---
language:
- en
license: apache-2.0
library_name: sentence-transformers
tags:
- sentence-transformers
- sentence-similarity
- feature-extraction
- generated_from_trainer
- dataset_size:2720
- loss:MatryoshkaLoss
- loss:MultipleNegativesRankingLoss
base_model: keepitreal/vietnamese-sbert
datasets: []
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
widget:
- source_sentence: 'Tại Bộ phận Một cửa: Bố trí khu vực cung cấp thông tin, thủ tục
hành chính; khu vực tiếp nhận và trả kết quả được chia thành từng quầy tương ứng
với từng lĩnh vực khác nhau; bố trí đủ ghế ngồi chờ, bàn để viết, máy tính có
kết nối mạng dành cho tổ chức, cá nhân đến giao dịch, thực hiện dịch vụ công trực
tuyến; lắp đặt camera theo dõi toàn bộ khu vực làm việc của Bộ phận Một cửa có
kết nối với cơ quan nhà nước cấp trên và trong toàn hệ thống; bố trí khu vực đặt
các trang thiết bị: máy lấy số xếp hàng tự động kết nối tới Hệ thống thông tin
một cửa điện tử; các màn hình cảm ứng phục vụ tổ chức, cá nhân tra cứu thông tin,
thủ tục hành chính, tra cứu kết quả giải quyết thủ tục hành chính; bố trí khu
vực cung cấp dịch vụ quy định tại điểm g Khoản 1 Điều 8 Nghị định này.'
sentences:
- Bộ phận một cửa của UBND xã phải được bố trí những trang thiết bị nào?
- Tổ chức thẩm định kết quả pháp điển hệ thống quy phạm pháp luật tại Bộ Tư pháp
được quy định như thế nào?
- Có được đọc, sử dụng thánh kinh trong trại giam không?
- source_sentence: "Cơ sở sản xuất được rút tên khỏi Danh sách cơ sở sản xuất có thuốc\
\ vi phạm chất lượng khi đáp ứng đầy đủ các quy định sau đây: \na) Cơ sở nhập\
\ khẩu thực hiện đầy đủ việc kiểm nghiệm thuốc trước khi đưa ra lưu hành theo\
\ thời hạn quy định tại Khoản 1 Điều này; \nb) Cơ sở sản xuất hoặc cơ sở đăng\
\ ký thuốc có báo cáo theo quy định tại Mẫu số 07 Phụ lục III ban hành kèm theo\
\ Thông tư này, kèm theo bằng chứng thực hiện việc kiểm nghiệm toàn bộ các lô\
\ thuốc nhập khẩu vào Việt Nam trong thời hạn thực hiện quy định tại Khoản 1 Điều\
\ này; \nc) Cơ sở sản xuất không có vi phạm chất lượng thuốc (kể cả thu hồi thuốc\
\ theo hình thức tự nguyện vì lý do chất lượng) trong thời hạn thực hiện quy định\
\ tại Khoản 1 Điều này."
sentences:
- Đi du học 2 năm có bị xóa tên trong sổ đăng ký tạm trú không?
- Điều kiện để cơ sở sản xuất được rút tên khỏi Danh sách cơ sở sản xuất có thuốc
vi phạm chất lượng được quy định như thế nào?
- Thế nào là kinh doanh vận tải khách du lịch bằng xe ô tô?
- source_sentence: '"k) Cơ sở đã được cấp một trong các Giấy chứng nhận: ... Hệ thống
quản lý an toàn thực phẩm ISO 22000, ... hoặc tương đương còn hiệu lực."'
sentences:
- Thế nào là phương thức khớp lệnh tập trung?
- Đã có giấy chứng nhận ISO có phải xin giấy chứng nhận cơ sở đủ điều kiện an toàn
thực phẩm không?
- Hợp đồng tặng cho bất động sản có hiệu lực từ khi nào?
