter vergelijking, groene thee bevat 24 tot 45 mg cafeïne. Een glas van 240 milliliter instant ijsthee bereidt met water bevat 11 tot 47 mg cafeïne. De meeste kant-en-klare flessen thee bevatten 5 tot 40 mg cafeïne. Net als bij koffie bevat cafeïnevrije thee nog steeds 5 tot 10 mg cafeïne per kopje.`	`[7.60546875, 8.78125, 9.109375, 8.609375, 7.984375, ...]`

Loss: SpladeLoss with these parameters:

{
    "loss": "SparseMarginMSELoss",
    "document_regularizer_weight": 0.08,
    "query_regularizer_weight": 0.1
}

Training Hyperparameters

Non-Default Hyperparameters

eval_strategy: steps
per_device_train_batch_size: 32
per_device_eval_batch_size: 32
learning_rate: 4e-05
num_train_epochs: 1
warmup_ratio: 0.1
save_safetensors: False
bf16: True
batch_sampler: no_duplicates

All Hyperparameters

Click to expand

overwrite_output_dir: False
do_predict: False
eval_strategy: steps
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: 1
eval_accumulation_steps: None
torch_empty_cache_steps: None
learning_rate: 4e-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: 1
max_steps: -1
lr_scheduler_type: linear
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: False
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: True
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: no_duplicates
multi_dataset_batch_sampler: proportional
router_mapping: {}
learning_rate_mapping: {}

Training Logs

Epoch	Step	Training Loss	Validation Loss	msmarco-eval-1k_dot_ndcg@10
0.0265	50	17855626.24	-	-
0.0530	100	406.6904	36.3480	0.0004
0.0794	150	34.2936	-	-
0.1059	200	25.5018	21.9683	0.3545
0.1324	250	21.4734	-	-
0.1589	300	19.2557	17.3934	0.7213
0.1854	350	17.9381	-	-
0.2119	400	17.1922	15.8020	0.8082
0.2383	450	16.1657	-	-
0.2648	500	16.0839	15.7477	0.8227
0.2913	550	15.5281	-	-
0.3178	600	15.6006	15.5931	0.8503
0.3443	650	14.9879	-	-
0.3708	700	15.0034	14.8002	0.8413
0.3972	750	14.3613	-	-
0.4237	800	14.5447	14.3864	0.8568
0.4502	850	14.7759	-	-
0.4767	900	14.4492	13.9736	0.8545
0.5032	950	13.9609	-	-
0.5297	1000	13.7077	13.4069	0.8541
0.5561	1050	13.5824	-	-
0.5826	1100	13.3919	13.3237	0.8693
0.6091	1150	13.3396	-	-
0.6356	1200	13.4408	13.0114	0.8684
0.6621	1250	13.0334	-	-
0.6886	1300	13.1371	13.3878	0.8734
0.7150	1350	12.8606	-	-
0.7415	1400	12.7314	13.7145	0.8770
0.7680	1450	12.6479	-	-
0.7945	1500	12.7351	12.2741	0.8770
0.8210	1550	12.7105	-	-
0.8475	1600	12.3664	12.8370	0.8826
0.8739	1650	12.21	-	-
0.9004	1700	12.3901	12.6336	0.8833
0.9269	1750	12.0885	-	-
0.9534	1800	12.0867	12.3237	0.8847
0.9799	1850	12.0913	-	-
-1	-1	-	-	0.8808

Environmental Impact

Carbon emissions were measured using CodeCarbon.

Energy Consumed: 1.428 kWh
Carbon Emitted: 0.527 kg of CO2
Hours Used: 0.399 hours

Training Hardware

On Cloud: No
GPU Model: 8 x NVIDIA H100 80GB HBM3
CPU Model: AMD EPYC 7R13 Processor
RAM Size: 1999.99 GB

Framework Versions

Python: 3.10.14
Sentence Transformers: 5.0.0
Transformers: 4.52.4
PyTorch: 2.1.2+cu121
Accelerate: 1.7.0
Datasets: 3.6.0
Tokenizers: 0.21.1

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",
}

SpladeLoss

@misc{formal2022distillationhardnegativesampling,
      title={From Distillation to Hard Negative Sampling: Making Sparse Neural IR Models More Effective},
      author={Thibault Formal and Carlos Lassance and Benjamin Piwowarski and Stéphane Clinchant},
      year={2022},
      eprint={2205.04733},
      archivePrefix={arXiv},
      primaryClass={cs.IR},
      url={https://arxiv.org/abs/2205.04733},
}

SparseMarginMSELoss

@misc{hofstätter2021improving,
    title={Improving Efficient Neural Ranking Models with Cross-Architecture Knowledge Distillation},
    author={Sebastian Hofstätter and Sophia Althammer and Michael Schröder and Mete Sertkan and Allan Hanbury},
    year={2021},
    eprint={2010.02666},
    archivePrefix={arXiv},
    primaryClass={cs.IR}
}

FlopsLoss

@article{paria2020minimizing,
    title={Minimizing flops to learn efficient sparse representations},
    author={Paria, Biswajit and Yeh, Chih-Kuan and Yen, Ian EH and Xu, Ning and Ravikumar, Pradeep and P{'o}czos, Barnab{'a}s},
    journal={arXiv preprint arXiv:2004.05665},
    year={2020}
}