Dfm Sentence Encoder Large

🚀 SimCSEを使用したchcaa/dfm-encoder-large-v1のバージョン

このモデルは、SimCSEを使用して訓練されたchcaa/dfm-encoder-large-v1のバージョンです。Scandinavian Embeddings Benchmarkの一部として、SimCSEのナイーブなベースラインを確立するために訓練されました。

⚠️ 重要提示

このモデルは推奨されていません。代わりに、SEBで現在最良のモデルを確認するか、Danish Foundation Modelsチームによる推薦を参照することをお勧めします。

📚 詳細文档

データセット

• DDSC/dagw_no_twitter

言語

• da

タグ

• SimCSE

ハイパーパラメータ

SimCSEの実装を使用して、以下のパラメータで訓練されました。

CUDA_VISIBLE_DEVICES=0 python train.py \
    --train_file data/dfm_paragraphs.txt \ # paragraphs extract from Danish Gigaword
    --model_name_or_path chcaa/dfm-encoder-large-v1 \
    --num_train_epochs 1 \
    --per_device_train_batch_size 128 \
    --learning_rate 1e-5 \
    --max_seq_length 32 \
    --evaluation_strategy steps \
    --metric_for_best_model stsb_spearman \
    --load_best_model_at_end \
    --pooler_type cls \
    --mlp_only_train \
    --do_mlm \
    --overwrite_output_dir \
    --temp 0.05 \
    --do_train \
    --fp16 

引用

この研究を引用するには、次の論文を参照してください。

Enevoldsen, K., Kardos, M., Muennighoff, N., & Nielbo, K. (2024). The Scandinavian Embedding Benchmarks: Comprehensive Assessment of Multilingual and Monolingual Text Embedding. https://openreview.net/forum?id=pJl_i7HIA72

または、次のBibTeXを使用してください。

@article{enevoldsenScandinavianEmbeddingBenchmarks2024,
	title = {The {Scandinavian} {Embedding} {Benchmarks}: {Comprehensive} {Assessment} of {Multilingual} and {Monolingual} {Text} {Embedding}},
	shorttitle = {The {Scandinavian} {Embedding} {Benchmarks}},
	url = {https://openreview.net/forum?id=pJl_i7HIA72},
	language = {en},
	urldate = {2024-04-12},
	author = {Enevoldsen, Kenneth and Kardos, Márton and Muennighoff, Niklas and Nielbo, Kristoffer},
	month = feb,
	year = {2024},
}

📄 ライセンス

このモデルはMITライセンスの下で提供されています。