- source_sentence: 'Hồ sơ nhập khẩu thức ăn chăn nuôi để giới thiệu tại hội chợ, triển
lãm bao gồm:
a) Đơn đề nghị nhập khẩu thức ăn chăn nuôi để giới thiệu tại hội chợ, triển lãm
theo Mẫu số 07.TACN Phụ lục I ban hành kèm theo Nghị định này;
b) Văn bản chứng minh về việc tổ chức, tham gia hội chợ, triển lãm tại Việt Nam.'
sentences:
- Quy định về hồ sơ nhập khẩu thức ăn chăn nuôi để giới thiệu tại hội chợ, triển
lãm
- Mức phạt người điều khiển ô tô sử dụng tem kiểm định an toàn kỹ thuật và BVMT
không do cơ quan có thẩm quyền cấp
- Xác định mục tiêu, thời hạn của chương trình quản lý tổng hợp tài nguyên vùng
bờ được quy định như thế nào?
- source_sentence: Trường hợp bảo đảm bằng quyền sử dụng đất, tài sản gắn liền với
đất thì hợp đồng thế chấp vẫn còn hiệu lực, biện pháp thế chấp vẫn còn hiệu lực
đối kháng với người thứ ba khi tài sản gắn liền với đất hoặc quyền sử dụng đất
không phải là tài sản bảo đảm được mua bán, được chuyển nhượng, được chuyển giao
khác về quyền sở hữu hoặc được dùng để bảo đảm thực hiện nghĩa vụ. Hiệu lực của
hợp đồng bảo đảm, hiệu lực đối kháng của biện pháp bảo đảm bằng tài sản được tạo
lập từ quyền bề mặt, quyền hưởng dụng với người thứ ba không thay đổi hoặc không
chấm dứt trong trường hợp quyền sử dụng đất có quyền bề mặt, tài sản là đối tượng
của quyền hưởng dụng được mua bán, được chuyển nhượng, được chuyển giao khác về
quyền sở hữu hoặc được dùng để bảo đảm thực hiện nghĩa vụ.
sentences:
- Thời hạn hủy bỏ quyết định tạm đình chỉ liên quan đến tham nhũng được quy định
như thế nào?
- Bảo đảm bằng quyền sử dụng đất, tài sản gắn liền với đất và tài sản được tạo lập
từ quyền bề mặt, quyền hưởng dụng được quy định như thế nào?
- Phòng Kinh tế thuộc UBND huyện được giao quản lý về thú y có được thu phí, lệ
phí thú y không?
pipeline_tag: sentence-similarity
model-index:
- name: Legal vietnamese-sbert
results:
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 768
type: dim_768
metrics:
- type: cosine_accuracy@1
value: 0.6105610561056105
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7557755775577558
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7887788778877888
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.834983498349835
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.6105610561056105
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.2519251925192519
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.15775577557755774
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08349834983498348
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.6105610561056105
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7557755775577558
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7887788778877888
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.834983498349835
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7257394196122352
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6905364345958406
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6948809217615789
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 512
type: dim_512
metrics:
- type: cosine_accuracy@1
value: 0.6072607260726073
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7524752475247525
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7854785478547854
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8283828382838284
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.6072607260726073
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.25082508250825075
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.15709570957095706
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08283828382838283
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.6072607260726073
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7524752475247525
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7854785478547854
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8283828382838284
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.72090653484064
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6861739745403111
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6912926659337115
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 256
type: dim_256
metrics:
- type: cosine_accuracy@1
value: 0.5742574257425742
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7425742574257426
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7788778877887789
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8250825082508251
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5742574257425742
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.24752475247524747
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.15577557755775576
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08250825082508248
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5742574257425742
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7425742574257426
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7788778877887789
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8250825082508251
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.7044686281966969
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6654683325475405
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6705497333666119
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 128
type: dim_128
metrics:
- type: cosine_accuracy@1
value: 0.570957095709571
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7062706270627063
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7557755775577558
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.8118811881188119
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.570957095709571
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.23542354235423535
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.15115511551155114
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08118811881188116
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.570957095709571
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7062706270627063
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7557755775577558
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.8118811881188119
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.6904548657504692
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.6517208863743519
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6569610011044806
name: Cosine Map@100
- task:
type: information-retrieval
name: Information Retrieval
dataset:
name: dim 64
type: dim_64
metrics:
- type: cosine_accuracy@1
value: 0.5346534653465347
name: Cosine Accuracy@1
- type: cosine_accuracy@3
value: 0.7029702970297029
name: Cosine Accuracy@3
- type: cosine_accuracy@5
value: 0.7491749174917491
name: Cosine Accuracy@5
- type: cosine_accuracy@10
value: 0.801980198019802
name: Cosine Accuracy@10
- type: cosine_precision@1
value: 0.5346534653465347
name: Cosine Precision@1
- type: cosine_precision@3
value: 0.23432343234323427
name: Cosine Precision@3
- type: cosine_precision@5
value: 0.1498349834983498
name: Cosine Precision@5
- type: cosine_precision@10
value: 0.08019801980198019
name: Cosine Precision@10
- type: cosine_recall@1
value: 0.5346534653465347
name: Cosine Recall@1
- type: cosine_recall@3
value: 0.7029702970297029
name: Cosine Recall@3
- type: cosine_recall@5
value: 0.7491749174917491
name: Cosine Recall@5
- type: cosine_recall@10
value: 0.801980198019802
name: Cosine Recall@10
- type: cosine_ndcg@10
value: 0.670267766192947
name: Cosine Ndcg@10
- type: cosine_mrr@10
value: 0.628023992875478
name: Cosine Mrr@10
- type: cosine_map@100
value: 0.6331293046972268
name: Cosine Map@100
---
# Legal vietnamese-sbert
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [keepitreal/vietnamese-sbert](https://huggingface.co/keepitreal/vietnamese-sbert). It maps sentences & paragraphs to a 768-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:** [keepitreal/vietnamese-sbert](https://huggingface.co/keepitreal/vietnamese-sbert)
- **Maximum Sequence Length:** 256 tokens
- **Output Dimensionality:** 768 tokens
- **Similarity Function:** Cosine Similarity
- **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': 256, 'do_lower_case': False}) with Transformer model: RobertaModel
(1): Pooling({'word_embedding_dimension': 768, '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})
)
```
## 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("ictumuk/legal-vietnamese-sbert")
# Run inference
sentences = [
'Trường hợp bảo đảm bằng quyền sử dụng đất, tài sản gắn liền với đất thì hợp đồng thế chấp vẫn còn hiệu lực, biện pháp thế chấp vẫn còn hiệu lực đối kháng với người thứ ba khi tài sản gắn liền với đất hoặc quyền sử dụng đất không phải là tài sản bảo đảm được mua bán, được chuyển nhượng, được chuyển giao khác về quyền sở hữu hoặc được dùng để bảo đảm thực hiện nghĩa vụ. Hiệu lực của hợp đồng bảo đảm, hiệu lực đối kháng của biện pháp bảo đảm bằng tài sản được tạo lập từ quyền bề mặt, quyền hưởng dụng với người thứ ba không thay đổi hoặc không chấm dứt trong trường hợp quyền sử dụng đất có quyền bề mặt, tài sản là đối tượng của quyền hưởng dụng được mua bán, được chuyển nhượng, được chuyển giao khác về quyền sở hữu hoặc được dùng để bảo đảm thực hiện nghĩa vụ.',
'Bảo đảm bằng quyền sử dụng đất, tài sản gắn liền với đất và tài sản được tạo lập từ quyền bề mặt, quyền hưởng dụng được quy định như thế nào?',
'Thời hạn hủy bỏ quyết định tạm đình chỉ liên quan đến tham nhũng được quy định như thế nào?',
]
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 768]
# Get the similarity scores for the embeddings
similarities = model.similarity(embeddings, embeddings)
print(similarities.shape)
# [3, 3]
```
## Evaluation
### Metrics
#### Information Retrieval
* Dataset: `dim_768`
* Evaluated with [InformationRetrievalEvaluator
](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.6106 |
| cosine_accuracy@3 | 0.7558 |
| cosine_accuracy@5 | 0.7888 |
| cosine_accuracy@10 | 0.835 |
| cosine_precision@1 | 0.6106 |
| cosine_precision@3 | 0.2519 |
| cosine_precision@5 | 0.1578 |
| cosine_precision@10 | 0.0835 |
| cosine_recall@1 | 0.6106 |
| cosine_recall@3 | 0.7558 |
| cosine_recall@5 | 0.7888 |
| cosine_recall@10 | 0.835 |
| cosine_ndcg@10 | 0.7257 |
| cosine_mrr@10 | 0.6905 |
| **cosine_map@100** | **0.6949** |
#### Information Retrieval
* Dataset: `dim_512`
* Evaluated with [InformationRetrievalEvaluator
](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.6073 |
| cosine_accuracy@3 | 0.7525 |
| cosine_accuracy@5 | 0.7855 |
| cosine_accuracy@10 | 0.8284 |
| cosine_precision@1 | 0.6073 |
| cosine_precision@3 | 0.2508 |
| cosine_precision@5 | 0.1571 |
| cosine_precision@10 | 0.0828 |
| cosine_recall@1 | 0.6073 |
| cosine_recall@3 | 0.7525 |
| cosine_recall@5 | 0.7855 |
| cosine_recall@10 | 0.8284 |
| cosine_ndcg@10 | 0.7209 |
| cosine_mrr@10 | 0.6862 |
| **cosine_map@100** | **0.6913** |
#### Information Retrieval
* Dataset: `dim_256`
* Evaluated with [InformationRetrievalEvaluator
](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5743 |
| cosine_accuracy@3 | 0.7426 |
| cosine_accuracy@5 | 0.7789 |
| cosine_accuracy@10 | 0.8251 |
| cosine_precision@1 | 0.5743 |
| cosine_precision@3 | 0.2475 |
| cosine_precision@5 | 0.1558 |
| cosine_precision@10 | 0.0825 |
| cosine_recall@1 | 0.5743 |
| cosine_recall@3 | 0.7426 |
| cosine_recall@5 | 0.7789 |
| cosine_recall@10 | 0.8251 |
| cosine_ndcg@10 | 0.7045 |
| cosine_mrr@10 | 0.6655 |
| **cosine_map@100** | **0.6705** |
#### Information Retrieval
* Dataset: `dim_128`
* Evaluated with [InformationRetrievalEvaluator
](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:----------|
| cosine_accuracy@1 | 0.571 |
| cosine_accuracy@3 | 0.7063 |
| cosine_accuracy@5 | 0.7558 |
| cosine_accuracy@10 | 0.8119 |
| cosine_precision@1 | 0.571 |
| cosine_precision@3 | 0.2354 |
| cosine_precision@5 | 0.1512 |
| cosine_precision@10 | 0.0812 |
| cosine_recall@1 | 0.571 |
| cosine_recall@3 | 0.7063 |
| cosine_recall@5 | 0.7558 |
| cosine_recall@10 | 0.8119 |
| cosine_ndcg@10 | 0.6905 |
| cosine_mrr@10 | 0.6517 |
| **cosine_map@100** | **0.657** |
#### Information Retrieval
* Dataset: `dim_64`
* Evaluated with [InformationRetrievalEvaluator
](https://sbert.net/docs/package_reference/sentence_transformer/evaluation.html#sentence_transformers.evaluation.InformationRetrievalEvaluator)
| Metric | Value |
|:--------------------|:-----------|
| cosine_accuracy@1 | 0.5347 |
| cosine_accuracy@3 | 0.703 |
| cosine_accuracy@5 | 0.7492 |
| cosine_accuracy@10 | 0.802 |
| cosine_precision@1 | 0.5347 |
| cosine_precision@3 | 0.2343 |
| cosine_precision@5 | 0.1498 |
| cosine_precision@10 | 0.0802 |
| cosine_recall@1 | 0.5347 |
| cosine_recall@3 | 0.703 |
| cosine_recall@5 | 0.7492 |
| cosine_recall@10 | 0.802 |
| cosine_ndcg@10 | 0.6703 |
| cosine_mrr@10 | 0.628 |
| **cosine_map@100** | **0.6331** |
## Training Details
### Training Dataset
#### Unnamed Dataset
* Size: 2,720 training samples
* Columns: positive
and anchor
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:-----------------------------------------------------------------------------------|:---------------------------------------------------------------------------------|
| type | string | string |
| details |
Mỗi năm có thể được rút ngắn thời gian thử thách 01 lần từ 03 tháng đến 02 năm.
| 01 lần rút ngắn thời gian thử thách được bao nhiêu ngày?
|
| Đánh giá tác động của biến đổi khí hậu đến hoạt động kinh tế - xã hội và các vấn đề liên ngành, liên vùng, liên lĩnh vực, bao gồm các nội dung sau:
a) Đánh giá các tác động tích cực, tiêu cực, ngắn hạn, dài hạn của biến đổi khí hậu đến hoạt động kinh tế - xã hội liên quan đến phạm vi của chiến lược, quy hoạch, kế hoạch;
b) Đánh giá tác động tích cực, tiêu cực, ngắn hạn, dài hạn của biến đổi khí hậu đến các vấn đề liên ngành, liên vùng, liên lĩnh vực.
| Nội dung đánh giá tác động của biến đổi khí hậu đến hoạt động kinh tế - xã hội được quy định như thế nào?
|
| Không có thông tin liên quan tới trách nhiệm của Ngân hàng nhà nước trong hai đoạn văn trên. Hai đoạn văn trên chỉ đề cập tới việc thực hiện xác nhận đăng ký hoặc đăng ký thay đổi khoản vay nước ngoài được Chính phủ bảo lãnh và cập nhật thông tin tín dụng Quốc gia Việt Nam.
| Trách nhiệm của Ngân hàng nhà nước liên quan tới bảo lãnh Chính phủ được quy định như thế nào?
|
* Loss: [MatryoshkaLoss
](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
}
```
### Evaluation Dataset
#### Unnamed Dataset
* Size: 303 evaluation samples
* Columns: positive
and anchor
* Approximate statistics based on the first 1000 samples:
| | positive | anchor |
|:--------|:-----------------------------------------------------------------------------------|:----------------------------------------------------------------------------------|
| type | string | string |
| details | Căn cứ lập hồ sơ mời thầu dự án đầu tư có sử dụng đất bao gồm:
a) Danh mục dự án đầu tư có sử dụng đất cần lựa chọn nhà đầu tư được công bố theo quy định;
b) Kế hoạch lựa chọn nhà đầu tư được duyệt;
c) Quy định hiện hành của pháp luật về đất đai, nhà ở, kinh doanh bất động sản, đầu tư, xây dựng và quy định của pháp luật có liên quan.
| Lập hồ sơ mời thầu dự án đầu tư có sử dụng đất dựa trên những căn cứ nào?
|
| Phạt tiền từ 3.000.000 đồng đến 5.000.000 đồng đối với hành vi phá hoại cơ sở vật chất - kỹ thuật, kho bảo quản hàng dự trữ quốc gia.
| Mức phạt đối với hành vi phá hoại kho bảo quản hàng dự trữ quốc gia được quy định như thế nào?
|
| Hồ sơ đăng ký thành viên bù trừ bao gồm:
a) Giấy đăng ký thành viên bù trừ theo Mẫu số 48 Phụ lục ban hành kèm theo Nghị định này;
b) Giấy chứng nhận đủ điều kiện cung cấp dịch vụ bù trừ, thanh toán giao dịch chứng khoán do Ủy ban Chứng khoán Nhà nước cấp;
c) Bản thuyết minh về hạ tầng công nghệ thông tin, nhân sự, quy trình nghiệp vụ.
| Hồ sơ về đăng ký thành viên bù trừ chứng khoán Việt Nam được quy định như thế nào?
|
* Loss: [MatryoshkaLoss
](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`: 16
- `learning_rate`: 2e-05
- `num_train_epochs`: 25
- `lr_scheduler_type`: cosine
- `warmup_ratio`: 0.1
- `fp16`: True
- `load_best_model_at_end`: True
- `optim`: adamw_torch_fused
- `batch_sampler`: no_duplicates
#### All Hyperparameters